大数据背景下零售企业商业价值实现路径

洪奕

内容摘要：大数据技术在改变消费结构和创造消费需求上发挥着关键性作用，是零售企业转型升级的必然趋势，是提升市场竞争水平的核心要素。大数据分析为零售业的商品消费提供了多属性功能筛选和个性化需求定制，在商品优化和供应链完善上发挥着十分显著的作用，大数据运营和构建大数据平台是零售企业进行应用实践的主要方向。基于大数据在零售企业的精准营销、全方位洞察客户、商品优化和供应链管理等方面的巨大作用，零售企业的商业价值实现路径从为消费者提供商品使用和服务价值的传统商业模式，逐渐向企业的智慧运营、智慧供应链优化及商品管理、消费者的智慧购物体验转型。

关键词：大数据 零售企业 价值实现 智能化

引言

随着大数据中云计算、物联网等信息技术的兴起和应用，零售企业传统的商业模式和商业价值都受到了巨大冲击，主要体现在零售企业的组织运营模式优化和消费者消费偏好变革等方面（张晞，2016）。从线下传统零售企业的商业价值实现路径来看，为消费者提供商品使用和服务价值的传统商业模式在大数据助力下，不断向企业的智慧运营、智慧供应链优化及商品管理、消费者的智慧购物体验转型。大数据背景下的零售企业对市场消费信息的反馈和消费结构的变化进行动态化的数据管理，从销售商品的价格、质量、消费者购物途径及商品功能组合等多个环节进行适时调整，促进零售企业更高效的实现商业价值。大数据主要通过以下因素影响零售企业的商业价值实现。

大数据改变消费结构。零售企业的商业价值体现在市场消费者的商品和服务消费上，大数据的运用改变了人们的消费模式和消费习惯，顾客购物体验及购物心理等成为商品销售中的重要影响因素（傅志华，2015）。从消费者的消费习惯来看，零售行业种类繁多的商品，为市场上的消费者带来了购物选择和商品信息获取渠道的困难，商品种类在大数据分析基础上可以进行高效、科学的汇总，并根据商品的使用功能、价格及顾客满意度等属性向消费市场进行关键信息的传递，消费者的购买决策更多受到消费习惯和消费偏好的数据影响，零售企业传统“填鸭式”的销售策略将难以适应数据化结构的消费市场（惠琳，2014）。随着“互联网+”与零售企业的结合发展，消费者的购买消费渠道越来越多，因此对购物渠道和支付途径的快捷便利等要求越来越高，在零售企业电子商务模式下，更容易实现消费者对商品和服务的多属性功能筛选和个性化需求定制，提高了消费者的购物体验感。同时，零售企业通过对消费者购买商品关联性功能的大数据分析，可以引导市场冲动式的消费行为。零售企业在销售环节通过对商品功能的互补性搭配，进行各类线上线下的促销活动，都建立在对消费者购物行为的大数据分析基础上，消费者在信息不对称情况下，容易产生某个节点上的冲动和集中式消费行为，例如电商的“双十一”、“双十二”等大型促销活动。

大数据创造消费需求。一方面，零售企业可以通过大数据分析进行消费市场的细分和消费者的深层次挖掘。大数据背景下，零售企业在互联网技术助力下能够快速建立起消费数据库，对消费群体进行商品价格偏好、功能偏好及购物体验偏好等多维度的细化，并针对不同消费偏好的顾客进行有针对性的商品信息推送和营销，创造新的市场消费需求。例如，天猫、京东及亚马逊等电商都会对有消费行为的数据进行记录和比对，在微分化的数据分析上为消费者呈现偏好性较强的商品，并对消费明显的群体行为和消费反馈向其他消费者推荐，在顾客的从众消费心理中引导新的购物行为，创造新的市场商業价值（王克富，2015）。另一方面，大数据“了解”消费者的个性化和实时需求。零售企业通过对消费行为中的交易数据（购买频率、周期等）和交互数据（反馈评价）进行大数据分析，构建的充实性消费形象可以更加准确的反应顾客对商品的价值需求，提高顾客的购物体验。在目前消费移动终端普及度越来越高的现状下，通过大数据技术定位消费者的地理位置来及时获取消费者的消费信息，并进行附近同质产品商家的推送，能够创造新的消费需求。

