大数据改变零售业 电商加紧布局产业发展

2013年国社会消费品零售总额的增长速度喂13%,虽然保持了增长的态势,但整体增长速度趋于放缓。而相对于整个网上零售来看的 话,增长50%,虽然相较于过去几年,网上零售速度已经放缓了,但是还是高于整体的社会消费品零售的增长速度。另一组数据,我们可以看到2014年上个季 度的时候,网上零售占社会零售总额的超过10%创历史新高,在这样一个大的背景下,传统实体的零售是受到很大的冲击。

零售业大数据应用应运而生

首先从产业发展的需求来看,大数据可以帮助零售企业来洞察消费需求,零售企业在面临市场的变化,消费需求变化这样一个大的背景下,需 要根据消费者需求的变化来调整我的战略。而这个时候就需要大数据技术来做支撑,在充分了解消费者需求的前提下,企业要重新定义自己的价值,这个时候也需要 大数据来做支撑。第三个我们看到目前线上线下趋同这样一个趋势已经非常明显了,线上企业通过电商平台或者移动平台来发展线上的业务,线上电商企业来开展线 下的业务,全渠道零售这种模式离不开大数据的支撑。从产业创新模式来看,一个是C2B,会把原来以卖方为主的模式转移到以买方为主,而由用户的购买来驱动 企业的生产,在这个过程中需要三个支撑体系。一个是需要非常个性化的营销,第二个需要非常柔性化的生产,第三个需要社会化的供应链。而这三个支撑体系对大 数据的要求和大数据的处理提出了更高的要求,这都离不开大数据的一个支撑。

第二个是一个O2O的例子,线上线下融合发展这是未来一个趋势,而在O2O过程中不可避免会产生大量的数据,怎么利用这些数据更精确 的为消费者提供服务,让消费者快速的精准的找到自己想要的商品,以及如何帮助消费者购买到质量有保证的商品,这些背后都需要有大数据支撑。这是整个零售业 大数据发展的一个契机。

具体来看,目前越来越多的企业已经把大数据上升到战略资产这样一个位置,从中国大数据市场整体规模来看,今年我们预计整体增长的速度 应该会超过30%,预计到2016年,整个市场规模会突破100亿人民币这样一个规模。从整个零售企业数据的应用来看,应用率还不到5%,零售业大数据蕴 藏潜力是无限的。中国零售大数据目前整体还属于市场启动的一个前期,零售大数据是从2011年在中国开始出现的,马上就受到市场很大的关注。这里我们可以 看到像阿里巴巴在2011年底的时候推出了淘宝指数,帮助买家卖家第三方用户群体分析自己的产品走向,或者搜索的一些热点,或者一些销售数据的趋势等等。 这个是在2011年底的时候出现的,而中国大数据目前我们判断是属于市场的启动前期。为什么?虽然说已经有很多应用出现,但是主要是在企业内部,进行企业 内部资源优化配置这样一个过程当中,或者说资本市场虽然很关注,但是以大数据为核心竞争力来进行上市的企业还没有出现,所以我们判断未来三到五年,中国零 售业大数据发展情况还是会从探索期慢慢步入到快速发展这样一个阶段,但是时间还需要三到五年。

接下来我们看一下整个零售业大数据的类型,按照企业的界限,我们可以把零售业大数据分成内部数据和外部数据这两种类型。而从线上企业 和线下企业看,在企业发展信息化的初期,其实这个数据的量级,应该是从兆B到TB的级别,类型主要包括交易数据,比如运营数据,比如供应链的数据,比如用 户的数据,这是零售企业数据主要的类型。而进入大数据时代以后,零售企业数据的类型从企业的内部扩展到企业的外部,而这个量级也从TB发展到ZB这样一个 量级。数据的类型也从刚才提到的一些用户数据、运营数据、交易数据,目前已经发展到了外部一些交互的数据,直到我们的大数据,是这样一个走向。而现在我们 来看线上企业和线下企业,从这边这个图可以看到,比如像店铺或者渠道这样一些数据,是具有线下这些属性的,是属于线下范畴。而像流量、转化率等等这些,是 线上零售所特有的数据属性。这是整个零售业大数据的类型。

