第壹，“大數據”的商業價值
1.客戶群的細分
“大數據”可以細分客戶群體，然後針對每個群體采取獨特的行動。針對特定的客戶群體進行營銷和服務壹直是商家的追求。雲存儲中的海量數據和“大數據”的分析技術，使得實時且極具性價比地細分消費者成為可能。
2.模擬現實
利用“大數據”模擬真實情況，發掘新需求，提高投資回報。如今，越來越多的產品配備了傳感器，汽車和智能手機的普及使得可收集的數據呈爆炸式增長。博客、推特、臉書和微博等社交網絡也在產生海量數據。
雲計算和“大數據”分析技術使企業能夠實時存儲和分析這些數據以及交易行為數據，具有很高的成本效率。交易過程、產品使用和人類行為都可以數字化。“大數據”技術可以整合這些數據進行數據挖掘，從而在某些情況下，可以通過模型模擬來判斷在不同變量下(比如不同區域的不同推廣方案)，哪種方案的投資回報率最高。
3.提高投資回報率。
提高“大數據”成果在相關部門的共享，提高整個管理鏈和產業鏈的投資回報率。“大數據”能力強的部門，可以通過雲計算、互聯網和內部搜索引擎，與“大數據”能力弱的部門共享“大數據”的成果，幫助他們利用“大數據”創造商業價值。
4.數據存儲空間的租賃
企業和個人都有海量信息存儲的需求。只有正確存儲這些數據，才能進壹步挖掘它們的潛在價值。具體來說，這種商業模式可以細分為兩類:個人文件存儲和企業用戶。主要是通過簡單易用的API，用戶可以方便的把各種數據對象放到雲端，然後像水電壹樣按使用量收費。目前，許多公司都推出了相應的服務，如亞馬遜、網易和諾基亞。運營商也推出了相應的服務，如中國移動的蔡赟業務。
5.管理客戶關系
客戶管理應用的目的是根據客戶的屬性(包括自然屬性和行為屬性)，從不同角度對客戶進行深入分析和理解，從而增加新客戶，提高客戶忠誠度，降低客戶流失率，增加客戶消費。對於中小客戶來說，專門的CRM顯然又大又貴。許多中小型企業使用飛信作為主要的CRM。比如在飛信群裏添加老客戶，在朋友圈發布新品公告和特別銷售通知，完成售前售後服務。
6.個性化精準推薦
在運營商內部，根據用戶喜好推薦各種服務或應用是很常見的，比如app store軟件推薦、IPTV視頻節目推薦等。經過關聯算法、文本摘要抽取、情感分析等智能分析算法後，可以擴展到商業服務中，利用數據挖掘技術幫助客戶進行精準營銷。未來利潤可以來自客戶增值部分的分成。
以日常的“垃圾短信”為例，信息並不全是“垃圾”，因為收件人不需要，被視為垃圾。對用戶行為數據進行分析後，就可以把需要的信息發送給需要的人，讓“垃圾短信”變成有價值的信息。在日本的麥當勞，用戶在手機上下載優惠券，然後去餐廳用運營商DoCoMo的手機錢包支付。運營商和麥當勞收集相關消費信息，比如經常買什麽漢堡，去了哪些店，消費頻率如何，然後精準推送優惠券給用戶。
7.數據搜索
數據搜索並不是壹個新的應用。隨著“大數據”時代的到來，人們對實時、全方位搜索的需求越來越強烈。我們需要能夠搜索各種社交網絡、用戶行為和其他數據。其商業應用價值在於將實時數據處理與分析、廣告聯系起來，即應用內移動廣告的實時廣告業務和社交服務。
運營商掌握的用戶上網行為信息，使得獲得的數據“擁有更全面的維度”，更具商業價值。中國移動的“盤古搜索”等典型應用。
第二，“大數據”與零售業的結合
對於數據的使用，很多實體零售商也非常重視，他們對企業積累的數據進行了各種預測和分析。但是，對於具體的銷售業務來說，往往存在理想與現實的鬥爭。前不久，市場上某知名服裝零售企業，壹方面宣傳其利潤清單，另壹方面又曝光其庫存近6543.8+0億元。國內很多零售企業都知道“大數據”應用的好處，但是壹旦將“大數據”的應用結合到自己的業務運營中，就會出現非常大的與當前運營不兼容的問題，導致很多企業對此非常謹慎。