零售企业应用大数据的现状

零售企业对大数据技术的探索和应用需要结合云计算、物联网和社交化等多个技术要素，对消费者购物体验、企业运营和供应链管理等层面进行系统科学的规划，提升企业转型升级中的核心竞争水平。鉴于我国官方对零售企业在大数据应用上的统计调查较少，本文参考中国ECR委员会和IBM商业价值研究院对零售企业的大数据应用调研结果，分析大数据实现零售企业商业价值的现状。

目前我国零售企业对大数据的开发和应用总体上处于起步阶段，更多零售企业对大数据的探索仅仅停留在概念层面，只有少部分在电子商务业务发展上进行了大数据实践（陈晓、孙韬，2015）。从零售企业对大数据分析的组织状态来看，已经在企业内部构建了完善的数据部门并进行范围规模化运营的属于零售行业中的领先地位，占比为13%；其他已经在大数据应用上进行组织实践，体现在运用大数据处理明确的业务挑战，占20%，其组织实践的特征是企业内部的大数据技术开发及应用，通过若干个部门共同完成，例如IT部门进行研发，然后运营部门试点，最后转化成销售部门的营销策略。除此之外，67%的零售企业在大数据应用实践上刚刚起步，如图1所示，已经组织开展大数据应用的试点占比为13%，正在发展大数据分析战略的企业占21%，正在进行大数据概念探讨的企业占17%，从未考虑过大数据分析的企业占16%。

通过对正在使用大数据应对明确的业务挑战组织类型，和在组织范围内应用大数据组织类型的零售企业进行分析发现，精准营销、全方位顾客洞察、商品优化和供应链完善是大数据应用的主要业务。有47%的零售企业在大数据分析基础上解决商品的营销问题，制定精准营销方案，其中分类营销和决策支持是大数据应用最广泛的业务。在分类营销方面，大数据科学细分了市场的消费层次，对目标顾客和消费群体进行归类，并筛选有用的消费者信息进行精准营销，同时从冲动消费、从众消费、个性化消费和实时性消费等角度充分挖掘深层次的市场需求；在决策支持方面，大数据为不同类别的零售商品销售预期和周期进行科学计算，促进决策者制定符合市场消费规律的生产周期，并根据业务数据的反馈对既定营销策略进行效果模拟，从而制定最优的精准营销方案。有41%的零售企业借助大数据技术来全方位洞察顾客，通过统计消费者消费行为中的交易信息和交互信息，分析消费者的消费偏好和消费习惯，并针对不同层次的消费者进行线上线下的对口商品匹配，深层次挖掘市场中的潜在消费者。有24%的零售企业在运营生产中采用了大数据技术，其中包括对商品生产状态的监控和分析、商品的质量筛选、商品销售的订单预测等方面。有18%的零售企业在大数据协助下完善了商品的供应链，对整个零售环节的仓储、配送和下单等节点进行数据信息化管理，并借助大数据调研和云计算来确定仓储配送中心的选址问题。endprint

从零售企业对大数据开发应用的反馈来看，完善供应链已经成为组织使用大数据应对具体业务挑战中的经常项目，企业目前最为迫切的是如何通过大数据来全方位的洞察客户、优化商品和精准营销，如何挖掘更深层次的市场价值。目前大数据分析全方位洞察客户和优化商品，需要零售企业形成完善的大数据生命周期，包括消费者消费数据的统计整合、相关大型计算机软件和硬件的配套分析和对数据方案的洞察执行。从目前对客户洞察的数据分析反馈结果来看，构建零售企业大数据生命周期难度最大的节点，来自于获取和整合数据方面，具体体现在市场消费数据统计中多源性导致的不准确、企业内部数据整合困难及传统信息架构与数据收集存在矛盾等。在大数据分析环节目前存在的主要问题是企业缺乏可信任的市场数据、数据分析软、硬件落后和数据分析技能欠缺等。在数据方案的洞察执行方面，零售企业运营部门对数据分析结果的解读和利用能力是主要的影响因素，另外在数据洞察后的行动执行能力上也存在一定欠缺。大数据分析在实践应用中的项目展示如图2所示。

零售企业在大数据背景下的商业价值实现路径

（一）零售企业在大数据背景下的发展方向

大数据技术在改变消费结构和创造消费需求上发挥着关键性作用，是未来零售企业转型升级的必然趋势，也是提升市场竞争水平的核心要素。大数据分析对零售业商品的消费进行多属性功能筛选和个性化需求定制，在商品管理优化和供应链完善上发挥的作用十分显著，因此零售企业的大数据运营是一个发展的方向。大数据运营中最关键的是如何利用数据分析形成目标顾客的精准运营方案，在不断细化的市场消费结构中，从消费者的冲动消费、从众消费、个性化消费和实时性消费等角度充分挖掘深层次的市场需求，通过计算零售商品的销售预期和周期，制定符合市场规律的最佳生产周期、库存周期和物流配送周期，利用大数据分析结果支持领导层决策。

