
大数据将推动零售业技术变革
建设强大的数据中台,实现线上线下数字化打通,重构“人、货场”,是新零售的重要内涵。业内人士指出,2018年将是大数据从技术阶段向应用阶段高速发展的一年,大数据未来在物联网、区块链、智慧城市、AR、VR、AI、语音识别等方面都值得关注,这在不久的将来或深刻改变零售业的未来。
线下零售大数据应用刚起步
近日高鑫零售公布年报,2017年实现营业收入1023.20亿元,同比增长1.9%;2017年净利润为30.20亿元,同比增长14.9%。这是阿里入住高鑫新零售的第一年,招商证券指出,虽然阿里入股高鑫在短期内并未给高鑫业绩带来大幅改善,但是阿里的互联网基因和大数据资源加速了高鑫的线上线下整合。
在阿里与高鑫的合作中,目前仍是线上大数据指导线下商品管理,大润发华东20个城市的167家门店上架了天猫超市百万件商品,这些商品由阿里大数据根据周边消费者喜好筛选商品,并由天猫供应链优化供货方案。招商证券指出,虽然这些商品销售状况有好有坏,但整体上调整了门店的经营体系和业务链路。
基于模式和技术优势,线上零售数据的采集和大数据技术的应用已相当成熟,相比之下,线下零售大数据技术的应用还处于起步阶段。中国连锁经营协会会长裴亮曾指出,大数据技术在零售业的应用还没有发挥出来,目前来看,零售企业不掌握大数据,如何与握有大数据的企业进行合作,共同开始大数据在零售业的应用,还处在探索的过程中。
从发展现状来看,线下零售应用大数据技术首先面临的技术难点是数据采集。专家指出,线下零售店由于技术限制和消费者更加碎片割裂的行为,很难根据消费者ID数据与商品销售、店铺库存、物流等数据进行打通连接,尤其消费者店铺行为偏好数据的获取。
这方面,同时拥有门店优势和互联网基因的零售企业将占据优势。苏宁易购向中国证券报记者表示,在苏宁易购云店内的已经开始全面打造线下门店客流数据分析的“苏宁北斗”系统。该产品的上线,标志着苏宁易购在门店端开始采用类似线上页面运营的流量运营逻辑,“从用户进店以及在门店内的动线变化,进行线上UV到四级页面浏览路径的分析,对门店商品布局、用户习惯分析将有巨大的帮助”。预计到2019年,苏宁易购将会把人脸识别系统和北斗系统相结合,使监测数据更加精准,并将为后期会员服务、会员运营的优化提供数据依据。
推动零售业技术变革
苏宁控股集团董事长张近东表示,2018年将是大数据从技术阶段向应用阶段高速发展的一年,“大数据未来在物联网、区块链、智慧城市、AR、VR、AI、语音识别等方面都值得关注,这在不久的将来或深刻改变零售业的未来”。
中国电子商务研究中心主任曹磊表示,过去数据只在销售端和营销端驱动,今后还将向商品端、供应链端、仓储物流乃至生产端来进行全方位驱动。过去商品和用户是零售商和电商最核心的资产,在大数据时代,大数据将成为他们最核心的资产。
基于对线上线下数据打通的重视,2017年国美落地蒲公英计划,完成国美在线、国美Plus、国美管家、国美海外购、国美酒窖整合成国美APP,连接线上线下,以互联网为基础、数据为核心,打造线上交易、线下体验的共享零售双平台。通过实施蒲公英计划,国美线上线下的供应链数据、交易数据、服务数据、会员数据全面打通,汇聚为国美的数据中台,形成大数据工厂。
在大数据的支持下,国美升级了后服务体系,推出“扬帆计划”,实现订单配送、安装服务、维修服务、客户服务全周期的可视化、标准化,打通厂家后台数据,首创保内维修一键预约功能。
从整个产业链来看,大数据的最高效应用将是从生产端开始就实现定制,对此,已有零售业开始布局。国美将大数据应用于供应链,用C2M反向定制、家生活品类和智能产品横向延展、驱动精准选品和营销,进而与第三方供应链形成补充,提升零售效率,满足消费者品质化、个性化、智能化的产品需求,促进品质升级,优化商品结构。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30