1.將零售戰略與“大數據”技術相結合。
零售企業所講的“大數據”的最大價值，就是將零售戰略與“大數據”技術相結合，最大程度的使預先存在的零售戰略，保證銷售計劃的實現。“大數據”講究四個“V”:壹是體量)；的數據；二是數據類型多樣，多涉及各種結構化和非結構化；三是價值密度低，對應體量大；第四，數據更新和處理速度快(Velocity)。
根據這些特點，在生成業務數據的同時主動做出相應的戰略應對，將為企業贏得更多的時間和市場戰略調整空間。這類似於大江大河的洪峰預警，上遊洪峰怎麽辦，下遊怎麽辦。數據用在這個層面上，就有了直接的業務價值，這是銷量對比同期、環比、銷售計劃所能指導業務的價值無法比擬的。例如，壹家涉足線上業務的實體零售商，往往會在15分鐘的促銷時間內，為壹批商品準備三套應變策略，以保證商品能按計劃銷售。
在實體商業領域，有很多關於數據和營銷的案例。更早的版本是美國沃爾瑪的啤酒和尿布的數據關系。原來，美國的女性在家照顧孩子，所以她們會在下班回家的路上讓丈夫給孩子買紙尿褲，而丈夫也會同時給孩子買自己喜歡的啤酒。
當分析師了解到啤酒和紙尿褲銷量之間存在正相關關系，並進壹步分析後，發現了這樣的購買情況，於是將這兩種屬於不同品類的商品放在了壹起。這壹發現給商家帶來了新的銷售組合。當然，即使更多的零售連鎖企業知道這個故事，也很少從自己平時的銷售中找到這樣的組合，哪怕是牽強附會。
所以零售戰略設計是零售業“大數據”最有價值的地方，也是“大數據”可以直接支撐的業務。
2.零售企業應保持對“大數據”的正確態度
企業領導首先要重視“大數據”和企業數據中心的發展，把收集客戶數據作為企業營銷運營的第壹目標；第二，培訓企業內部員工，建立收集數據的軟硬件機制；第三，基於業務需求，確定需要收集哪些數據；第四，根據企業現有數據或未來方向，確認如何實現前三個項目的基礎設施計劃。
在這些IT基礎工作中，企業需要有實實在在的投入，建立標準化的信息化團隊。中小微零售企業作為中國商業的最大部分，面對這樣的變化，似乎是不可能的，也沒有足夠的能力。
大中型零售商因為自身的業務和利潤積累，已經能夠承擔這樣壹個需求趨勢的成本。中小企業還處於快速發展的過程中，如果像大中型企業那樣在各個方面都投入，很快就會被新的it工具拖垮或者重創。
但這並不意味著中小零售企業沒有機會。事實上，IT的發展為所有企業提供了平等的選擇，雲計算的廣泛應用是這種變化的臨時禮物。
作為中小型微零售企業，不必考慮自己搭建壹套“大數據”IT系統。他們在精力、成本、能力上都不合適。因此，這類企業可以將其IT建設外包給合適的服務商，可以將全部精力投入到商圈的發展中。
目前，壹些IT軟件開發運營商也推出了面向傳統零售企業的雲服務基礎平臺，為中小型微商企業提供與大型企業和超大型企業相同的基礎環境和系統架構。小企業只需要明確規劃好自己的目標和適合的步驟，使用雲平臺按需付費，無需龐大的前期投入和不可預知的運營成本。
三、“大數據”在零售企業實戰中的應用
1、目標
最早關於“大數據”的故事發生在美國第二大超市塔吉特百貨。孕婦對於零售商來說是壹個含金量很高的客戶群體。但她們通常會去專門的孕婦商店，而不是在Target購買懷孕產品。人們壹提到塔吉特，往往會想到清潔用品、襪子、衛生紙等日常用品，卻忽略了塔吉特擁有孕婦需要的壹切。為此，Target的營銷人員向Target的客戶數據分析部門尋求壹種模型來識別第二次懷孕的孕婦。在美國，出生記錄是公開的，孩子壹出生，新生兒媽媽就會被鋪天蓋地的產品優惠廣告包圍，所以在孕婦第二次懷孕時就要有所行動。如果Target能在所有零售商之前知道哪個客戶懷孕了，市場部就能早早給他們發送量身定制的孕婦優惠廣告，及早識別有價值的客戶資源。
