沈陽工學(xué)院經(jīng)濟(jì)與管理學(xué)院 張穎

自人類社會(huì)進(jìn)入信息時(shí)代，隨著信息技術(shù)的發(fā)展，信息的傳播速度越來越快，由此產(chǎn)生的數(shù)據(jù)可以用“海量、爆炸性增長(zhǎng)”來形容。一份來自IBM日本公司的調(diào)查報(bào)告顯示，全球每天生成的數(shù)據(jù)量已達(dá)到2.5EB，而且，全球數(shù)據(jù)將保持每年50%的增長(zhǎng)速度。因此，人類已進(jìn)入大數(shù)據(jù)時(shí)代。傳統(tǒng)零售業(yè)近年來受到電子商務(wù)嚴(yán)重沖擊，業(yè)績(jī)逐年下滑，個(gè)別企業(yè)瀕臨破產(chǎn)甚至倒閉，很多零售商紛紛轉(zhuǎn)向網(wǎng)絡(luò)平臺(tái)扭轉(zhuǎn)局面。在如今大數(shù)據(jù)環(huán)境下，零售業(yè)又一次面臨新的機(jī)遇和挑戰(zhàn)，如何管理并應(yīng)用大數(shù)據(jù)是零售業(yè)必須考慮的重大問題。

1 大數(shù)據(jù)與零售業(yè)大數(shù)據(jù)的內(nèi)涵

1.1 大數(shù)據(jù)的概念

關(guān)于大數(shù)據(jù)的概念，各界所持觀點(diǎn)不一，目前尚未有公認(rèn)的準(zhǔn)確定義。互聯(lián)網(wǎng)數(shù)據(jù)中心(IDC)提出了一個(gè)概念，即“大數(shù)據(jù)技術(shù)描述了一種新一代技術(shù)及其構(gòu)架，用于以很經(jīng)濟(jì)的方式，以高速的捕獲、發(fā)現(xiàn)和分析技術(shù)，從各種超大規(guī)模的數(shù)據(jù)中提取價(jià)值”。國內(nèi)學(xué)者李文蓮認(rèn)為，大數(shù)據(jù)作為一種社會(huì)變革大背景，基本上包括三方面含義：第一，社會(huì)生活泛數(shù)據(jù)化。受眾的各種信息數(shù)據(jù)都將暴露在網(wǎng)絡(luò)之上，他們的行為可以被監(jiān)測(cè)，整個(gè)社會(huì)生活都可以用數(shù)據(jù)來表示。第二，數(shù)據(jù)規(guī)模很大及生成速度很快。數(shù)據(jù)信息傳播方式由單中心、單向傳播向多中心、網(wǎng)狀裂變轉(zhuǎn)化，使數(shù)據(jù)呈爆炸式增長(zhǎng)。 第三，大數(shù)據(jù)技術(shù)之“大”。隨著數(shù)據(jù)量級(jí)的飛躍，數(shù)據(jù)處理從關(guān)系型數(shù)據(jù)庫，到數(shù)據(jù)倉庫，再到聯(lián)機(jī)分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化，在不斷發(fā)展與演變的基礎(chǔ)之上，大數(shù)據(jù)技術(shù)出現(xiàn)。

1.2 大數(shù)據(jù)的特征

大數(shù)據(jù)具有“4V”特征，即海量性(Volume)、多樣性(Variety)、即時(shí)性(Velocity)、價(jià)值性(Value)。其中，第四個(gè)V在IBM公司看來被認(rèn)定為真實(shí)性(Veracity)。

1.2.1 數(shù)據(jù)的海量性

大數(shù)據(jù)的數(shù)據(jù)量級(jí)別是以EB和ZB計(jì)算，而且，數(shù)據(jù)增長(zhǎng)速度飛快。根據(jù)學(xué)者調(diào)查預(yù)測(cè)顯示，到2020 年數(shù)據(jù)量將是現(xiàn)在的44倍，全球數(shù)據(jù)使用量將達(dá)到約35.2 ZB。

1.2.2 數(shù)據(jù)的多樣性

除了傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)包括網(wǎng)絡(luò)日志、圖片、音頻、視頻、地理位置信息等半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。其中70%～80%屬于非結(jié)構(gòu)化數(shù)據(jù)。

1.2.3 數(shù)據(jù)的即時(shí)性

大數(shù)據(jù)產(chǎn)生和流動(dòng)的速度非?？?，具有很強(qiáng)的時(shí)效性。因此，要求對(duì)數(shù)據(jù)的處理和應(yīng)用要快速有效，才能保證數(shù)據(jù)計(jì)算要素成本降低，形成相比競(jìng)爭(zhēng)對(duì)手更好更快的競(jìng)爭(zhēng)優(yōu)勢(shì)。

