㈠ 大数据给零售行业带来的商业价值
大数据给零售行业带来的商业价值
在大数据推动的商业革命暗涌中，要么学会使用大数据的杠杆创造商业价值，要么被大数据驱动的新生代商业格局淘汰。
最早关于大数据的故事发生在美国第二大的超市塔吉特百货(Target)。孕妇对于零售商来说是个含金量很高的顾客群体。但是他们一般会去专门的孕妇商店而不是在Target购买孕期用品。人们一提起Target，往往想到的都是清洁用品、袜子和手纸之类的日常生活用品，却忽视了Target有孕妇需要的一切。那么Target有什么办法可以把这部分细分顾客从孕妇产品专卖店的手里截留下来呢?
为此，Target的市场营销人员求助于Target的顾客数据分析部(Guest Data & Analytical Services)的高级经理Andrew Pole，要求他建立一个模型，在孕妇第2个妊娠期就把她们给确认出来。在美国出生记录是公开的，等孩子出生了，新生儿母亲就会被铺天盖地的产品优惠广告包围，那时候Target再行动就晚了，因此必须赶在孕妇第2个妊娠期行动起来。如果Target能够赶在所有零售商之前知道哪位顾客怀孕了，市场营销部门就可以早早的给他们发出量身定制的孕妇优惠广告，早早圈定宝贵的顾客资源。
可是怀孕是很私密的信息，如何能够准确地判断哪位顾客怀孕了呢?Andrew Pole想到了Target有一个迎婴聚会(baby shower)的登记表。Andrew Pole开始对这些登记表里的顾客的消费数据进行建模分析，不久就发现了许多非常有用的数据模式。比如模型发现，许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜;在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最后Andrew Pole选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，因此Target就能早早地把孕妇优惠广告寄发给顾客。
那么，顾客收到这样的广告会不会吓坏了呢?Target很聪明地避免了这种情况，它把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告当中，这样顾客就不知道Target知道她怀孕了。百密一疏的是，Target的这种优惠广告间接地令一个蒙在鼓里的父亲意外发现他高中生的女儿怀孕了，此事甚至被《纽约时报》报道了，结果Target大数据的巨大威力轰动了全美。
根据Andrew Pole的大数据模型,Target制订了全新的广告营销方案，结果Target的孕期用品销售呈现了爆炸性的增长。Andrew Pole的大数据分析技术从孕妇这个细分顾客群开始向其他各种细分客户群推广，从Andrew Pole加入Target的2002年到2010年间，Target的销售额从440亿美元增长到了670亿美元。
我们可以想象的是，许多孕妇在浑然不觉的情况下成了Target常年的忠实拥泵，许多孕妇产品专卖店也在浑然不知的情况下破产。浑然不觉的背景里，大数据正在推动一股强劲的商业革命暗涌，商家们早晚要面对的一个问题就是：究竟是在浑然不觉中崛起，还是在浑然不觉中灭亡。
大数据是谁?
大数据炙手可热，但是能说清楚大数据是什么的人却不多。要真正弄明白什么是大数据，我们首先得看看Target是怎么收集大数据的。
只要有可能，Target的大数据系统会给每一个顾客编一个ID号。你刷信用卡、使用优惠券、填写调查问卷、邮寄退货单、打客服电话、开启广告邮件、访问官网，所有这一切行为都会记录进你的ID号。
而且这个ID号还会对号入座的记录下你的人口统计信息：年龄、是否已婚、是否有子女、所住市区、住址离Target的车程、薪水情况、最近是否搬过家、钱包里的信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买你的其他信息：种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。乍一看，你会觉得这些数据毫无意义，但在Andrew Pole和顾客数据分析部的手里，这些看似无用的数据便爆发了前述强劲的威力。
在商业领域，大数据就是像Target那样收集起来的关于消费者行为的海量相关数据。这些数据超越了传统的存储方式和数据库管理工具的功能范围，必须用到大数据存储、搜索、分析和可视化技术(比如云计算)才能挖掘出巨大商业价值。
大数据的商业价值