怎樣才能準確判斷哪個客戶懷孕了？Target以為公司有嬰兒洗澡的登記表，就開始對這些登記表中客戶的消費數據進行建模分析，很快就發現了很多非常有用的數據模式。比如模型發現很多孕婦在第二次懷孕初期會買很多大包裝的無味護手霜；懷孕前20周，大量購買補充鈣、鎂、鋅的優質藥片等保健品。最後，Target選取了25種典型商品的消費數據，構建了“懷孕預測指數”。通過這個指標，塔吉特可以在很小的誤差範圍內預測客戶的懷孕情況，因此塔吉特可以提早向客戶發送孕婦優惠廣告。
為了不讓顧客覺得商家侵犯了他們的隱私，塔吉特將孕婦產品的優惠廣告與大量其他與懷孕無關的商品優惠廣告混在壹起。
根據這種“大數據”模型，塔吉特制定了全新的廣告營銷計劃，結果塔吉特的孕期產品銷量呈現爆發式增長。Target的“大數據”分析技術已經從孕婦推廣到其他細分客戶。從塔吉特使用“大數據”的2002年到2010年，塔吉特的銷售額從440億美元增長到670億美元。
2、ZARA
ZARA的平均服裝價格只有LVHM的四分之壹，但回顧兩家公司的財務年報，ZARA的稅前毛利率比LVHM高23%或6%。
(1)客戶需求分析
在ZARA的商店裏，櫃臺和商店的每個角落都安裝了攝像頭，商店經理隨身攜帶壹臺PDA。目的是記錄每壹個顧客的意見，比如顧客對衣服圖案的喜好，紐扣的大小，拉鏈的款式。店員會向分店經理匯報，分店經理會把信息上傳到ZARA內部的全球信息網絡，每天至少兩次傳遞給總部的設計師。總部做出決定後，會馬上送到生產線上，改變產品風格。
關店後，銷售人員會結賬，盤點每天的貨物裝卸情況，統計客戶的進貨和退貨率。結合櫃臺現金數據，交易系統做出當天交易的分析報告，分析當天產品的熱銷排名，然後數據直接到達ZARA存儲系統。
收集大量客戶意見進行生產銷售決策，大大降低了庫存率。同時，根據這些電話和電腦數據，ZARA分析出類似的“地域人氣”，在色彩和版型的制作上，做出最貼近客戶需求的細分市場。
(2)結合網店數據
2010年，ZARA同時在歐洲六個國家設立網店，增加了海量線上數據的串聯。2011分別在美國和日本上線平臺。除了增加收入，網上商店加強了雙向搜索引擎和數據分析的功能。不僅將意見回收到生產端，還能讓決策者準確找準目標市場；也為消費者提供了更精準的時尚信息，雙方都能享受到“大數據”帶來的好處。分析師估計，在線商店使ZARA的收入至少增加了65，438+00%。
另外，除了交易行為，網店也是活躍產品推出前的營銷試金石。ZARA通常會先在網上進行消費者意見調查，然後從網上的反饋中提取顧客意見，從而對實際出貨的產品進行改進。
ZARA把網絡上的海量數據作為實體店的預測試指標。因為能在網上搜索到時尚信息的人，在對服裝的喜好、對信息的掌握、對潮流的推動能力上，都比普通大眾更前衛。此外，在網上最先了解ZARA信息的消費者在實體店的消費率很高。
這些客戶數據不僅用於生產，ZARA所屬的Inditex集團的所有部門都在使用:包括客服中心、市場部、設計團隊、生產線、access。根據這些龐大的數據，形成各部門的KPI，完成ZARA內部的垂直整合主軸。
ZARA推動的海量數據整合，後來被ZARA所屬的Inders集團旗下的八個品牌學習和應用。可以預見的是，未來的時尚圈，除了臺面上的設計能力，臺面下的信息/數據戰爭將是更重要的隱形戰場。
(3)快速處理、校正和執行數據。
H & ampm壹直想跟上ZARA的腳步，積極利用“大數據”改善產品流程，但效果並不好。兩者的差距越來越大。為什麽？
主要原因是“大數據”最重要的作用是縮短生產時間，讓生產端可以根據客戶的意見快速修正。但是，H &；m的內部管理流程無法支撐“大數據”供給的龐大信息。H & amp在M的供應鏈中，從印刷到出貨大概需要三個月，和ZARA的兩個星期沒法比。