1.2.4 數(shù)據(jù)的價(jià)值性/真實(shí)性

數(shù)據(jù)的價(jià)值性往往呈現(xiàn)低密度稀疏性特點(diǎn)，組織通過對(duì)海量數(shù)據(jù)的挖掘，發(fā)現(xiàn)數(shù)據(jù)里隱含的價(jià)值并加以有效利用。數(shù)據(jù)的真實(shí)性則強(qiáng)調(diào)有利于建立一種信任機(jī)制，有利于領(lǐng)導(dǎo)者的決策。

1.3 零售業(yè)大數(shù)據(jù)演變過程

零售業(yè)數(shù)據(jù)的產(chǎn)生、存儲(chǔ)與應(yīng)用等方式的變化大致經(jīng)歷了四個(gè)階段：手工記錄和電子收款機(jī)階段；PC機(jī)和POS(Point-of-sales)系統(tǒng)階段；用戶原創(chuàng)的互聯(lián)網(wǎng)階段；移動(dòng)和感知式物聯(lián)網(wǎng)階段。每個(gè)階段數(shù)據(jù)特點(diǎn)如表1所示。

表1 零售業(yè)數(shù)據(jù)演變階段與特點(diǎn)

零售業(yè)數(shù)據(jù)演變的四個(gè)階段是零售業(yè)大數(shù)據(jù)產(chǎn)生的來源，其中，第四個(gè)階段是零售業(yè)大數(shù)據(jù)形成的最直接的根源。零售業(yè)有價(jià)值可拓展的大數(shù)據(jù)大體可以分為兩個(gè)方面：一方面是大交易數(shù)據(jù)，即零售業(yè)交易產(chǎn)生的數(shù)據(jù)，包括商品數(shù)據(jù)、市場(chǎng)競(jìng)爭(zhēng)數(shù)據(jù)、運(yùn)營數(shù)據(jù)、銷售數(shù)據(jù)、顧客關(guān)系數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)；第二個(gè)方面是大交互數(shù)據(jù)，零售企業(yè)與顧客之間通過POS機(jī)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、移動(dòng)終端、智能終端、傳感器和觀測(cè)設(shè)備等產(chǎn)生的交互信息，主要包括社交網(wǎng)絡(luò)數(shù)據(jù)、射頻識(shí)別數(shù)據(jù)、時(shí)間和位置數(shù)據(jù)、文本數(shù)據(jù)和觀測(cè)數(shù)據(jù)。

2.零售業(yè)大數(shù)據(jù)管理流程

大數(shù)據(jù)環(huán)境下，對(duì)于零售企業(yè)來說，無論是交易產(chǎn)生的大數(shù)據(jù)還是企業(yè)與顧客之間交互產(chǎn)生的大數(shù)據(jù)，其應(yīng)用價(jià)值都很大。但如何處理這些大數(shù)據(jù)是零售業(yè)首要面臨的挑戰(zhàn)，大致可以分為三個(gè)管理流程，即數(shù)據(jù)獲取、數(shù)據(jù)分析以及數(shù)據(jù)解釋。

2.1 數(shù)據(jù)獲取

大數(shù)據(jù)的多樣性特征意味著數(shù)據(jù)來源廣泛而復(fù)雜，企業(yè)在獲取數(shù)據(jù)方面需要投入很大時(shí)間和精力去尋找并篩選出有價(jià)值的信息。沃爾瑪作為零售業(yè)巨頭，是大數(shù)據(jù)應(yīng)用和從中獲益的先驅(qū)者。沃爾瑪收購了幾家精通數(shù)據(jù)挖掘和移動(dòng)社交的中小型公司，其中一家叫Kosmix公司的一個(gè)獨(dú)特優(yōu)勢(shì)是能夠?qū)?shí)時(shí)數(shù)據(jù)流中的關(guān)系進(jìn)行搜索并分析，讓企業(yè)能夠深入了解消費(fèi)者個(gè)體。這些數(shù)據(jù)主要來源于網(wǎng)絡(luò)社交軟件中的數(shù)據(jù)以及沃爾瑪App客戶端中產(chǎn)生的數(shù)據(jù)。沃爾瑪還在試圖采用一些更為前沿的大數(shù)據(jù)采集技術(shù)，如在服裝人體假模的眼睛里安裝攝像頭，通過圖像識(shí)別技術(shù)判斷顧客的停留時(shí)間、目光關(guān)注熱區(qū)、高矮胖瘦甚至是否懷孕等。

