大數據對零售行業影響調研報告

一、大數據是轉型升級的核心競爭力

對於的零售行業，特別是線下傳統零售行業，大數據分析還處於剛剛起步的階段。企業已經認識到大數據的重要性，多數企業正在著手進行大數據探索以及相關項目的試點。

IBM 認為，零售企業的大數據分析是與雲計算、移動和社交化緊密結合的系統工程，需要從戰略層面系統規劃。

零售大數據分析主要應用在智慧的購物體驗、智慧的商品管理和供應鏈網路，以及智慧的運營三個領域。大數據分析是零售企業向未來轉型升級的核心競爭力。

大數據通過打造智慧的購物體驗，構建智慧的商品管理和供應鏈網路，以及實現智慧的運營，來幫助零售企業實現價值。

零售企業對未來如何利用大數據以及大數據的發展構想可以分為三個層面

第一層面是支持零售業運營

零售企業可以通過對價值鏈上多方數據的分析挖掘， 提高供應鏈、物流等方面的運營效率，並利用大數據分析的結果支持領導層決策。

第二層面是形成大數據產品

即形成獨立的大數據產品，採用免費、出售或合作方 式提供給內外部客戶。

第三層面是構建大數據平台

即部分向平台型企業轉型的零售商將利用大數據搭建企業生態平台，為平台上的企業服務，促進共同的繁榮。我們認為大數據主要通過以下三個方面幫助零售企業提升自我，創造價值。包括：打造智慧的購物體驗；構建智慧的商品管理和供應鏈網路；以及實現智慧的運營；

具體來說，零售企業大數據分析應用可以歸納為如下幾個方面：在智慧的客戶體驗領域的全方位的顧客洞察、提升客戶服務、基於位置的營銷和服務、以及精準營銷；在智慧的商品管理和供應聯網路領域的供應鏈優化和商品優化；

以及在智慧的運營領域的財務管理、勞動力管理和防損 / 防偷盜管理。零售企業已經充分意識到大數據分析對其未來業務發展的戰略意義，他們需要從這三個方面規劃戰略和實施步驟，將大數據分析作為向未來轉型升級的核心驅動力。

二、零售大數據的現狀和挑戰

我們的調研結果表明，零售行業的大數據分析處於剛剛起步的階段，相當一部分企業還未開始考慮使用大數據分析，或僅僅進行概念討論和計劃。

在少數已開展大數據項目的企業中，應用範圍、方式也處於早期狀態，大數據的實踐剛剛起步。然而，也一部分領先的零售企業已經在利用大數據應對明確的業務挑戰。

零售企業目前主要利用大數據分析進行精準營銷和客戶洞察

從組織機構來看，零售企業大數據分析還是較多的分散在各個部門業務中，只有不到1/3企業有獨立的部分負責整體的大數據分析。

調查發現，有35%的零售企業的大數據分析工作分散在不同部門完成，如客戶關係部、銷售部、運營部等。各部門根據掌握的數據和自身需求進行相關數據分析，不設立統一的大數據分析部門。另外有26%的零售企業，數據分析主要由信息和IT部門配合業務部門完成。

信息和IT部門根據業務部門的需求負責數據的抓取、過濾等前期工作，業務部門進行具體的分析。在被訪企業中，只有30%設置設置職能專一的部門全面負責大數據分析工作。

在已經開展大數據分析的零售企業中，分析主要集中在精準營銷、客戶洞察、商品優化和供應鏈完善等幾個方面

在已經開展大數據分析的零售企業中，有接近半數的企業利用分析進行精準營銷，如分類營銷、決策支持和營銷效果分析等。

在分類營銷中，有些企業利用大數據分析進行營銷需求挖掘、有些企業對營銷目標進行分類和貼標籤，後期根據標籤篩選特定顧客進行營銷，還有的企業根據大數據分析進行O2O促銷。