因為H &；m不像ZARA，它在西班牙維持著將近H & amp的設計和生產，而H & ampm產地遍布亞洲、中南美洲。跨國通訊的時間拉長了生產的時間成本。因此，“大數據”即使在H & amp；day反映了各個地區客戶的意見，也無法立即得到改善。作為信息和生產分離的結果，H & amp；M內部的“大數據”系統的有效性是有限的。
“大數據”運營成功的關鍵是信息系統要與決策過程緊密結合，快速響應和修正消費者的需求，並立即執行決策。
3.亞馬孫
亞馬遜之前並沒有大力推廣廣告業務，直到2012年底，有消息稱亞馬遜即將推出實時廣告交易平臺，從而挑戰臉書和谷歌。這種實時廣告交易平臺，也被稱為“需求方平臺”(DSP)，可以讓廣告滿足目標消費者。廣告主可以在“需求方平臺”上對網站閑置的廣告位進行競價，競價對象包括廣告位和符合壹定條件的消費者。
亞馬遜開發的“需求側平臺”可以“幫助廣告商接觸到互聯網上的眾多用戶，也可以幫助客戶快速找到他們想要購買的產品的相關信息”。“需求側平臺”的概念雖然不是亞馬遜首創，但是有豐富的素材做後盾。
亞馬遜和廣告主共享的信息有兩種。壹種是根據用戶上網行為的大致分類，比如熱衷時尚、熱愛電子產品、為人母、熱愛咖啡等。另壹個是用戶的產品搜索記錄。至於消費者的實際購物信息，亞馬遜似乎並沒有納入分享。廣告主即使不能知道實際消費記錄，也能知道潛在客戶的產品搜索記錄；如果亞馬遜全力以赴進入在線廣告市場，仍有可能極大地改變產業生態。
亞馬遜2012年的廣告收入約為5億美元，2013年將達到10億美元。這將成為亞馬遜未來幾年營收增長的新動力。更重要的是，它可能是亞馬遜最賺錢的業務之壹。
4.沃爾瑪超市
2011年，沃爾瑪的電商營收只有亞馬遜的五分之壹，而且差距逐年拉大，所以沃爾瑪不得不努力追趕，找出各種模式來提高數字營收。最終，沃爾瑪選擇在社交網站的移動商務上碰碰運氣，讓更多更快的信息進入沃爾瑪的內部銷售決策。沃爾瑪的每壹份購買建議單都是大量數據計算的結果。
2011年4月，沃爾瑪以3億美元的高價收購了專門的分類社區網站Kosmix。Kosmix不僅可以為企業收集和分析網絡上的海量數據(大數據)，還可以對信息進行個性化處理，為終端消費者提供購買建議(這些細微的消費習慣，如果不是跟蹤結賬信息，很難從門店的巡查中發現)。這意味著沃爾瑪使用的“大數據”模式已經從“挖掘”顧客需求演變為“創造”消費者需求。
沃爾瑪本身就是壹個海量數據系統，適合各種商業分析行為。沃爾瑪作為全球最大的零售巨頭(專讀)，全球員工超過200萬，共有110個超大型配送中心，每天處理超過10億條數據。由於數據量巨大，沃爾瑪“大數據”系統最重要的任務就是在做出每壹個決策之前，盡可能降低執行成本，創造新的消費機會。
Kosmix為沃爾瑪創建的“大數據”系統被稱為“社會基因組”，並與Twitter和臉書等社交媒體相連。工程師從每日熱點新聞出發，推出呼應當前社會事件、創造消費需求的產品。分類的範圍包括消費者、新聞事件、產品、區域、組織和新聞話題。同時，針對社交網絡消息流動快的本質，沃爾瑪內部的“大數據”實驗室專門開發了跟蹤系統，結合移動互聯網接入，管理和跟蹤龐大的社交動態，每天可處理超過6543.8+0億條信息。
“社會基因組”的應用多種多樣。比如沃爾瑪實驗室的內部軟件，可以從Foursquare平臺上的打卡記錄中，分析出不同地區的消費者在黑色星期五最常購買的物品，然後發出不同地區的購買建議。
以上是邊肖為您分享的關於大數據如何與零售業實戰結合的相關內容。更多信息可以關註環球常春藤分享更多幹貨。