2.2 數(shù)據(jù)分析

數(shù)據(jù)分析是利用大數(shù)據(jù)進(jìn)行價(jià)值分析的核心。從第一步獲取的數(shù)據(jù)源中抽取和集成部分有應(yīng)用價(jià)值的數(shù)據(jù)，運(yùn)用合適的方式和工具進(jìn)行分析。能夠有效挖掘數(shù)據(jù)并進(jìn)行深入精細(xì)分析的企業(yè)將獲得巨大的競(jìng)爭(zhēng)優(yōu)勢(shì)。沃爾瑪通過一種巨型知識(shí)庫即“社交基因庫”能夠快速分析數(shù)以十億社交媒體信息，從而針對(duì)不同消費(fèi)者的消費(fèi)偏好創(chuàng)造需求，向線上線下的消費(fèi)者推薦他們需要的產(chǎn)品或服務(wù)。需要注意的是像統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等常用的傳統(tǒng)分析方法在大數(shù)據(jù)時(shí)代需要作出調(diào)整，因?yàn)榇髷?shù)據(jù)具有不同于傳統(tǒng)數(shù)據(jù)的一些特點(diǎn)，比如數(shù)據(jù)量增大同時(shí)意味著干擾數(shù)據(jù)的增多，因此在分析數(shù)據(jù)之前需要對(duì)數(shù)據(jù)進(jìn)行“清洗”等預(yù)處理工作，這往往對(duì)分析工具都是嚴(yán)峻的考驗(yàn)。

2.3 數(shù)據(jù)解釋

數(shù)據(jù)分析是大數(shù)據(jù)處理流程的核心，但是顧客往往更關(guān)心分析結(jié)果及對(duì)分析結(jié)果的解釋。如果分析的結(jié)果正確但是沒有采用適當(dāng)?shù)慕忉尫椒ǎ瑒t所得到的結(jié)果很可能讓用戶難以理解，極端情況下甚至?xí)`導(dǎo)用戶?；诖髷?shù)據(jù)的海量和多樣化特征，在解釋大數(shù)據(jù)時(shí)往往會(huì)比解釋傳統(tǒng)小數(shù)據(jù)要復(fù)雜很多，所以有兩種方法可以輔助對(duì)數(shù)據(jù)進(jìn)行解釋。第一個(gè)是運(yùn)用可視化技術(shù)，即用形象化的方式向用戶解釋數(shù)據(jù)分析結(jié)果，比文字更容易被理解和接受。第二個(gè)是運(yùn)用人機(jī)交互技術(shù)，即讓用戶參與到數(shù)據(jù)分析過程中來，從而有助于用戶更清楚地理解數(shù)據(jù)分析結(jié)果的由來。

另外，在對(duì)大數(shù)據(jù)進(jìn)行管理的過程中，還要注意數(shù)據(jù)安全問題。2013年10月，消費(fèi)者權(quán)益和社會(huì)正義團(tuán)體聯(lián)盟發(fā)表的“零售業(yè)消費(fèi)者大數(shù)據(jù)在線跟蹤：沃爾瑪案例分析”報(bào)告中指出：大型零售商，特別是沃爾瑪，用多種方式檢查并收集消費(fèi)者數(shù)據(jù)，如移動(dòng)設(shè)備在線活動(dòng)，并據(jù)此信息“梳理出有意義的內(nèi)容”。意指沃爾瑪在獲取和分析消費(fèi)者信息時(shí)會(huì)涉及個(gè)人隱私，比如個(gè)人種族、政治觀點(diǎn)、收入水平等敏感信息，而且這些消費(fèi)者的隱私信息被拿來進(jìn)行分析并不被告知。因此，零售企業(yè)需要明確如何處理大數(shù)據(jù)的流程之外，還要加強(qiáng)系統(tǒng)安全防范，更好地保護(hù)用戶的信息安全。