在決策支持中，部分公司進行營銷活動的預測和分析，部分公司利用大數據分析為經營評估等業務提供可視化的數據支持。41%的企業利用大數據進行顧客洞察，如打通不同區域間會員管理體系、建立大會員系統，進行針對性調研，將線上線下數據相結合，利用大數據進行顧客形象分析等。

另有24%的企業利用大數據進行商品優化，包括訂單預測、選品與陳列優化、運營狀態分析等方面。18%的企業利用大數據進行供應鏈完善，包括倉庫選址、產品追溯和統一管理等。

現階段，零售企業表示最需要利用大數據提升客戶洞察，開展精準營銷和實現商品優化。將企業最需要利用大數據提升的業務與已經實施的大數據項目進行對比發現，提升客戶洞察是零售企業最需要進一步利用大數據提升的領域。

在調查中，74%的企業表示最需要利用大數據幫助解決的業務問題是準確理解客戶行為和消費習慣，進行全面的顧客洞察。42%的企業表示需要在精準營銷方面運用大數據，基於需求預測及顧客特點進行有針對性的營銷，提高成交率和客單價。

37%的企業表示需要運用大數據幫助解決商品優化問題，找出暢銷、滯銷款商品，提高售罄率，降低過期損耗，同時優化商品組合與陳列。

零售企業對大數據分析整體整體表現的自我評價結果一般，特別是在數據分析和基於數據洞察採取行動方面

完整的大數據生命周期包括數據獲取和整合、數據分析和根據數據洞察採取行動三個階段。整體來看，零售企業對大數據分析各個階段的自我評價一般。

在「獲取和整合數據」階段，只有36%的企業評價良好。在「數據分析」 和「依據洞察採取行動」 階段，評價良好的比例分別只有32%和24％。可見，企業對自身的大數據分析和利用滿意度不高。即使在數據分析意識較強的企業中，對數據的利用也仍集中於初級階段。

在數據獲取和整合階段，企業面臨的問題主要是來自多源系統的數據不一致、傳統信息架構阻礙數據收集和難以整合內部數據。在數據分析方面，缺乏軟硬體工具、數據可信性和缺乏必要的分析技能是企業面臨的最大挑戰。

在依據數據洞察採取行動方面，最大的挑戰來自於缺乏能將業務知識與數據分析相結合的技能與人才，以及企業普遍缺乏對利用分析提升業務的理解。

零售企業希望分析手段方面更加深化和多樣性

數據分析方法，按照由淺至深的程度可以分為以下五個種類：描述性分析； 診斷性分析； 預測性分析；規定性分析；認知性分析。

描述性分析就是從歷史交易數據中分析過去，反映出已經和正在發生什麼；診斷性分析就是了解發生的原因，分析為什麼發生；預測性分析是預測未來，指出什麼可能發生；規定性分析是在分析過去和預測未來的基礎上對行為的指導，即建議應該採取什麼行動。

以上分析均為靜態，而認知性分析與之不同，認知性分析就是通過互動式學習的方式，讓分析能力逐步成長、逐步提高認知的過程。在這個瞬息萬變的大數據時代下，每天產生大量有價值的數據資源，數據分析也跨入認知分析的新階段。

調研發現，零售企業對自身目前以上五種程度的分析的應用自評逐漸降低。在所有進行數據分析的企業中，71%的企業進行描述性分析，其預計未來12-18個月不會有明顯變化； 41%的企業目前進行診斷性分析，並預計未來12-18個月會增加至65% ；

24%的企業目前進行預測性分析，這一比例在未來12-18個月會增加至63% ；百分之29%的企業目前進行規定性分析，這一比例在未來12-18個月會增加至59% ； 24%的企業目前進行認知性分析，未來將提高至35% 。

可以看出，零售企業希望在未來使用更多樣化和更先進的數據分析方法，特別是診斷性、預測性和規定性分析，並將嘗試認知性分析。

零售企業對未來大數據的構想和規劃

企業對未來如何利用大數據以及大數據的發展構想可以分為三個層面

第一層面是支持大數據的運營

零售企業可以通過對價值鏈上多方數據的分析挖掘，提高供應鏈，物流等方面的運營效率，並利用大數據分析的結果支持領導層決策。部分零售企業已經或多或少地利用數據幫助提升內部運營，比如利用大數據收集分析，尋找更好的商品，提供更優質的服務，更全面 地滿足客戶需求。