大数据这么火，因此很多人就跟起风来，言必称大数据，可是很多人不但没搞明白大数据是什么的问题，也不知道大数据究竟能往哪些方面挖掘出巨大的商业价值。这样瞎子摸象般的跟风注定了是要以惨败告终的，就像以前一窝蜂地追逐社交网络和团购一样。那么大数据究竟能往哪些方面挖掘出巨大的商业价值呢?根据IDC和麦肯锡的大数据研究结果的总结，大数据主要能在以下4个方面挖掘出巨大的商业价值：对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动;运用大数据模拟实境，发掘新的需求和提高投入的回报率;提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率;进行商业模式、产品和服务的创新。笔者把他们简称为大数据的4个商业价值杠杆。企业在大踏步向大数据领域投入之前，必须清楚地分析企业自身这4个杠杆的实际情况和强弱程度。
1、对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动。本文开头Target的故事就是这个杠杆的案例，瞄准特定的顾客群体来进行营销和服务是商家一直以来的追求。云存储的海量数据和大数据的分析技术使得对消费者的实时和极端的细分有了成本效率极高的可能。比如在大数据时代之前，要搞清楚海量顾客的怀孕情况，得投入惊人的人力、物力、财力，使得这种细分行为毫无商业意义。
2、运用大数据模拟实境，发掘新的需求和提高投入的回报率。现在越来越多的产品中都装有传感器，汽车和智能手机的普及使得可收集数据呈现爆炸性增长。Blog、Twitter、Facebook和微博等社交网络也在产生着海量的数据。云计算和大数据分析技术使得商家可以在成本效率较高的情况下，实时地把这些数据连同交易行为的数据进行储存和分析。交易过程、产品使用和人类行为都可以数据化。大数据技术可以把这些数据整合起来进行数据挖掘，从而在某些情况下通过模型模拟来判断不同变量(比如不同地区不同促销方案)的情况下何种方案投入回报最高。
3、提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率。大数据能力强的部门可以通过云计算、互联网和内部搜索引擎把大数据成果和大数据能力比较薄弱的部门分享，帮助他们利用大数据创造商业价值。这个杠杆的案例是关于沃尔玛的一个故事。
沃尔玛开发了一个叫做Retail Link的大数据工具，通过这个工具供应商可以事先知道每家店的卖货和库存情况，从而可以在沃尔玛发出指令前自行补货，这可以极大地减少断货的情况和供应链整体的库存水平。在这个过程中，供应商可以更多的控制商品在店内的陈设，可以通过和店内工作人员更多地接触，提高他们的产品知识;沃尔玛可以降低库存成本，享受员工产品知识提高的成果，减少店内商品陈设的投入。综合起来，整个供应链可以在成本降低的情况下，提高服务的质量，供应商和沃尔玛的品牌价值也同时得到了提升。通过在整条供应链上分享大数据技术，沃尔玛引爆了零售业的生产效率革命。
4、进行商业模式，产品和服务的创新。大数据技术使公司可以加强已有的产品和服务，创造新的产品和服务，甚至打造出全新的商业模式。这个杠杆将引用Tesco为案例。Tesco收集了海量的顾客数据，通过对每位顾客海量数据的分析，Tesco对每位顾客的信用程度和相关风险都会有一个极为准确的评估。在这个基础上，Tesco推出了自己的信用卡，未来Tesco还有野心推出自己的存款服务。
大数据的商业革命
通过以上4个杠杆，大数据能够产生出巨大的商业价值，难怪麦肯锡说大数据将是传统4大生产要素之后的第5大生产要素。大数据对市场占有率、成本控制、投入回报率和用户体验都会起到极大的促进作用，大数据优势将成为企业最值得倚重的比较竞争优势。根据麦肯锡的估计，如果零售商能够充分发挥大数据的优势，其营运利润率就会有年均60%的增长空间，生产效率将会实现年均0.5%-1%的增长幅度。在大数据这个概念炒热起来的当下，人们才发现像沃尔玛、Target、亚马逊、Tesco这样的商业巨头已经不声不响地运用了大数据技术好多年，用大数据驱动市场营销、驱动成本控制、驱动产品和服务创新、驱动管理和决策的创新、驱动商业模式的创新。许多商界骄子慨叹竞争不过Target们的不解之谜也终于告破。
在大数据推动的商业革命暗涌中，与时俱进绝不仅仅是附庸风雅的卡位之战，要么学会使用大数据的杠杆创造商业价值，要么被大数据驱动的新生代商业格局淘汰。这是天赐良机，更是生死之战。成功者将是中国产业链升级独领风骚的枭雄，失败者拥有的只有遗憾。
以上是小编为大家分享的关于大数据给零售行业带来的商业价值的相关内容，更多信息可以关注环球青藤分享更多干货
㈡ 零售行业的大数据分析该怎么去做有案例之类的可以参考吗
零售行业对接大数据也是个不错的选择，下面我简述下我的看法：
1，通过门店客流监控，制定营销推广方案，辅助运营决策。
2、利用大数据的优势调研顾客特征，帮助深刻认知、理解和找到目标消费者群体。
3、发挥大数据的优势，监测地域人流量从而进行选址决策
