零售業現狀
隨著我國經濟結構調整步伐的加快，2014年，我國零售業的發展形態出現了進一步的變化。根據商務部的數據，2014年全國實現社會消費品零售總額26.2萬億元，同比增長12.0%，其中電子商務交易額（包括B2B和網絡零售）達到約13萬億元，同比增長25%，電子商務業務已占消費品零售業的半壁江山。
毋庸置疑，零售業已成為前端同質化競爭激烈，且受線上沖擊影響最為劇烈的行業之一。在強烈的沖擊下，零售企業對后端精細化運營的需求正在顯著提升，使得越來越多的企業開始關注利用大數據提升自身的經營和營銷水平。
零售業數據管理特點
從零售企業當前的數據積累來看，線下企業由于強地域性特點，通常輻射范圍僅在周邊10-15公里，線下會員人數的增長空間十分有限。這類企業擁有大量的交易類數據，但由于大量線下企業仍未建立完善的會員體系，或數據采集不夠全面，因而數據難以進行定向追蹤，關聯性差。另一方面，領先線上零售企業由于可以輻射全國，早已獲得了上億的注冊用戶。但這類企業非結構化數據多，需要挖掘才能得到價值。
2015年，包括數據采集、整合、分析、可視化展現及與營銷平臺的整合在內的完整大數據營銷方案已成為大量零售企業信息化的重點建設方向。而其中，線上數據資源與線下數據資源的打通已成為重中之重。
零售業大數據應用特點與方向
易觀智庫研究認為，隨著零售業同質化競爭的加劇及新用戶人口紅利的消失，企業所面臨的市場環境已發生顯著變化，充分競爭的市場環境推動了零售業對數據的關注重點逐漸從走貨、渠道轉向關注消費者，即怎樣經營好核心用戶群已成為眾多企業的核心目標。以購物中心為例，如何在將購物中心打造成周邊社區的生活重心的同時，獲知人群在購物中的行動軌跡、消費行為、偏好，并將各觸點的用戶行為精確匹配到對應的個人，已成為領先企業大數據營銷拓展的切入方向。
此外，數據采集能力的提升也使零售企業可利用的數據資源迅速擴展，隨著智能手機、Wi-Fi、藍牙等技術的日益普及，零售企業得以更加便捷地定位和追蹤線下的消費行為，并有觸點可以到達這樣的消費者。
在這樣的趨勢下，零售企業對大數據的應用需求也逐漸聚焦在兩大方向——業務的優化與業務的預測。
在業務的優化方面，零售企業需要借助大數據了解客戶群的屬性及活動規律，制定自身的定位，并制定出精細化的招商、營銷方案，包括：
老客戶營銷——實現精準的消費行為挖掘
個性化服務——提升客戶體驗的新鮮感及滿意度
互動營銷——微博、微信等新媒體營銷，讓粉絲更好互動
而在預測方面，企業不僅需要知道過去及現在客戶用了哪些產品，更要幫助企業預測客戶將來最適合應用什么產品，以及配套什么樣的服務。由此，企業一方面可以合理調整產品服務經營重點，另一方面也能夠通過預警可能會出現流失的客戶群體，提早進行針對性的客戶挽留，幫助企業鞏固客戶的忠誠度。
企業對大數據提供商的選型
Analysys易觀智庫研究發現，零售企業在選擇大數據服務提供商時，往往會面臨多類服務商競爭的局面，包括傳統IT提供商、垂直行業方案提供商等。各類廠商的優勢不盡相同：
Analysys易觀智庫分析認為，零售企業在選擇大數據服務提供商時應著重考察廠商的三方面能力：
一、數據源的采集與整合能力
與在線零售企業相比，線下零售企業的數據采集難度更高。實際應用中，廠商需要考慮Wi-Fi定位精度、免打擾設置、數據的易用性、投入產出比、智能POS等新設備的整合等因素。因此，當前部分大數據服務提供商會選擇與各類外設提供商合作實現基礎數據采集，而將更多的資源用于實現零售企業用戶線上數據與線下數據的整合，包括實現企業POS數據與CRM數據的打通、會員卡數據與會員微信數據的打通、社交行為數據與在線購物數據的打通、GPS數據與通信數據的打通等。可以說，在零售業大數據應用中，能否實現各類線上資源與線下資源的打通已成為企業能否成功精確挖掘用戶需求潛力關鍵能力。
二、分析模型的產品會抽象能力
企業在整合線上與線下數據資源后，還需要將分析的模型進行產品化抽象，實現規模化地解決行業共性問題，而這也是當前各廠商的產品能否經受市場檢驗的一大難點。Analysys易觀智庫分析認為，分析模型的質量不僅取決于是否能與企業的業務流程數據實現整合，還會取決于廠商是否具備數據分析和行業經驗兩方面的能力。在高質量的模型中，數據分析能力決定多維度數據的關聯性，行業經驗決定數據的因果性，兩者技術不可或缺。
正因如此，當前大量大數據服務提供商已經越發注重對數據科學家人才的爭奪，未來2-3年間，零售業大數據建模與分析人才仍將炙手可熱。
三、所整合的營銷平臺的自動化水平
零售企業在整合并分析海量用戶數據后，還需要與自身的營銷平臺進行整合，實現營銷手段的推送。這時，營銷平臺能否實現與大范圍用戶的及時溝通，并即時實現效果評估至關重要。
這其中，企業需要考量廠商所建營銷平臺的四大能力：
自動化程度——系統操作條件設定是否豐富；
營銷的精準性——能否實現精準的用戶標簽及精準的消費行為預測；
操作的靈活性——是否具有豐富的客戶分組及組合方法；
易用性——界面是否友好等等。
此外，零售企業還需關注的因素包括：方案中對數據隱私的保護；以及新技術應用后，及時進行必要的組織架構調整等。
零售業大數據應用趨勢
當前，一、二線城市中零售企業對大數據營銷的意識已經逐漸成熟，但已經具備成熟應用的企業比例仍然偏低。Analysys易觀智庫研究統計，即使在購物中心這樣信息化水平較高的企業中，目前全國已能夠實現利用大數據實現營銷支持的企業比例僅為1%-2%，而在百貨、超市、便利店等業態中，這一比例更是會低于1%。因此未來3-5年中，大數據服務在零售業的拓展空間十分巨大。
Analysys易觀智庫研究認為，未來零售業大數據應用趨勢將具有如下特點：
1、如何進一步通過數據驅動經營和營銷——各零售企業會以會員為核心進行管理優化，如忠誠度的區分等。通過以人為中心的數據驅動，實現決策優化及精準營銷。
2、行業會探索越來越多的大數據營銷新模式——各類零售企業會積極嘗試新機會，如微店等，尋找消費者偏好的新潮流。
3、不斷豐富外部數據源——零售業大數據營銷中，豐富的線上數據與線下數據的打通是趨勢。在企業自身線下數據采集能力不斷提高的同時，與更豐富的外部數據源合作將快速提升營銷的精準度，包括權威市場研究機構、領先互聯網巨頭等。可以說，只要是合法的、不侵犯隱私的數據源都將成為外部合作的數據源。
4、通過大數據“知彼”后，企業被倒逼“知己”的壓力將進一步加大——當企業獲取翔實的用戶數據后，為了突破自身實現快速營銷的瓶頸，將會倒逼企業利用移動銷售巡檢、庫存盤點等手段進一步完善自身的采購、庫存、員工行為等信息采集，從而實現進一步“知己”，最終為實現全產業鏈的大數據應用打下基礎。
（來源：易觀智庫）若牽涉版權問題請聯系管理員，謝謝！