中国零售业大数据发展趋势

第一点是交叉串联,中国零售企业线上线下协同发展或者融合发展是未来一个趋势。怎么样利用大数据来实现线上线下企业交叉串联分析,这是大数据未来需要研究的一个方向。

第二个是价值衍生,可以理解成怎么样实现大数据充分的应用,有两个方向,一个是线上企业,线上企业的方向是把自己整个平台发展成一个 数据产品,比如阿里巴巴首先他自己是一个平台,同时他具有自己的技术研发,衍生出来成为一个数据产品,这个产品既包括平台数据产品,也包括后来跨界的金融 相关的一些产品。线下企业的做法,如果有多年积累的这些传统的零售企业,做法是我可以开放我的数据资源,比如国美就开放他们的供应链数据,通过与战略合作 伙伴的数据共享,让数据价值发挥到最大。

第三个是决策使能,可以理解成利用大数据,帮助更好的做决策。通过数据分析,我们可以得出决策的一个结果,通常来讲,大数据分析出来 的决策结果会出乎我们的意料。但是这块数据分析的结果是不以决策者还是领导为转移的,通过数据分析得出这些结论之后,我们再服务于定性商业质感的一些分 析,综合作出我们的决策。
     本文由物联中国作者独家撰写,版权属于物联中国,转载请注明作者和出处,并附上网址物联中国www.50cnnet.com,谢谢!

时间: 2024-09-20 13:50:45

大数据改变零售业 电商加紧布局产业发展的相关文章

锋芒初露 大数据如何驱动电商大机遇?

今日之电商诸侯争霸,可谓火药味甚浓,更推进着产业前进步伐.古语有云:长袖善舞,多钱善贾,意指有所依靠,事情容易成功.随着大数据所爆发出的巨大潜力,在如今的互联网经济时代,玩电商的"有才有财"企业,正在用大数据思维与技术影响着企业业务决策和商业推广思路.可以预测的是,互联网平台大数据分析,正如利剑出鞘.铠甲上身,必将在未来为电商企业精准营销带来融合性影响. 数据支撑营销 电商战线新阵法 在电商各类火爆的购物节背后,我们可否看到基于互联网的电商企业,呈几何数增长的庞大数据量?面对数据量的快

大数据时代,电商企业何去何从

在互联网和移动互联网时代发展起来以后,数据的规模和丰富度迅速增长,等达到一定程度以后,便有人提出了大数据的概念,大数据就是需要跨视角.跨媒介.跨行业的海量数据,也可以理解为数据的收集方法,那么,当电商们拥有大数据的时候,又会是怎样的状况呢? 谁拥有大数据? 拥有大数据的前提是数据的稳定性和丰富性,建立在这一前提下,绝对是淘宝.百度.腾讯这几家自有数据源的公司,但艾瑞咨询技术副总裁郝欣诚在同意这一说法的同时又认为一些淘宝店铺不能称为有稳定丰富数据源的公司. 因为一些淘宝店铺的眼光往往停留在自己本身

除了啤酒与尿布 大数据又助电商玩口碑营销

在快消行业,啤酒与尿布成了大数据应用的经典案例:全球零售业巨头沃尔玛通过对消费者购物行为进行分析时发现,男性顾客在购买婴儿尿片时,常常会顺便搭配几瓶啤酒来犒劳自己,于是沃尔玛将啤酒和尿布陈列在一起,大大提升了两种商品的销量. 如今产业升级,越来越多消费者选择电商而非实体超市购买商品,大数据的应用也不再局限于商家手里掌握的销售数据,而是转向如今网络时代更为关心的用户参与感.口碑传播,在这其中,用户在电商平台上留下的大量评价数据,便成为了解口碑传播的关键,成为新的金矿. 电商时代的口碑--用户评论