4、分析客群画像，全面掌握客群属性及兴趣、品牌关注。
5、以定制化精准营销服务形式，通过大数据海量渠道资源进行规模化曝光。
6、通过对会员、到店顾客以及商圈与全网潜在客群的行为意图、兴趣偏好等动态数据深度分析，进行精准营销。
希望我的回答能帮助你，若还要不清楚的地方可向我提问。
㈢ 零售企业如何面对“大数据时代”
零售企业如何面对“大数据时代”
当“物联网”、“云计算”我们都还没有理解清晰时，又出来了一个新名词——“大数据”，这些IT名词仅仅是概念，还是与我们所处的商业环境有直接关系？笔者认为，大多数的零售从业者都不能清晰地回应。
首先我们需要明白，商业行为的本质是什么？就是企业发现和挖掘客户需求，并提供有价值的服务以满足客户需求。最佳的商业行为就是企业通过提供不同形式的服务超越客户的需求，让客户的物超所值的感觉持续下去；这样的商业行为将能够获得更高且持续的利润。
“物联网”、“云计算”或“大数据”都是帮助我们发现和挖掘客户需求，提供快速和准确的市场数据以便客户及时决策的工具。相对传统的工具，它们更高效率、更低成本、更准确。笔者认为作为商业信息领域的从业人员，可以不需要过多地了解其内在核心技术及方式，但它们能够给零售用户和行业带来哪些变革或趋势是我们不能忽视的。
2008年马云成功地预测了经济危机，并帮助成千上万的小制造商准备了过冬的粮食。此举让马云在业内赢得崇高荣誉的同时，更为阿里巴巴带来持续的客户。马云如何做到这些事情的呢？是“大数据”给了他启示。马云对未来的预测是建立在对用户行为分析的基础上。一般而言，买家在采购商品前，会比较多家供应商的商品。此举反应到阿里巴巴的统计数据中，就是查询点击的数量和购买点击的数量相对会保持一个数值，综合各个纬度的数据能够建立用户的行为模型。因为淘宝网用户样本量巨大，从而保证了用户行为模型的准确性。“大数据”为阿里巴巴清晰地预测了用户需求和市场变化。
什么是大数据
相信马云的案例已经给我们一些启示了。
那么什么是“大数据”呢？谈到大数据，离不开物联网和云计算的关系。物联网、云计算和大数据实际上是不可分割的三大技术，不可孤立而言；物联网的快速发展为大数据提供了广泛的数据来源，云计算为大数据的诞生创造了基础环境，脱离物联网和云计算的层面，就没有大数据存在的巨大价值。
从数据的角度来看，物联网仅仅是数据的来源或者承载的方式，我们可以简单地认为是收集信息和数据的一种更加简单和有效的终端方式。
云计算是一种新的IT业务模式，这种模式的特点在于提供极低的成本、极快速的交付手段、极简单的使用方式，并且让各个关联的系统协同变得异常简单和轻松。云计算的蓬勃发展，客观上开启了大数据时代的大门，如果用高速公路来形容比喻云计算，那么大数据就是所有汽车中的货物。云计算为大数据提供了存储空间、访问渠道及运算能力。大数据是云计算的灵魂。
大数据技术简单来讲就是从各种类型的数据中，快速获取有价值信息的能力；在互联网时代，我们的数据已经不单单是传统的结构化数据了，非结构化数据、半结构化数据开始占据了我们数据的大部分内容，我们从中找到有价值的信息，已经变得不是那么容易。大数据技术的发展开始让这些问题的解决变得简单。
大家可以清晰看出，我们提及的智慧商业脱离了大数据是不可能实现的，大家熟悉的商业智能离开了大数据就是一个忽悠人概念了。
大数据具备四大特征：第一，数据量巨大，从TB跃升到PB级别；第二，数据类型丰富，包含日志、视频、音频、图片、地理信息、文档等等；第三，数据价值密度低，以视频数据为例，一个超过一小时的视频，可能有价值的信息不到三秒；第四，数据处理速度快，要达到秒极，需要能够实时获取有价值的数据。
这些还都是大数据的概念和特征，回归到我们实际的商业行为中，大数据能够为我们带来什么益处？
以往我们进行商业判断时，大多靠我们的经验和直觉，所以会出现不是很确定的判断或者走一步看一步的探路式情况发生。大数据时代很多企业的正确决策是依靠数据分析得出，从而为企业带来巨大的运营效益。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。
各类企业如何应对大数据时代发展
我们怎样来面对大数据时代？笔者认为可以分为几步来考虑。
首先企业的领导者要重视大数据的发展、重视企业的数据中心，把收集客户数据做为企业运行第一目标；第二，对企业内部人员进行培训及建立收集数据的机制；第三，以业务需求为准则，确定哪些数据是需要收集；第四，确认在企业已有的数据基础上或者未来方向前提下，如何达成前三项目标的基础建设方案。
看完这些，很多人会认为，这些IT基础工作需要巨大的投入和庞大的信息化团队，做为中国商业最大的一份子——中小微型零售企业不可能或没有足够的能力来面对这样一场变化。
