数据分析在新零售物流体系中的应用探索*

□ 徐圣泽，浦东平

(1.上海理工大学 管理学院，上海 200093；2.上海理工大学 公共实验中心，上海 200093)

1 引言

“新零售”是从我国高新技术飞速发展中衍生出的新兴概念，不论是在理论研究还是实践应用方面都离不开大数据和云计算等技术加持[1]。相比之下，以往传统的线下零售模式有明显的地域局限性，易被地理因素制约，而新零售以一种全渠道模式将线下体验、线上服务、智慧物流相融合，形成了极为有效的市场资源配置。在不断更新的移动通信技术助推下，移动购物、在线购物等方式逐渐成为主流趋势，愈发凸显线下零售等单渠道模式的边界壁垒[2]。

新零售模式是对传统零售模式的一次变革。与传统零售以差价为利润点、商品交易作为服务模式，依靠竞争博弈谋求合作关系的体系不同，新零售所孵化的“OFL”(线上、线下、物流三者相结合)商业模式体系，主要业务是将商品和服务捆绑销售以满足消费者需求，同时与合作伙伴利用消费者数据合作共赢，通过融合的全渠道，以增值服务作为盈利点，用下游数据对上游定制，以持续性交互社区模式作为服务模式。

目前，新零售模式变革下的物流趋于去中间化和多级分仓，故低价值和低附加值的中间环节逐渐减少。“新零售消费大数据平台”正是顺应新零售潮流的产物，与物联网有着千丝万缕的关系，是零售商家进行数据化转型的最佳选择之一。“新零售消费大数据平台”以产品二维码标识为入口形成一张巨网，把产品转化成与消费者形成关系的触点，因此可以把终端路线描绘成“蜂巢”，让企业更好地洞悉产品走向，赋予产品本身营销功能，减少中间环节费用的投入；同时对整合后的金融、运营商、交通、快消等数据进行分析建模，搭建多维度数据体系，与企业运营全流程进行融合，就可以根据自身数据辅助企业进行新品开发、产品优化、产品运营、洞察市场先机、科学决策依据、异业多场景营销[3]。因此，唯有通过数据分析才能真正实现新零售中线下物流和线上商流的融合发展。

2 新零售模式下的智慧物流现状

“智慧物流”的发展依托传统物流已有的发展成果，弥补了“高人工、低效率、不智能”的不足，同时也在寻找新的拓展途径以降低物流成本、增加物流效率。有数据指出，近年来智慧物流市场规模持续增加约一倍，同时每年增速逐渐下降趋于稳定，约在17%左右，表明我国在智慧物流市场开拓方面的可持续发展以及新零售形势下智慧物流的需求量是稳定增长的[4]。

图1 2016-2020年中国智慧物流市场规模及增长趋势

在人工智能、大数据的背景下，“智慧物流”面对的是更广阔的市场，与传统低信息化物流不同的是其以客户需求为导向，强调客户体验，着眼长期合作，不局限于散单式的经营体系，坚持追求关系营销模式，以合作商之间的良好协同配合为目标[5]。智慧物流在运用高新信息技术确保全程供应链良性运转的同时，也面临着以下三方面的新挑战。

2.1 客户产品需求难匹配

目前，新零售所搭配的传统物流常常会伴有以退换货行为为主的逆向流转，增加了物流成本。同时对于退换货的原因，产品方只能通过反复地一对一交流来理清产品所存在的问题，无法进行智能、自动化的修正及分类来改善问题，因此也无法对多样化的顾客进行个性化服务及推荐，导致顾客无法精准地购买到心仪的产品，从而造成顾客流失率高，同时也无法培养顾客对于产品、品牌的忠诚度，用户体验没有得到满足，导致回头客占比下降。

2.2 平台服务效率待提升

信息化物流企业最需要具备的硬实力就是能够以客户、用户为对象构建信息与服务平台。目前，发布信息是大多物流信息平台的主要功能，但是却不能完全发挥信息化平台的信息共享、交易、一体化管理等优势，导致信息类型繁多，不能对产生的信息进行有效智能识别、整合消除，存在一定程度的信息沟通障碍。而目前我国物流的信息标准未统一，信息接收端口不一致，对于用户、供应商客户、企业等多方物流发展需求难以满足，主要表现在：一方面，客户无法无差错地将大量业务数据严格标准化录入系统，另一方面，多样化且大量的数据接口对物流企业的工作效率产生了消极影响[6]。虽然当前已有部分物流企业如菜鸟、京东等在完善物流信息体系，但是此类企业仅占物流类企业的10%左右[7]。

2.3 社会监管制度不健全

作为新零售模式下的新兴物流模式，其新零售的核心是以消费者价值主张为核心的资源整合过程，通过信息挖掘满足消费者的所有消费需求，并与之建立起良性互动关系以增加消费者黏性。而智慧物流作为一套闭环生态系统是互联网大数据技术的产物，其更加强调网络化的虚拟组织之间的合作，参与主体扩大，不仅是人与人之间的关系合作，更多是由陌生关系遵循着该市场的运转守则进行常态化交易。由于其打破了边界感，因此以税收制度为首的相关监管制度无法与市场环境融为一体、制度对市场的作用不强，导致部分智慧物流仍处于“灰色地带”，因此诚信考核体系的建设与相配套法律法规的制定落实仍需被重视[8]。