第二層面是形成大數據產品

零售企業通過對海量數據的整合和分析，形成獨立的大數據產品，採用免費、出售或合作方式提供給內外部客戶。零售企業通過對海量數據的整合和分析，形成獨立的大數據產品，為企業和個人提供信息服務。

零售商可以發展多種大數據產品，比如，對購物者的個性化需求分析，智能匹配 ( 將顧客需求與供應商資源進行快速匹配 ) 等。

阿里巴巴近年來發布了包括「聚石塔」、「黃金策」、「淘寶指數」和「淘寶時光機」在內的多款大數據產品，提供店鋪數據分析、數據備份、加速訂單處理、消費者行為研究等多方面的大數據服務。百度也正式發布了「百度司南」，為市場營銷人員提供更加真實、準確、快速和低成本的消費者洞察。

第三層面是構建大數據平台

即部分向平台型企業轉型的零售商可能利用大數據搭建企業生態，為平台上的企業服務，促進共同的繁榮。大數據將成為平台型零售企業的核心競爭力，數據的質量，如一致性、精細化程度等將成為關鍵。

的傳統零售企業目前還沒有出現搭建了完整企業生態系統並構建了大數據平台的企業。網路零售商如阿里巴巴已經形成了這樣的企業生態系統，並正將大數據作為其核心競爭力。

在調研中我們發現，部分零售企業表達了對構建大數據平台的需求和想法，比如「集團不同業務單元數據的整合」，「實現全面系統化管理」，「形成一個整體的對內對外服務、平台化的面向多行業的大格局」等。

三、大數據幫助零售企業實現價值

我們認為大數據主要通過以下三個方面幫助零售企業提升自我，創造價值。包括：打造智慧的購物體驗；構建智慧的商品管理和供應鏈網路；以及實現智慧的運營。

零售企業在大數據分析具體的三大領域的具體運用

具體來說，在零售企業，大數據分析的應用可以歸納為如下方面：在智慧的客戶體驗領域的全方位的顧客洞察、提升客戶服務、基於位置的營銷和服務以及精準營銷；在智慧的商品管理和供應聯網路領域的供應鏈優化和商品優化；在智慧的運營領域的財務管理、勞動力管理和防損 / 防偷盜管理。

打造智慧購物體驗的戰略重點

在利用大數據幫助打造智慧的購物體驗中，客戶智能分析和全渠道營銷是戰略重點。具體包括：

A.客戶智能分析：顧客識別，顧客行為分析

B.全渠道營銷：基於位置的營銷，精準營銷，提升全渠道的購物體驗

大數據為零售企業在打造智慧的購物體驗方面所帶來的商業價值主要包括以下幾個方面：

360度顧客視圖與細分；

增加顧客留存、新增顧客、降低顧客獲取成本；

提高到店率、購買率與忠誠度；

減少活動與運營成本，提高投資回報。

案例：星巴克利用以大數據分析為支撐的移動營銷與客戶深度互動

從2012年開始，星巴克推出了一系列基於移動端和社交媒體的營銷活動。比如， 2012年，星巴克早餐上市，為配合早餐推廣星巴克推出「早安鬧鐘」 App，使用該App的顧客在鬧鐘響起后的1小時內到達星巴克門店，就有機會在購買咖啡飲品的同時，享受半價購買早餐新品的優惠。

2013年，星巴克推出「 Tweet-a-Coffee 」，將自己的星巴克賬戶與Twitter賬戶綁定，就可以向自己的朋友贈送價值5美元的電子咖啡券。此前，星巴克在Facebook上推出過類似的服務。