大中型企业因为本身业务及利润的积淀，已经能够承担这样一场需求趋势的需要成本。中小微型企业还处于快速发展过程中，如果也如同大中型企业进行全方面投入，将很快会被新型的IT工具拖垮或者遭受重创。幸运的是IT的发展为所有的企业都提供了平等的选择，云计算的广泛应用即是对这样一场变革带来的临时礼物。做为中小微型零售企业，完全不必考虑自己建设一套IT系统，他们从精力、成本、能力上来说都不适合，因此此类企业可以将企业的IT建设外包给适合的服务商，企业本身的所有精力投入到客户的开发上。
亚马逊在全球率先推出了云服务的基础平台，为中小微型商业企业提供了大型企业和超大型企业同样的基础环境及系统架构，小企业只需清晰规划自己的目标和适合的步骤后，使用云平台按需付费即可，大可不必进行巨大的初始投入及不可预测的运行成本。目前国内已经出现一批在为国内中小微型零售企业提供类似服务的信息服务商，比如基于客户关系管理的“XTOOLS”，基于客户服务的“迅鸟”云呼叫平台，基于连锁店面管理的“甩手掌柜”等等。至于各中小微型企业怎么选择适合自己的发展平台，则需要依靠该企业领导者本人的智慧。
以上是小编为大家分享的关于零售企业如何面对“大数据时代”的相关内容，更多信息可以关注环球青藤分享更多干货
㈣ 零售行业大数据技术如何应用
1、实时进行管理交付
作为零售商，开展业务和获利的关键要素是尽快收到货物，并确保货物也能迅速交付给商店或客户。大数据通过使零售商能够实时管理交付而提供帮助，这是零售供应链管理的关键。零售商可了解交通和天气状况最新信息，以及正在运输的货物所在的位置。
2、拣选更好的时间
许多零售商的另一个重要组成部分是拣选和包装订单。这是一个传统的劳动密集型流程，在以往，只有大型零售商才能通过自动化拣选机器人或组织大量员工来加快拣选速度。如今采用大数据，即使是小型零售商也可以改进其流程，并在更好的拣选时间进行拣选。
3、将供应链细分
消费者比以往任何时候都期待获得更加个性化的购物体验和客户服务。零售商可以通过数据对供应链进行细分，更好地迎合不同的目标市场，提高转化率。通过记录数据分析告诉零售商在不同渠道(例如，网络、移动和社交)与购物者的互动，从而使其向购物者提供个性化服务。
4、供应商管理常改善
零售商可能与供应链中的多家公司合作。可能会有直运供应商、物流供应商、包装供应商和其他供应商，他们需要组织、管理和审查。反过来，试图提高盈利能力和可靠性也可能是一项挑战。大数据技术可以提供帮助。
㈤ 零售业大数据说明应用案例
零售业大数据说明应用案例
跟着大数据期间的到来，数据说明已经成为了零售业很是重要的一环，也是风雅化运营的基本。零售业数据说明包罗：
跟着大数据期间的到来，数据说明已经成为了零售业很是重要的一环，也是风雅化运营的基本。零售业数据说明包罗：
本文将对这6个方面一一解读。
1 财政说明
1）说明企业的财政状况，相识企业资产的活动性、现金流量、欠债程度及企业送照旧非期债务的手段，从而评价企业的财政状况和风险；
2）说明企业的资产打点程度，相识企业对资产的打点状况，资金周转环境；
3）说明企业的赢利手段；
4）说明企业的成长趋势，猜测企业的策划远景；
同时，体系还应该凭证部分、职员、商品、供给商、时刻等各个维度综合说明各项财政指标，如：本钱、毛利、利润、库存、结算、盈亏均衡点、贩卖数目、贩卖金额、市场占据率等等。
2 贩卖说明
首要说明各项贩卖指标，譬喻毛利、毛利率、坪效（坪效是台湾常常拿来计较阛阓策划效益的指标, 指的是每坪的面积可以产出几多业务额(业务额÷专柜所占总坪数，以百货公司为例, 店里差异的位置, 所吸引的客户数也差异。一楼进口处, 凡是是最轻易吸引眼光的处所, 在这样的黄金地段必然要安排能赚取最大利润的专柜, 以是你会发明百货公司的一楼凡是都是扮装品专柜）、交错比、销进比、红利手段、周转率、同比、环比等等；
而说明维度又可从打点架构、种别品牌、日期、时段等角度调查，这些说明维又回收多级钻取，从而得到相等透彻的说明思绪；
同时按照海量数据发生猜测信息、报警信息等说明数据；
还可按照各类贩卖指标发生新的透视表，譬喻最常见的ABC分类表、商品敏感分类表、商品红利分类表等。
这些伟大的指标在原本的数据库中是难以实现的，老总们固然知道他们很是有效，但因为无法获得，使得这些指标的职位也如有若无。直到BI技能呈现之后，这些指标才从头获得了打点者和说明者们的宠幸。
3 商品说明
商品说明的首要数据来自贩卖数据和商品基本数据，从而发生以说明布局为主线的说明思绪。首要说明数据有商品的种别布局、品牌布局、价值布局、毛利布局、结算方法布局、产地布局等，从而发生商品广度、商品深度、商品裁减率、商品引进率、商品置换率、重点商品、脱销商品、滞销商品、季候商品等多种指标。通过对这些指标的说明来指导企业商品布局的调解，增强所营商品的竞争手段和公道设置。
4 顾主说明
