大数据时代零售业统计变革.docVIP

大数据时代零售业统计变革 　　摘 要：结合零售行业，在阐述大数据给传统零售业带来的思维、商业、管理这一系列变革的同时，着重从传统零售业数据统计步骤的数据采集、整理、分析、诠释这几个方面分析大数据给零售业统计带来的影响与变革，同时分析大数据应用在零售业所带来的关于隐私问题的挑战，给出零售业统计应如何应对变革的一些探讨，诸如扩大数据的采集面、增加数据采集的广度与深度、采用数据挖掘技术进行大数据分析、引入数据可视化技术进行数据诠释等。 　　关键词：零售业统计;大数据;数据挖掘 　　大数据是指传统数据库管理工具难以处理的大量的、多样化的数据。当前普遍认为大数据有三个特点(3V)：第一Volume，是数据容量非常大，第二Velocity，是数据增长速度非常快，处理速度非常快，第三Variety，是数据类型越来越多样化[1]。 　　零售行业随着数据采集与存储技术的进步也逐步形成了零售业大数据。通过对这些数据进行挖掘分析，能够给零售企业带来巨大的商业价值以及服务创新，诸如能够更好地了解和洞察消费者，从而实现精准化营销，或者变革供应链模式，实现货品精细化管理等。但是在这之前，必须首先要清楚大数据究竟从哪些方面给零售业带来了变革需求，才能有针对性地利用好零售业大数据。 　　一、大数据时代零售思维、商业与管理变革 　　(一)零售思维的变革 　　维克托#12539;迈尔在《大数据时代》一书中提出了大数据思维的三个最显著的变化：一是样本等于总体。这与过去基于样本进行统计分析的思维截然不同;二是不再追求精确性。在大数据中往往存在“噪音”和罕见事件，这样的数据影响了结果的精确性;三是相关分析比因果分析更重要，在大数据时代我们将注意力更多地放在“是什么”而不是“为什么”。将这种全新的思维结合传统零售业考虑，我们也许会得到如下几个方面的启示： 　　1、要分析与零售商特定目标相关的全部数据，而不是采用对样本的分析来推断总体的方式。当采集并存储所有的数据并不再只是一种可能，基于样本的统计分析也就越来越难以适应企业对数据的使用需求。零售商通过分析利用大量的销售等数据，可以准确地预测客户的需求，实行精准营销，给零售企业带来实质性的效率与利润提升。 　　2、放弃追求精确性，并接受数据的噪音。倘若零售企业只追求精确的数据，那么只有大约5%的结构化数据能够被合理使用，而大约有95%的半结构化及非结构化数据都无法被使用，这会造成数据资源的巨大浪费。只有接受数据的噪音，容许部分冗余甚至错误数据的存在，才能更充分地利用数据，挖掘零售数据的价值，实现零售商的经营管理目标。 　　3、零售行业在进行数据分析时应该更加注重分析事物的相关关系而不是因果关系。相关关系可以使零售商们从不同的角度观察、分析、解决问题，以确定怎么做可以达到更好的效果。而且相关关系是一种比因果关系更加有效的关系。例如，沃尔玛在经过数据分析后得到，蛋挞的销量在飓风到来之际大幅增加，因此将蛋挞摆放在飓风用品附近的位置，提高了蛋挞的销售量[2]。在这个例子中，通过分析蛋挞销售量与飓风的相关关系，找到了提高销售量的新方法，这体现了在大数据时代相关关系分析的必要性与重要性。 　　(二)零售商业的变革 　　在以电商为首的“数据巨头”的冲击下，传统零售业面临着巨大的挑战。我们可以观察到的一个现象是目前许多唱空百货等线下零售业的声音不绝于耳。这主要是由于互联网电商巨头诸如阿里、京东等已经在中国零售行业中占据了大量的份额，传统的零售诸如百货行业由于线下市场萎缩以及商品定价的弱势性在无形之中已经被慢慢挤掉了许多利润。目前传统零售业面临着零售商品价格体系管理的滞后、营销的不便利性，例如相同商品不同销售商之间的比价，快递送货服务以及年轻消费客户的流失等问题。而且传统零售行业的营销方式无法像互联网电商一样通过各种数据分析消费者的喜好，从而无法做到一对一的精准营销。所有的这些问题，导致传统零售行业面临着重大的商业变革。 　　为了应对零售业面临的挑战，一个可行的思路便是线下购物体验化。这主要是指通过改善线下购物的环境与方式，给予消费者更多在线上购物中享受不到的愉悦体验，其表现的特征主要体现在传统百货购物中心化。这其中的典型例子譬如上海的购物中心K11在其店内专门布置了一个小型的农场，顾客可以零距离接近自然体验种植的乐趣。而北京的乔福芳草地则巧妙地打造了一个具有浓厚艺术气息氛围的购物中心，给予顾客艺术之美的体验与熏陶。毫无疑问，这种传统零售企业的转型必然要建立在了解客户的心理需求与偏好的基础上，这就在客观上要求传统零售业纷纷进入大数据领域挖掘客户的商业需求。国内企业如银泰是进入大数据领域掘金的典型零售企业，银泰通过设置在购物中心的WIFI来获取用户数据。通过抓取的数据分析消费者的性别、年龄，购物偏好、习惯，以及购物频率、搭配等。同时，银