3 数据分析赋能新零售物流领域

3.1 数据分析的应用实例

3.1.1 “盒马鲜生”的新零售模式

新零售本身在以消费者为中心的基础上，通过数据和技术提高零售效率及推动供应链转型，将线上线下体验与现代智慧物流紧密结合的观点已为大众所接受。众所周知，盒马鲜生是运用新零售模式“出圈”的典型。

盒马鲜生崛起最重要的因素在于线下给线上引流。“仓库”与“体验馆”是线下门店扮演的两个重要职能，线下门店接到线上顾客的订单后，立即通过全流程物流带运输发货，提高了出货量、降低生鲜产品的养护和管理成本，因此极大地控制了仓储成本。

针对消费者的“购-食”一站式服务也是其一大特色。顾客线下门店体验这一营销模式，不仅为顾客提供了方便，也使得顾客对超市环境和食品质量产生信任感，提升品牌好感度，易形成多次回购，同时其众多顾客也是被智能物流的便捷配送所吸引，慕名前来。最终，形成了线下体验拉动线上消费的典型新零售模式。

在技术上，盒马鲜生具有极大的优势，运营系统是其核心价值。盒马鲜生在大数据分析、智能物联网等先进技术设备上都实现了人、货、场的三者匹配，从供应、储存直至最后配送的高效流程，展现了十分完整的物流体系。

3.1.2 打造数字化基底，推动智慧化物流

线上购物的流行推动着物流配送的发展，线上线下的本地新零售便展露了头角。线上指令可通过智能数据迅速匹配到距离消费者最近的仓储或线下实体店，随后接入物流运输体系，高效送货上门。

作为庞大的服务支持体系的核心，多家核心企业发挥各自的作用，构建出一个生态体系——智慧物流生态的中台，打造及时、精准、完善的新物流服务。与此同时，线上线下“软硬兼施、人机匹配”的基础设施搭建了一个稳固的后台，是穿插线上线下的一个关键连接枢纽[9]。

对于盒马鲜生的物流而言，智慧物流相当于是现有供应链的延展，在新兴科技的带领下，逐渐使商流、物流、信息流、资金流一体化，将市场与企业、个人有机结合，带动生活与管理的智能化。而智慧物流可以分为两个端口，一是企业端，对企业未来的产品销售情况进行预测，作必要的库存安排以降低成本；二是消费端，把重心放在消费者体验和需求上，不断满足消费者的个性化需求，将产品更快更准地送到消费者手中。

盒马鲜生之所以能够做到一应俱全，数据分析的地位举足轻重。一方面，可以通过数据分析技术高效预知产品未来的情况，譬如过期、缺货，使工作人员立即改善。另一方面，可以对顾客的消费行为及习惯进行准确直观数据分析，进而对供货量或是促销策略采取调整措施,从而更好地保证产品质量和进行市场运营。

3.2 数据分析的应用价值

3.2.1 提升平台价值，优化物资管控

一方面，要改善信息平台落后的问题，就要借助数据分析的手段以协同化信息平台为载体来对供应链体系、商业模式等方面进行变革、重构。强化智慧物流信息协同化思想，逐步推进、渗透，形成以产品生态圈簇拥区域信息平台的放射式结构框架[10]。供求双方信息匹配更加自主客观，通过数据分析信息平台进行统筹规划，精确需求，对新零售体系下的商品实施精准调配，提高渠道效率。

另一方面，轻负担库存作为物流企业重要的运营目标，与高收入、高利润、低贬值等关键词相挂钩。数据分析所得的预测销量可作为安全库存调整、优化配送频率以及生产产品数量的重要依据[11]。同时也可以对计算机算法进行不断优化,去计算物流调度中货物的车辆装配、运输与卸载来达到低成本、高效率的目标。

3.2.2 减少逆向物流，增强客户粘性

逆向物流通常指售出的货物主体及其伴生物品的回流行为。由于会产生极高的成本费用，因此企业选择放弃低值物品，不进行收回。若借助自适应数据分析来找到退换货的原因，并测试与销售方等一些因素的相关性,则可以制定相应的解决方案[12]。通过对海量数据进行分析，根据智慧物流的运量、货物分布、时间分布、线路等不同维度因素的特点，分解出对应的二级细分领域，经聚类分析、用户画像等数据处理方法，可以实时具体地掌握顾客的习惯，从而对客户施行分类精准推送。同时使用主成分或因子分析法，对外部负面反馈进行运营管理的分类，有针对性地改进以提升用户体验、增强客户粘性。因此，新零售模式下智慧物流不仅要在技术方面因地制宜的实现，更要建设完备完整的生态系统模式闭环。