顾主说明首要是指对顾主群体的购置举动的说明。譬喻，假如将顾主简朴地分成富人和贫民，那么什么人是富人，什么人是贫民呢？实施会员卡制的企业可以通过会员挂号的月收入来区分，没有奉行会员卡的，可通过小票每单金额来假设。好比大于100元的我们以为是富人，小于100元的我们以为是贫民。好了，此刻老总必要知道许多工作了，好比，富人和贫民各喜好什么样的商品；富人和贫民的购物时刻各是什么时辰；本身的商圈里是富人多照旧贫民多；富人给阛阓作出的孝顺大照旧贫民作出的孝顺大；富人和贫民各喜好用什么方法来付出等等。另外尚有商圈的客单量、购物岑岭时刻和沐日经济对企业影响等说明。
5 供给商说明
通过对供给商在特按时刻段内的各项指标，包罗订货量、订货额、进货量、进货额、到货时刻、库存量、库存额、退换量、退换额、贩卖量、贩卖额、所供商品毛利率、周转率、交错比率等举办说明，为供给商的引进、储蓄、裁减（或裁减其部门品种）及供给商库存商品的处理赏罚提供依据。首要说明的主题有供给商的构成布局、送货环境、结款环境，以及所供商品环境，如贩卖孝顺、利润孝顺等。通过说明，我们也许会发明有些供给商所提供的商品贩卖一向不错，它在某个时刻段里的结款也很是不变，而这个供给商的结算方法是代销。好了，说明昭示出，这个供给商所供商品贩卖风险较小，假如资金不求助，为什么不思量将他们改为购销呢？这样可以低落本钱呵。
6 职员说明
通过对公司的职员指标举办说明，出格是对贩卖职员指标（贩卖指标为主，毛利指标为辅）和采购员指标（贩卖额、毛利、供给商改换、购销商品数、代销商品数、资金占用、资金周转等）的说明，以到达查核员家产绩，进步员工起劲性，为人力资源的公道操作提供科学依据的目标。首要说明主题有，员工的职员组成、贩卖职员的人均贩卖额、对付开单贩卖的小我私人贩卖业绩、各打点架构的人均贩卖额、毛利孝顺、采购职员分担商品的进货几多、购销代销的比例、引进的商品销量如多么等。
以上是小编为大家分享的关于零售业大数据说明应用案例的相关内容，更多信息可以关注环球青藤分享更多干货
㈥ 传统零售业的精准营销 大数据的魅力
传统零售业的精准营销：大数据的魅力
当前互联网公司对数据挖掘可谓赖以生存。目前几乎所有的用户体验产生的数据都可以进行数据挖掘。从传统零售企业走电子商务，到亚马逊，淘宝网的精准营销，大数据给企业带来的价值不断凸显。说到大数据，很难不提到传统的数据处理，以及大数据对于整个零售行业的影响，那么我们应该怎么理解大数据呢？
国内大数据公司信柏科技CEO柏林森指出:大数据是一个动态的洞察、清晰的预测的过程。有了洞察就可以慢慢走进预测。举例来说，对于传统的零售企业来说，他的零售模式就会遇到数据瓶颈。以前商家自己其实不知道是哪位顾客来买他的东西，就算商家有了顾客的会员卡，但是如果顾客不掏出这张卡来也是无法知道顾客是谁，即使掏出来会员卡也无法知道顾客的消费偏好及个人家庭情况等。但是有了大数据分析之后，可以对消费者进行全方位的分析，描述消费者画像，从而对其开展个性化精准营销。
那么，大数据能够让传统零售业脱困吗？业内有两种观点。有人认为大数据只是一个数据量的加大。从kb，MB，到GB和TB，计算能力的增强必然导致数据更多；另一种观点是大数据把原始数据从date变成了信息，再把信息变成了商业。
所以大数据是一个很好的工具，关键是如何是使用好这个工具，换算成数值理论的说法，就是怎么建立网络，怎样建立商业模式。举个例子，商品在超市里面卖，这个卖商品就不是一个简单的过程。超市需要根据顾客的习惯，在不同时间，不同时段推出不同的款产品，通过什么的样的方式进行销售......这些复杂的过程都需要通过大数据的分析结果进行商品配合和销售。
随着大数据商业应用的发展，越来越多的企业认识到大数据的价值，那么怎么利用创新型的大数据？一个生动的例子能够很好的诠释大数据。在抗日战争时期，军团指挥官往往能通过缴获的枪支和装备来确定敌军司令部的位置。因为缴获的装备高级，很大程度上就代表着司令部的位置。这个虽然不是大数据处理的典型例子，但是可以很好解释如何利用创新型的大数据技术。
其次，还需要大数据团队的支持。一个企业首先要有数据驱动的意识，作为企业的带头人应该首先做一个决策，但是决策制定后，需要一个团队进行支持。因为很多大数据的应用都是在执行层面，如何对数据进行整合，需要各个系统的数据模型。
总之，传统零售业向电子商务大数据转变时，首先要进行决策分析、数据分析，数据整合，团队执行，这样才是一个理想的大数据变革。
以上是小编为大家分享的关于传统零售业的精准营销 大数据的魅力的相关内容，更多信息可以关注环球青藤分享更多干货
㈦ 浅析零售业大数据构成要素
浅析零售业大数据构成要素
马云说人类社会已经从IT（信息技术）时代进入DT（数据技术）时代，《大数据时代》一书的大卖也昭示了大数据的重要性。各个行业都在研究大数据对自己行业的变革，作为精益零售研究工作者，我也来浅析一下零售业的大数据构成要素。