大数据背景下的零售企业可以为不同消费偏好的顾客，进行有针对性的消费关键词属性商品信息的推送和营销，通过对商品功能属性互补的搭配销售提升商业价值，因此构建大数据平台是零售企业的另一个发展方向。在大数据平台上，零售企业搭建企业数据生态平台，整合和处理零售商品的大量信息，并向利益联盟内的企业提供大数据产品，对不同企业同质化属性商品进行消费引导，在消费反馈信息数据上实现信息共享，实现大数据平台上零售企业的共同繁荣发展（孙华，2016）。例如，目前在大数据分析处于领先地位的阿里巴巴，通过打造大数据的生态平台为零售企业提供了“淘宝指数”、“黄金策”和“淘宝时光机”等众多大数据产品，促进了电商零售业的飞速发展，大数据分析成为阿里巴巴最重要的核心竞争力。

（二）零售企业大数据背景下的商业价值实现

大数据分析在零售企业中组织实践的主要项目是精准营销、全方位洞察客户、商品优化和供应链完善，通过大数据在上述实践项目中的横向与纵向延伸，本文认为零售企业在大数据助力下实现商业价值的路径是：企业的智能型运营、智慧的供应链优化和商品管理、消费者的智慧购物体验。

企业的智慧型运营。大数据实现零售企业的智能型运营，主要通过系统化财务管理、科学化人力资源管理和最小化资源损耗，如图3所示。第一，在系统化财务管理中，通過云计算实现零售企业商品价格、销量等数据信息的收集和分类，通过对商品销售周期和流转周期的预测，来进行企业回笼资金的判断，分析财务的潜在风险，提高企业的财务抗风险能力。同时，大数据在财务管理上可以有效的实现企业绩效公开和资产维护等详细信息，为企业经营者进行长期发展规划提供客观的财务信息依据。第二，在科学化的人力资源管理中，大数据技术可以针对人力资源岗位需求与员工技能的匹配度，进行科学的岗位分配，通过识别员工在不同岗位上的技能熟练度和学习成长性，形成有数据支撑的劳动力报告，优化企业的人力资源配置，提高生产效率。第三，在最小化资源损耗方面，对经常发生损耗的资源或异常行为进行大数据统计，分析损耗产生的原因，可以有效对企业经营中可能遇到的欺诈或影响生产安全行为进行预测和警报，降低企业资源的损耗度。

零售企业的智慧运营系统通过大数据分析与移动终端和社交媒体的有机结合，为消费者提供了全方位的消费科技服务，在智慧运营系统对从生产到配送再到营销的多个节点进行智能化分析和管理下，零售企业可以有效的整合企业生产和物流体系架构，在生产监控、经营管理、配送管理和精准营销上实现标准化的高效率作业（郭燕等，2016）。例如，天猫超市的智慧运营系统，实现了消费者与零售企业的实时互动，通过对商品销售信息、超市营运信息、消费者浏览及购物信息等的搜集和处理，实现了天猫超市线上线下在零售商品市场的价值提升。

智慧的供应链优化和商品管理。零售企业在供应链优化和商品管理中，通过大数据分析可以监控商品生产状态、筛选商品质量、预测商品销售订单、信息化管理仓储配送及确定仓储配送中心的选址，如图4所示。在智慧供应链优化方面，主要作用路径是优化商品的库存、优化物流配送和管理存储空间等，其中优化商品库存主要体现在分析和预警存储、预测库存需求和管理库存成本上，优化物流配送主要体现在通过商品销量数据分析和管理采购，科学的安排发货等，管理存储空间主要体现在，通过消费者消费偏好和消费习惯的大数据来分析顾客的购买模式，并据此进行科学的发货处理。在智慧的商品管理方面，大数据通过对消费者消费行为中的交易信息和交互信息分析，进行消费者线上线下的对口商品优化匹配，深层次挖掘市场中的潜在消费者，主要体现在优化商品组合、优化价格和优化商品布局上。其中，商品组合优化主要是根据消费者消费习惯和商品属性的互补，对消费者需求进行分类，针对不同地区消费者的不同偏好，进行地域和渠道的分类；商品价格优化主要是根据商品的销售周期，进行动态化的定价，通过对销量的预测进行价格预算，并选择合适的时机进行商品促销；商品布局优化主要是根据消费者的消费习惯进行货物上架空间布局管理，对销量较大的商品进行显眼位置布局，合理匹配商品与空间。endprint