【阿里在线技术峰会】郭东白:基于大数据的全球电商系统性能优化

本文根据郭东白在首届阿里巴巴在线技术峰会上的分享整理而成.他首先介绍了AliExpress电商系统的理论基础,通过页面间跳出率的计算引出了全栈优化的思路.然后,他介绍了AliExpress平台的设计思路和性能优化过程.紧接着,他分享了AliExpress使用过的几个有效的优化策略:动态加速.静态化+ESI.元素合并请求.CDN调度优化等.最后,他用实例展示了性能优化带来的结果,并对架构设计的过程提出了几点思考和总结. 直播视频:点此进入 PDF下载:点此进入 以下为整理内容. 整个系统的理论基础

阿里资深技术总监:基于大数据的全球电商系统性能优化

本文首先介绍AliExpress电商系统的理论基础,通过页面间跳出率的计算引出全栈优化的思路.然后,介绍AliExpress平台的设计思路和性能优化过程,以及AliExpress使用过的几个有效的优化策略:动态加速.静态化+ESI.元素合并请求.CDN调度优化等.最后,用实例展示了性能优化带来的结果,并对架构设计的过程提出了几点思考和总结. 1整个系统的理论基础 这张图代表流量分布和跳出率的关系.一个用户放弃使用一个网站或者APP的行为叫做跳出.上图中,横轴代表延迟区间,纵轴代表流量分布.绿色的

马云:小企业应继续减负 大数据可解决电商偷漏税

阿里巴巴集团董事局主席马云再次为减轻小微企业税负进行呼吁. 3月31日,马云公开表示:大企业享受很多资源优势,力量越大责任越大,理应是纳税主力;而小企业每天考虑的是生死存亡问题,如何让小企业活下去.活得好,才是国家税收杠杆调节真正应该考虑的地方. "大企业是纳税主力,小企业应继续减负" 马云表示:大企业有政府的政策扶持,有各种资源,以贷款为例,只要有银行流水就能拿到.大企业享受了远超于小企业的待遇,享受更多资源,就该承担更多责任,理应成为纳税主力. 马云以阿里巴巴自身为例介绍:目前阿里

MaxCompute大数据实践,电商数据仓库选择雪花还是星型模型?

作者:王永伟 规范化和反规范化   当属性层次被实例化为一系列维度,而不是单一的维度时,此模式被称为雪花模式.大多数联机事务处理系统(OLTP)的底层数据结构在设计时采用此种规范化技术,通过规范化处理将重复属性移至其自身所属的表中,删除冗余数据.   此种方法用在OLTP系统中可以有效避免数据冗余导致的不一致性.比如在OLTP系统中,存在商品表和类目表,且商品表中冗余有类目表的属性字段,假设对某类目进行更新,则必须更新商品表和类目表,且由于商品和类目是一对多的关系,商品表可能每次需要更新几十万甚

MaxCompute大数据实践,电商数据仓库的星型模型和传统星型的区别

作者:王永伟   在Kimball所著的<数据仓库工具箱>一书中,对于维度模型设计采用的4步设计方法:1.选择业务过程 2.声明粒度 3.确定维度 4.确定事实. 在当前的互联网大数据环境下,面对复杂的业务场景,为了更有效准确地进行维度模型建设,基于Kimball的4步维度建模方法,我们进行了更进一步的改进. 第一步:选择业务过程及确定事实表类型 在明确了业务需求以后,接下来需要进行详细的需求分析,对业务的整个生命周期进行分析,明确关键的业务步骤,从而选择与需求有关的业务过程. 以淘宝的正向订

看“一袋金币”如何利用大数据改变电商企业融资?

2015年,又一场电商盛宴画上了句号,淘宝1000万中小卖家.京东近10万中小卖家以及其他垂直电商平台撑起来了4万亿人民币的销售额.在历经10年的疯狂增长之后,电商竞争愈发激烈,不论是拼货源.拼运营.拼推广,还是拼产品.拼品牌,这场竞争归根结底都是在拼钱. 大型电商平台,或许可以依靠资本不断提升竞争力,可明显弱势的中小电商卖家,却很难获得低成本的资金支持,借贷难.融资贵早已成为诸多电商企业挥之不去的心头病.钱从哪里来? 融资难题 对中小型电商企业来讲,银行贷款利率低,可以降低还款成本.但是银行传