一、大数据的对象包括企业内部信息与外部信息
外部信息主要指的是市场信息、流行趋势、厂商信息、消费结构的变化、政策与制度改变、新商品新技术的革新等；
内部信息主要指的是POS信息、商品销售动向、顾客信息、竞争对手信息、公司的方针与指示、门店所在楼盘相关信息、销售额与利润的分析、门店周边商圈分析等。
二、大数据使用者应该普及到所有基层员工
大数据不只是给企业高层经营分析用的，而是要普及到公司所有一线员工，包括订货、配货、采购、物流、人事、财务等所有的基层员工，他们在做业务决策时如何通过大数据提高预测的准确性。
三、大数据应该是业务过程分析而不是财务结果分析
企业目前使用的BI系统大多是面向财务结果的分析系统，主要是企业高层分析财务指标用的，而大数据应该是面向业务过程分析，即贯穿于企业各职能部门的业务主线，在日常工作中就要活用大数据，如商品部与营运部每天都要分析商品构成评价、商品动向分析、ABC分析、趋势分析、矩阵分析、商品动向的地区间对比分析、滞销商品分析、新品与重点商品的销售分析等等。通过每日分析就能及时发现问题所在，迅速调整经营决策。
四、大数据更强调的是业务模型而非技术本身
目前国内BI(一般称为商业智能)系统应用好的企业远低于ERP的应用，原因并非BI技术架构的问题，而是业务模型不知道如何建立，业务部门也很难说清楚他们要什么样的报表才是业务最优的报表，而IT技术构建者是很难理解业务模型的。对比日本与中国BI分析系统的特点，中国企业的领导者喜欢看类似于仪表盘、驾驶舱的很炫的界面，最好还要有智能报警器，而日本企业只看二维的数据表格，数据很枯燥，但却很实用。
五、日本广泛在用的零售业大数据分析系统
日本零售业到底在用什么样的大数据分析系统？最核心的有三点：1、一定要有销售计划或预算系统：通过预算的销售额、毛利、折扣率、来客数与实际结果的对比，找出差异并分析原因，从而修正下一次计划，日益精进，最终目的是提高计划的精确性，从而在商品开发、生产、物流配送时就能精确地分配资源，不浪费，这也是精益零售的核心；2、一定是定型分析而非自由分析：中国的BI系统强调工具的灵活性与强大，可以让企业自由拖拽，其结果分导致各业务部门拉出来的数据差异较大，无法形成统一的数据语言，而日本BI系统强调的是定型分析，将各业务部门要分析的报表固定成统一的报表格式，这样每周开经营分析会议时各业务部门的数据就完全统一了；3、非结构化数据比结构化数据重要：结构化数据指的是ERP系统中能看到的信息，而非结构化数据来自于员工每一次假设-验证后形成的经验信息，相当于是员工经常试错后的日志记录，这样的日志一定要记入系统，等来年同比时作为重要的参考信息，举例来说，在做周同比分析时，某门店附近学校运动会去年与今年的春季运动会并不在同一周举行，则同比分析时就要找出举办运动会的不同周数去对比。这个现象也能解释一个问题：为什么一家优秀的门店店长去了别的门店当店长后，业绩不升反降，原因是这个优秀的店长不了解新门店的过去的试错经验，也就是说门店的知识沉淀工作不充分，知识都被原来的店长记在大脑里带走了，没有沉淀到IT系统中去。而市面上常见的KM知识管理系统流于形式变成OA办公系统了，最好的做法是把日志信息记录到POS系统里面，作为门店的知识管理系统。
以上是小编为大家分享的关于浅析零售业大数据构成要素的相关内容，更多信息可以关注环球青藤分享更多干货
㈧ 传统零售业的精准营销:大数据的魅力
传统零售业的精准营销:大数据的魅力__数据分析师考试
当前互联网公司对数据挖掘可谓赖以生存。目前几乎所有的用户体验产生的数据都可以进行数据挖掘。从传统零售企业走电子商务，到亚马逊，淘宝网的精准营销，大数据给企业带来的价值不断凸显。说到大数据，很难不提到传统的数据处理，以及大数据对于整个零售行业的影响，那么我们应该怎么理解大数据呢？
国内大数据公司信柏科技CEO柏林森指出:大数据是一个动态的洞察、清晰的预测的过程。有了洞察就可以慢慢走进预测。举例来说，对于传统的零售企业来说，他的零售模式就会遇到数据瓶颈。以前商家自己其实不知道是哪位顾客来买他的东西，就算商家有了顾客的会员卡，但是如果顾客不掏出这张卡来也是无法知道顾客是谁，即使掏出来会员卡也无法知道顾客的消费偏好及个人家庭情况等。但是有了大数据分析之后，可以对消费者进行全方位的分析，描述消费者画像，从而对其开展个性化精准营销。
那么，大数据能够让传统零售业脱困吗？业内有两种观点。有人认为大数据只是一个数据量的加大。从kb，MB，到GB和TB，计算能力的增强必然导致数据更多；另一种观点是大数据把原始数据从date变成了信息，再把信息变成了商业。