2015年5月，在線音樂訂閱服務Spotify宣布與星巴克成為長期合作夥伴，推出「音樂+咖啡」的服務。Spotify付費訂閱用戶將能夠通過聽音樂得到星星，在星巴克里兌換免費咖啡。星享卡會員則可以在Spotify 上表達自己的音樂意見，從而影響星巴克門店的歌單曲目。

在Spotify上還會開設一個星巴克專題，收錄類似「 20年中星巴克最受歡迎的音樂」等歌單。星巴克在其iPhone應用上增加「order」 ( 訂購 ) 功能，消費者可以在應用內完成預定和支付，然後到店提取即可。在北美地區的星巴克門店，用戶可以將星享卡的二維碼通過蘋果Passbook應用添加到Apple Watch中，然後直接用來購買咖啡，整個過程都不必使用Apple Pay。

此前設計公司Impekable還為星巴克製作過一款應用，當消費者找到星巴克后，可以直接在座位上用Apple Watch點單，以此減少人們尋找門店與等候咖啡的時間。

星巴克還推出了「大數據咖啡杯」，在一些咖啡杯中裝上感測器，收集常客喝咖啡速度等數據，從而為喝咖啡較慢顧客提供保溫效果好的杯子，提高其滿意度和忠誠度。星巴克的Clover咖啡機會將數據上傳到雲端，星巴克藉此能夠跟蹤用戶的喜好，對製作咖啡的配方隨時進行更新，也能方便工作人員對咖啡機的性能進行遠程監控。

星巴克改變用戶被動接受的傳統營銷方式，其營銷深深把握住「用戶創造」的核心，讓用戶樂於運用星巴克提供的平台動手創建自己的服務，在這一過程中星巴克也獲得了用戶信息。當營銷變得準確有趣，消費者不僅更加容易接受，甚至會自願推廣傳播。

星巴克相信移動和數字平台將驅動公司未來業務的發展，因此以「移動戰略」為方向，充分發揮移動端優勢，將服務內嵌於顧客日常需求，使服務隨時隨地唾手可得。在發展移動營銷的同時，星巴克利用雲技術為支撐，收集和分析用戶數據，加深消費者洞察。

為優化運營，提升服務，降低運營成本和精準營銷提供指導和依據。在美國的星巴克門店，有將近16%的收入來自手機客戶端，星巴克App有將近1300萬的活躍用戶。在渠道有限的情況下，星巴克通過社交媒體對大數據的解構實現了精準營銷。

構建智慧的商品管理和供應鏈網路的戰略重點

在利用大數據幫助構建智慧的商品管理和供應鏈網路中，商品管理分析和供應鏈優化是戰略重點。具體包括：

A.商品管理分析：組合優化、價格優化、布局和設計優化

B.全渠道營銷：庫存優化、分銷和物流優化、存儲空間管理

大數據為零售企業在構建智慧的商品管理和供應聯網路方面所帶來的商業價值主要包括以下幾個方面：

基於客戶洞察的商品管理和分類；

及時為客戶供貨和交付；

優化店面布局，提高購買率；

提升產品運輸、降低缺貨。

案例：某領先綜合零售商充分利用大數據節約存儲、管理成本

國內一家領先的綜合零售商在拓展電商平台方面充分利用大數據打開市場，並與上游供應商協同聯動，實現了較好的效果。比如，在「她經濟」背景下，女性用戶成為電商重要的收入來源。

在爭取女性用戶的戰役中，為增強女性用戶粘性和活躍度，該零售商根據大數據測算選定了奶粉、紙品、衛生巾作為拳頭產品，並依據預測的不同地區銷量來調整倉庫布局，依據不同地區客戶品牌使用習慣來調整倉庫備貨，最終實現了良好的效果。

該綜合零售商還將大數據應用於和上游 供應商的聯動協同。藉助自身積累的會員資料、訪問流量、訂單信息等大數據，進行深入挖掘，與廠商一起研究用戶需求，向上游供應商進行產品的定製。在大數據的幫助下，該零售商針對目標客戶的選品準確，經大數據分析后選擇的產品銷售額大幅增長。