消费者的智慧购物体验。零售企业借助于大数据分析，可以建立商品消费数据库，从商品属性、消费偏好、价格偏好及功能偏好等多方面，对消费群体进行多维度的细化分析，向不同消费者进行有针对性的商品信息推送和营销，再配合便捷的购物渠道和支付方式，共同打造智慧的购物体验。在打造智慧购物体验中，大数据的作用主要体现在智能分析消费者和全渠道营销方面，如图5所示。从大数据对消费者的智能分析来看，通过统计相关消费习惯和购物记录等数据，可以促进零售企业识别和区分不同类别的消费者，从价格、功能等多维度细分消费层次，同时根据消费者购买同种商品的周期，分析顾客的消费生命周期，从而建立周期性的精准营销方案（沈鹏熠，2011）；此外，大数据通过分析消费者的购物行为可以掌握商品的流通销售渠道，通过对比线上线下同种商品的不同渠道销售数据，对消费者的购物心理和交叉购物趋势进行分析，打造消费者多元化的智慧购物体验。从大数据对渠道营销的影响看，在移动消费终端和移动支付的引导下，零售企业可以适时掌握消费者的地理位置，从而进行位置分析，为消费者提供智能化的商品推送方案；在精准营销方面，大数据充分挖掘市场消费潜力，并根据大众消费倾向宣传消费价值观念，通过对有类似需求的顾客群体，进行关联的匹配性商品推荐，抓住消费者的从众心理，进行营销；在消费者购物的全渠道体验上，随着O20、C2B等零售企业电子商务的发展，大数据和物联网技术对消费者的购物渠道体验感越来越明显，通过对商品的销售渠道统计分析，可以为不同层次消费者制定个性化的购物体验服务，实现购物流程的智能化。

结论

第一，大数据主要通过改变消费结构和创造消费需求影响零售企业的商业价值实现。大数据改变了人们的消费模式和消费习惯，降低了消费者购物渠道选择和商品信息获取的难度，零售企业可以通过大数据分析，进行消费市场的细分和消费者的深层次挖掘，通过建立消费数据库，多维度的细化消费者的商品价格偏好、功能偏好及购物体验偏好。

第二，大数据在零售企业的实践主要体现在精准营销、全方位顾客洞察、商品优化和供应链完善等方面上，其中如何多渠道的獲取和整合有效市场信息，是零售企业构建大数据生命周期体系的关键。此外企业传统信息架构与数据收集存在的矛盾、数据分析软硬件落后、数据分析技能欠缺、运营部门对数据分析结果的解读和利用能力偏弱等都是制约因素。

第三，零售企业在大数据助力下通过企业的智能型运营、智慧的供应链优化和商品管理、消费者的智慧购物体验来实现商业价值。在企业的智慧运营上，主要体现在系统化财务管理、科学化人力资源管理和最小化资源损耗等方面；在智慧的供应链优化和商品管理上，主要体现在优化商品组合、商品价格、商品布局、优化库存、优化物流配送和管理存储空间等方面；在打造消费者的智慧购物体验上，主要体现在智能分析消费者和全渠道营销方面。

参考文献：

1.张.大数据视域下连锁零售业电子商务发展研究[J].商业经济研究，2016（7）

2.傅志华.BAT三巨头“玩转”大数据[J].中国战略新兴产业，2015（1）

3.惠琳.大数据时代本土零售业精确营销探讨—基于数据挖掘的角度[J].商业时代，2014（2）

4.王克富.论大数据视角下零售业精准营销的应用实现[J].商业经济研究，2015（2）

5.陈晓，孙韬.大数据对零售业营销策略的影响[J].金融经济，2015（9）

6.孙华.大数据环境下实体零售业智能零售研究[J].西安财经学院学报，2016（4）

7.郭燕，陈国华，陈之昶.“互联网+”背景下传统零售业转型的思考[J].经济问题，2016（11）

8.沈鹏熠.商店形象、顾客情绪与购物价值—理论模型及实证检验[J].北京理工大学学报（社会科学版），2011（8）endprint