所以大数据是一个很好的工具，关键是如何是使用好这个工具，换算成数值理论的说法，就是怎么建立网络，怎样建立商业模式。举个例子，商品在超市里面卖，这个卖商品就不是一个简单的过程。超市需要根据顾客的习惯，在不同时间，不同时段推出不同的款产品，通过什么的样的方式进行销售......这些复杂的过程都需要通过大数据的分析结果进行商品配合和销售。
随着大数据商业应用的发展，越来越多的企业认识到大数据的价值，那么怎么利用创新型的大数据？一个生动的例子能够很好的诠释大数据。在抗日战争时期，军团指挥官往往能通过缴获的枪支和装备来确定敌军司令部的位置。因为缴获的装备高级，很大程度上就代表着司令部的位置。这个虽然不是大数据处理的典型例子，但是可以很好解释如何利用创新型的大数据技术。
其次，还需要大数据团队的支持。一个企业首先要有数据驱动的意识，作为企业的带头人应该首先做一个决策，但是决策制定后，需要一个团队进行支持。因为很多大数据的应用都是在执行层面，如何对数据进行整合，需要各个系统的数据模型。
总之，传统零售业向电子商务大数据转变时，首先要进行决策分析、数据分析，数据整合，团队执行，这样才是一个理想的大数据变革。
以上是小编为大家分享的关于传统零售业的精准营销:大数据的魅力的相关内容，更多信息可以关注环球青藤分享更多干货
㈨ 大数据分析:零售业谋变新路径
大数据分析:零售业谋变新路径
只有将客户数据转化为洞察，用数据指导营销计划和销售规划的制定，才能把这些冷冰冰的数字转化为客户亲密度，将零售商与客户紧紧绑定在一起。
数据显示，截止到2013年底，中国电子商务市场交易规模达10.2万亿，同比增长29.9%。在电商呈现如火如荼之势时，传统零售业受到挤压，线上线下遭遇截然不同：客流减少、业绩不佳、甚至被迫关闭门店……实体零售业经营陷入困局。面对来自电商的强烈冲击，实体零售商也开始思索如何谋变，进行了一系列新尝试。部分不甘沦为“试衣间”的零售商勇敢试水O2O，打通线上线下渠道。来自更多渠道的数据重塑商业模式的同时，也让零售商看到了其蕴含的商业价值。数据中的丰富客户洞察也推动了“以客户为中心”的业务转型。
大数据时代，亟待突围的零售商该如何在探索中把握先机，SAS公司结合国外零售商最佳实践给出了如下建议：
以客户为中心的数据驱动营销管理，从多种渠道获得成功转型
在技术的帮助下，零售商可以通过社交媒体、移动应用、定位服务和电子邮件等更多渠道与消费者交流。更多沟通桥梁也带来了更为丰富的客户信息，而仅仅获取这些信息是不够的，只有将客户数据转化为洞察，用数据指导营销计划和销售规划的制定，才能把这些冷冰冰的数字转化为客户亲密度，将零售商与客户紧紧绑定在一起。
1.梅西百货：有的话，只想说给你听
美国著名连锁百货公司梅西百货设立电商部门Macy’s.com，希望消费者无论在哪里，都能同步享受最新上市商品和促销活动，寻找购物魔力。Macy’s.com设立了互联网客户洞察部门，利用大数据分析改进个性化营销、广告策略等方面，迅猛发展在线渠道营销，从传统的线下经营成功转型为全渠道经营模式。面对激烈的竞争，Macy’s.com亟需关于客户偏好的更精准实时决策。梅西百货认为，获取跨越全渠道的客户洞察是提高顾客满意率和营收增长的关键。为了更高效地了解和评估在线营销活动对实体店销售额的影响，Macy’s.com采用SAS解决方案大大加强分析实力，自此改变了群发通用型电子邮件的低效营销方式，对客户进行更精细的分类，针对性地发送促销邮件。出乎意料的是，邮件发送频率的降低并没有减少网站访问量，邮件退订率反而减少了20%。
2.Harry & David：尝尝分析的甜头吧
在经历了经济衰退带来的业绩下滑之后，美国美食和礼物零售商领军Harry & David利用分析技术判断谁是目标客户，目标客户希望以何种方式以及何时接收促销信息以及哪类人群最有可能驱动销售额增长，从数据中理清未来发展的思路。在开始的几个月里，营销团队在获取顾客行为和偏好方面取得进展。一年内，在客户细分、客户生命周期和并发价值分析上更进一步。三年之内，Harry & David新的客户维系率上升了14%，顾客带来的销售额也增长了7个百分点，高质量忠诚客户增加了10%。使用SAS? Campaign Management之后，Harry & David获取了更多有价值的客户洞察，例如：通过导入外部数据和分析历史交易行为，他们得出了由社交网络渠道吸引而来的客户更值得进一步培养这一结论。客户档案建模和管理也为销售情况预测提供了可靠依据。由此，Harry & David尝到了数据分析的甜头，走上了数据驱动型的营销道路。
3.Chico’s：告别猜测，和直觉说再见