針對「她經濟」的三大類產品促銷活動中，其新增女性用戶的數量達到580萬，且新增用戶多數是有著個性化、精準化標籤的優質用戶。此外，該綜合零售商供應鏈鋪貨邏輯得到優化，效率提高，減少了因備貨問題導致的用戶體驗下降。

實現智慧的運營

在利用大數據幫助實現智慧運營中，財務管理分析、人力管理分析以及止損和偷盜管理分析是戰略重點。具體包括：

A.財務管理分析：控制、欺詐、現金管理，資產管理的預測和條件，財務狀況的透明度和商店的盈利能力

B.人力管理分析：勞動力管理和優化，突出對關鍵員工和崗位變化管理的洞察

C.止損和偷盜管理分析：員工 / 客戶欺詐檢查，基於貨物丟失的貨架安全警報，基於對視頻流分析的視頻監控警報。

大數據在幫助零售企業實現智慧的運營方面所帶來的商業價值主要包括以下幾個方面：

提高員工生產率 / 每個渠道的銷售；

有效地管理店內零售業務；

不影響服務的前提下勞動力最優平衡；

減少偷盜。

案例：台灣全聯福利中心打造智慧的運營系統

全聯福利中心 (Pxmart) 是台灣大型零售業者之一，成立於1998年10月，前身是台灣消費合作社全國聯合社 ( 全聯社 ) 。全聯福利中心從66家乾貨門市開始發展到美妝、生鮮，現在全台已有超過700間門市，成為全台最大連鎖超市。

為實現2020年營收2000億台幣的目標，全聯規劃了信息發展藍圖，提出打造智慧的總部，以快速高效的支持門店業務，以及打造智慧的門店，按計劃推動門店業務快速高效的發展。全聯應用新技術創新科技服務，通過社交媒體，移動裝置，大數據分析，以及雲計算來做到與客戶的個性化互動。

同時，全聯還可以提供端到端的供應鏈預測，提升供應鏈整體效率。初期全聯進行了信息架構的整合，建立涵蓋業務循環的信息整合架構。

在該信息系統的支持下，全聯可以進行經營策略管理、營運監控、事業盈虧管理及預警。 全聯建立了整合的運營平台，支持標準化作業循環、強化核心繫統能力和有效的供應鏈管理。

全聯已經推動的智慧的運營系統包括：新全聯官網開發導入上線，消費者與全聯門市信息即時互動，使營銷活動更有效率，促進顧客到店率並使門店服務更便捷。

業績儀錶板：提供高級儀錶版，包含商品、營運、訪店、業績、商品、檔期等分析報表，讓經理人員有效率的從單一平台實時獲得每日業績分析情報。

全聯信息服務中心：全體用戶適用，快速問題排除，知識累積與數據分享。

全聯信息服務中心在2015年共處理44,835件訊問和請求，平均回應時間18分鐘，支持自動解決問題，提高了門市運營效率，滿意度達到了95.2% 。通過打造智慧的運營系統和數據分析，全聯提高了顧客和門店的管理能力，有效的支持了戰略目標的實現。

通過會員大數據分析，全聯完成了2020客戶體驗地圖。該地圖以時間軸依序發展客戶與全聯的互動體驗，將科技融入顧客生活場景。在2015年以消費者為中心的全新官網上線，成功吸引了25－44歲的新客戶群。該官網的瀏覽率增加7倍，移動端佔比達到70％，大大提高了移動營銷的曝光率，促進了銷售增長。

結語

零售企業重視並認可大數據分析對企業發展的戰略意義。零售企業需要從打造智慧的購物體驗，構建智慧的商品管理和供應鏈管理，以及幫助實現智慧的運營這三個方面，規劃大數據分析的戰略和實施路徑。

另外，大數據分析與雲計算，移動和社交化是緊密結合，互相依託的。零售企業需要全面規劃面向未來的大數據戰略，將大數據分析作為助力零售企業向未來轉型升級的核心驅動力。