3.零售業(yè)大數(shù)據(jù)的具體應(yīng)用

3.1 整合產(chǎn)業(yè)鏈資源

大數(shù)據(jù)時(shí)代的到來對(duì)傳統(tǒng)零售業(yè)來說是挑戰(zhàn)也是機(jī)遇，產(chǎn)業(yè)鏈整合是目前零售業(yè)進(jìn)行轉(zhuǎn)型的核心問題。其中零售業(yè)產(chǎn)業(yè)鏈條，由零售終端開始往前推，包括售后服務(wù)提供商、經(jīng)銷商、運(yùn)輸商、生產(chǎn)商和供應(yīng)商等幾個(gè)環(huán)節(jié)。在這些環(huán)節(jié)上產(chǎn)生的數(shù)據(jù)都將成為零售業(yè)大數(shù)據(jù)的一部分。如何通過產(chǎn)業(yè)鏈主體間的協(xié)調(diào)運(yùn)作實(shí)現(xiàn)這些數(shù)據(jù)的共享與協(xié)同價(jià)值創(chuàng)造，以及如何實(shí)現(xiàn)大數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)業(yè)鏈協(xié)調(diào)運(yùn)作機(jī)制等問題是零售業(yè)的當(dāng)務(wù)之急。例如，2014年7月初沃爾瑪?shù)腤MX(Walmart Exchange)平臺(tái)投入試用，這個(gè)平臺(tái)會(huì)將消費(fèi)者購買數(shù)據(jù)共享給沃爾瑪?shù)墓?yīng)商，協(xié)助供應(yīng)商做出決策，為供應(yīng)商節(jié)省成本，達(dá)到多方共贏。

3.2 利用社會(huì)化網(wǎng)絡(luò)輔助企業(yè)決策

以往的決策模式主要是企業(yè)一方單獨(dú)進(jìn)行決策，大數(shù)據(jù)時(shí)代使得企業(yè)管理理念和決策模式發(fā)生轉(zhuǎn)變。零售企業(yè)可以主動(dòng)引導(dǎo)網(wǎng)民群體和社會(huì)媒體參與其業(yè)務(wù)流程中的研發(fā)、設(shè)計(jì)、生產(chǎn)、市場(chǎng)推廣、銷售和客戶關(guān)系管理等環(huán)節(jié)，并根據(jù)網(wǎng)民群體的互動(dòng)反饋完成產(chǎn)品優(yōu)化與創(chuàng)新，實(shí)現(xiàn)企業(yè)與網(wǎng)民群體的協(xié)同發(fā)展。這同時(shí)也是體驗(yàn)營銷的方式之一，即網(wǎng)民群體通過向企業(yè)傳達(dá)建議和心聲，一旦建議被采納并應(yīng)用，會(huì)使這部分群體增加對(duì)企業(yè)品牌的認(rèn)可，從而成為企業(yè)的實(shí)際消費(fèi)者，促進(jìn)產(chǎn)品銷售。

3.3 精準(zhǔn)化洞察顧客需求

傳統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)大多為靜態(tài)結(jié)構(gòu)化數(shù)據(jù)，無法準(zhǔn)確判斷顧客真實(shí)需求，而基于云計(jì)算、物聯(lián)網(wǎng)產(chǎn)生的大數(shù)據(jù)多為動(dòng)態(tài)的非結(jié)構(gòu)化數(shù)據(jù)，對(duì)于這些大數(shù)據(jù)進(jìn)行獲取、整理和分析能夠?qū)崟r(shí)模型化顧客的行為，隨時(shí)隨地精準(zhǔn)洞察顧客潛在的和最新的需求，能夠精準(zhǔn)識(shí)別顧客購買決策，從而主動(dòng)推薦產(chǎn)品或服務(wù)，順利完成交易。沃爾瑪“啤酒+尿布”的經(jīng)典案例可以充分說明利用大數(shù)據(jù)可以精準(zhǔn)化洞察顧客需求并可以取得巨大成功。沃爾瑪還通過大數(shù)據(jù)分析出兩家電子產(chǎn)品連鎖店的顧客購買意向的轉(zhuǎn)移，從而采取措施調(diào)整庫存，成功將銷售業(yè)績(jī)提升了40%。

總之，大數(shù)據(jù)時(shí)代已經(jīng)到來，零售業(yè)必須抓住機(jī)遇實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。沃爾瑪已經(jīng)為零售業(yè)大數(shù)據(jù)的應(yīng)用開了先河，雖然還存在諸多質(zhì)疑和數(shù)據(jù)安全隱患，但成果是顯而易見的，大數(shù)據(jù)的管理和應(yīng)用已是未來零售業(yè)不可逆轉(zhuǎn)的趨勢(shì)。

[1] 孟小峰,慈祥.大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展,2013(1).

[2] 馮芷艷,郭迅華,曾大軍,陳煜波,陳國青.大數(shù)據(jù)背景下商務(wù)管理研究若干前沿課題[J].管理科學(xué)學(xué)報(bào),2013(1).

[3] 李文蓮,夏健明.基于“大數(shù)據(jù)”的商業(yè)模式創(chuàng)新[J].中國工業(yè)經(jīng)濟(jì),2013(5).

[4] 鄭淑蓉.零售業(yè)大數(shù)據(jù):形成、應(yīng)用及啟示[J].理論探索,2014(2).

[5] 周瑞華.沃爾瑪大數(shù)據(jù)WMX落地:零售渠道啟示性變革[J].成功營銷,2014(9).