成衣女装零售商Chico’s FAS Inc.在全美境内拥有超过1000家门店。除了实体店外，Chico’s还通过商品目录和在线渠道开展营销活动。在面临行业衰退时，Chico’s决定好好利用多年积攒下来的客户信息，并由此驱动商业决策。但是，现实远比想象艰难，来自于Chico’s 旗下的多个品牌数据难以整合，且公司并不具备海量数据处理能力。相较于真实可靠的客户数据，营销人员更多倚赖的是直觉。Chico’s需要一个为管理和整合海量数据提供可靠追踪记录的系统，并希望业务人员在没有数据工作人员和程序员的情况下也能使用数据。Chico’s选择了随需应变解决方案：营销自动化（SAS? OnDemand：Marketing Automation）。这是一个包含了一整套预测分析和数据挖掘工具、允许营销人员计划、测试和执行任意规模营销活动的企业级解决方案。
该解决方案帮助Chico’s策划节假日促销活动。数据显示，在使用该解决方案后，Chico’s季度利润达到1700万美元，而在上一年同一季度中，Chico’s亏损了4200万美元。在营销自动化解决方案的帮助下，Chico’s将客户进行精细分类，并区别不同推广活动达到的效果。Chico’s将目标群体划分为三类，并采取相应行动：第一类顾客为希望第一时间购买新品的消费者。这类顾客能收到包括所有尺寸和价位商品、并标注出新品的商品目录和邮件。第二类顾客是热衷于折扣商品的顾客，Chico’s向这类顾客邮寄针对性更强的更薄的商品目录和促销传单。第三类为网站用户，Chico’s向线上客户推送符合其消费偏好的电子邮件。
一旦发现销售不佳的商品，Chico’s即可迅速调整促销策略。Chico’s挽回了更多的流失客户，成功率是此前的三倍。通过大数据分析，Chico’s从过往交易记录中鉴别更受欢迎的商品，并选择相应的促销手段。作为一家拥有多个品牌的零售商，通过判断消费者喜好，如今Chico’s能够通过策划促销活动引导某一品牌忠实顾客也能会光临旗下另一品牌，带来了更多潜在销售机遇。过去需要30天才能出炉的营销计划现在只需4天就能策划完成。团队也拥有了更快创造精准营销活动的能力。
通过大数据分析，零售商可以用过往交易记录指导营销活动，创造切实符合客户所需的深入人心的营销活动，用个性化的消费体验建立更紧密的客户关系，最终促进营收增长。
洞察中的精准预测，指导策略规划
从总结过去和观察现在中预测未来，是大数据的另一魔力。这也启发了零售商从一开始的供应环节就在大数据的指导下进行精准且具有可行性的需求预测，由此优化客户的购买体验。
DSW：7码还是9码，我知道！
不同于成衣的尺码灵活性，消费者在购买鞋类时必须选择合脚的尺码，这对鞋类零售商的供应体系提出了更高要求。美国鞋业零售巨头DSW利用SAS解决方案整合采购和供货系统。有了SAS解决方案的合理分配逻辑，DSW对于尺码供应有了更精准的判断。这让“按店铺所需分配尺码（size by store）”模型开发成为可能。从前，DSW实行统一标准供货，12箱包含各个尺码鞋子的包裹被寄送到各个门店。事实上，有的门店仅仅需要7码和8码的鞋子，而它们依然会收到6码和9码的货品。数据分析能够计算出在减少促销活动并且无缺货情况下每个地区所需的特定鞋码和款式货品数量和订单补给量，确保门店内供应充足的正确尺码货品，并能实现及时补货。门店运作更为高效，顾客更少等待，满意度也大幅上升。
减少IT开支，增加系统灵活性，高性能分析技术创造更高价值
大数据的蓬勃发展催生了具有高度灵活性的技术，例如可视化分析、高性能分析和云端应用等。得益于随需应变的高度灵活的技术，零售商大大减少了IT运营的开支，并从更高级的分析中获取了更有价值的洞察。
SM-MCI：“亚洲百货之王”的分析利器
“亚洲百货之王”SM集团旗下的SM Marketing Convergence Inc.（SM-MCI）运作着全菲律宾最大的客户忠诚度计划。这一计划中记录了每一名顾客在SM集团旗下购物中心消费中所获积分的情况，存储了超过十亿次的消费记录，却并未得到有效利用。SM-MCI需要一种可以促进销售，改善运营，同时也能增进顾客忠诚度的解决方案。最终，SM-MCI选择了融合内存分析技术和商业智能高级数据可视化的SAS可视化分析（SAS? Visual Analytics）解决方案。它不仅拥有无与伦比的统计计算能力和速度，还能通过直观的方式展示分析结果。在新变量添加时也不会产生多余的数据规划和提取转化加载流程。从更加深度的报告中，SM-MCI能够更加深入地了解消费模式，并鉴别趋势，以此来及时策划促销活动，传递更优质服务，提升顾客满意度，吸引新会员加入，发现有利可图的追加销售机会。
在发达国家，电子商务的崛起早已证明其对实体零售业的强烈冲击，而国外零售商们在对抗冲击中也累积了更多经验。这些实践经验带给近年来饱受电商威胁的中国实体零售商更多思考：云服务、数据可视化和Hadoop等新兴技术在零售业落地应用并发展迅猛，为行业注入了活力。
以上是小编为大家分享的关于大数据分析:零售业谋变新路径的相关内容，更多信息可以关注环球青藤分享更多干货