3.2.3 掌控全程信息，健全保障体系

为了实现供应链一体化战略,企业依靠大数据分析，掌握上游甲方信息、下游终端信息，个性化定制整个供应链上不同企业的需求,在获得精准用户画像的基础上一并实现主动配送、补货、开拓市场等功能。根据往期数据及相关性数据，建立回归，当达到最佳拟合状态时，用最小二乘法计算出各观测点距离拟合图形的数值。

同时，数据分析也能健全社会监管保障体系。智慧物流作为大数据技术的衍生产物，扩大了参与主体，在税收等相关制度还未与市场环境相互完善的情况下，滋生了“灰色产业”，而数据分析能够针对智慧物流所产生的一系列全过程数据进行程序分析，保证智慧物流在虚拟网络中的合作能够遵循市场运转守则，进行常态化交易。

4 数据分析云平台的架构设计

众所周知，云服务已经深入人们数据储存、处理的角落，因此亟需对新零售背景下智慧物流行业搭建数据分析云平台，以进一步深入分析物流行业所产出的数据。这样不仅能及时弥补用户匹配度低、信息处理落后、监管不到位等短板，还能结合其应用价值，加速新零售模式下智慧物流的发展。

云计算是分布式计算的种类之一，可以通过“云”中网络处理大量数据并通过程序进行分解。随后，通过服务器系统进行数据处理和数据分析进而将结果反馈给用户。通过这项技术可以在短时间内实现对万、十万计的数据进行处理，进而使网络服务愈发强大。而现阶段，其不仅是分布式计算，更是结合了效用计算、负载均衡等计算机技术混合演进并跃升的结果。

图2为新零售物流数据分析云平台的具体层次架构，其可分为应用层、仿真层、服务层、支撑层、数据层、终端层。

图2 新零售物流数据分析云平台的具体层次架构

应用层反映了新零售物流数据分析云平台的整体架构模型，它不仅能对大数据物流信息进行深度分析，打下完善的数据和理论基础，而且能够与用户进行直观交互，其包含订单功能、储存功能、运输功能、交易功能及系统管理功能五个功能模块，可在交互界面将交互数据与相关接口进行定向自动绑定。由于其交互对象范围广，包含多方用户，因此其所衍生出的物流信息可与商业信息等要素形成一张紧密的物流网络，用户可以以多身份通过在交互节点建立交易通道的形式与其他用户进行交易，提高交易效率和信任度。

仿真层主要是为了呈现数据可视化功能，经过业务分类推动了不同业务之间的共同发展，系统将其划分成四个层次。在用户层中，用户可以利用不同的浏览软件对相关的应用进行浏览和下达各种指令来运行业务[13]。在性能层中，可对关键的数据信息进行整合与分析说明，并将结果反馈至客户。数据库的作用就是在整体平台进行数据存档、整体分析、动态更新。依靠数据可视化的功能模块能够进行逻辑链式的自适应数据处理，结合人类的数据结果识别能力以及数据分析能力对物流数据进行精准评估，从而对智慧物流模型方法进行调整。

服务层以经过处理的大数据所提取累积的模型和数据进行自动选择匹配相适应的物流模式。模型的累积是为了通过对不同历史数据的比对来决定采用的模型，同时优化算法模型以更好地匹配未来的物流数据，精确分析各类用户需求，也可以对废弃数据进行再利用。

支撑层在访问者身份及数据权限获取的安全管理、数据储存及转换的数据管理和服务器部署监控的服务管理三方面起到了重要作用，不仅承担着整个平台的桥梁作用，同时也是物流系统服务的提供者。其从客户端通过平台数据信息的传输与转换向客户提供数据访问服务，其数据通过智能合约进行获取、传输和验证来实现物流数据的防伪与永久储存。

数据层用来存放数据分析平台所需要的基础用户信息、模型库、基础元件库和物流数据等信息，主要由智能合约数据库和星际文件储存系统数据库组成。在智能合约数据库中分别有库存货物信息、仓储信息、订单信息等，而星际文件系统中主要存放大内存数据，如车辆图片采集信息等大容量信息。

终端层是整个平台运行的底层机制，各个销售端将数据输送至物流数据中心，再将数据汇总至数据分析段进行分析，最后可以在平台的各个移动终端查看所得到的分析评估结果。

5 结束语

基于数据分析的新零售模式下的“智慧物流”具有强大的工作和处理能力，能够有的放矢、缓解目前现状中亟需解决的问题，并从中创造出新的财富，而我国正处于新零售行业迅猛发展的时代，物流行业也应紧紧抓住这一机遇，顺应这一趋势，在变革中不断优化自身的运营发展模式。尽管我国对于物流行业的需求和要求在不断提高，但是物流行业也应健全管理模式、完善人员体系。研究认为在后续的发展过程中，物流企业应充分利用大数据互联网时代的浪潮，利用新零售物流所带来的优点和数据分析所能带来的优势来弥补传统物流的缺陷，真正做好物流管理、物流配送工作，为消费者提供更加良好、人性化的服务。