數據武裝大腦 制勝消費零售閃電戰

原標題：數據武裝大腦，制勝消費零售閃電戰

　　一、不斷翻新的零售戰場

　　長久以來，中國的零售業態常以傳統的夫妻老婆店為主。直到20世紀90年代，萬科旗下的萬家超市在深圳成立、第一家物美超市在北京開業，正式拉開了現代零售業序幕。同時段，《關於商業零售領域利用外資問題的批覆》於1992年出臺，吸引了大量外資廠商家樂福、沃爾瑪等紛紛進駐這片草莽之地，中國零售業迅猛發展。1998年，京東成立，2003年淘寶上線。電商時代的新零售登上歷史舞臺。

　　回顧這近20年的中國零售發展史，冗雜了現代零售體系內生發展、外企零售體系入駐、電商，多元化的複雜體系締造了中國零售數位化充滿挑戰和機遇的生態網絡。

　　在這個混雜的生態體系中，不同業態、渠道、品牌的企業互相競爭、發展，甚至顛覆，玩家眾多帶來的壓力使每一股力量都在拼盡全力地攻城略地，他們在短短的20年內，快速走過了萌新階段，以最快速度成熟、落地、再革新。超速的變革使得中國零售市場位居世界前列。可以預見的是，這場變革的速度不會降下來，並且在各種先進的技術賦能下，以更快的速度向前發展。

　　這像懸在零售行業的達摩克利斯之劍，刺激著每一個零售企業的神經，同時刺激著在此環境中成長起來的中國消費者，在代際差異被加速放大的影響下，其消費行為逆向影響著零售業的發展。

　　中國連鎖經營協會彭建真在觀遠數據2020智能決策峰會暨產品發布會上提到，受零售環境和科技技術影響，當下消費者行為主要有4大顯著變化：消費者對於手機或行動裝置的依賴顯著增加；消費者光顧實體門店的時間在縮短，意願也在減少；消費者購物渠道日趨多樣；消費者偏好逐漸走向健康化、安全化、高性價比。

　　從一個高維視角來看，品牌、生產、消費者之間的連接在過去20年不斷升級、複雜、重組，就像一片荒土上先後造了公路、鐵路，以及機場和航線，看似各個主體之間的連接更便捷、更多元，但未必更高效，最終更依賴於整個體系的管控程度。

　　因此，如何面對超速的變革、如何更好地利用技術賦能，如何利用消費者行為促進零售行業發展都成為零售科技行業的重要命題。

　　二、零售數位化的槍與炮

　　最近，上市的完美日記(主體為逸仙電商)在招股書裡披露了發展4年上市的財富密碼——DTC模式及模式後的強數據驅動。

　　逸仙電商的全渠道DTC模式指的是通過電商、社交媒體、直營門店「直連」消費者，可以減去傳統美妝市場中間分銷商的分得的約50%利潤，進而提高定價競爭力；除了渠道和營銷優勢，DTC模式還可以實現更高效的供應鏈管理、產品研發管理。

　　而使DTC模式正常運行有兩個關鍵點：

　　第一，需要建立與消費者連接的數字戰略，這要求品牌商需要從管理理念、管理模式上就形成較強的「數據驅動」體系。

　　逸仙電商在招股書中披露：利用DTC 模型，可以實時訪問大量有關客戶行為、偏好和反饋的數據。這些數據有助於我們的業務決策，並使我們能夠更好地滿足客戶的需求。

　　第二，需要打造適合的數據分析和應用系統，數據驅動的理念需要合適的工具實現。

　　逸仙電商除了開發和使用傳統的SRM、OA、OMS、PLM、POS，還使用KOL管理系統、實時大數據平臺以及多個外部系統的集成平臺(如物流、倉儲、供應商系統)，最直觀的效果就是從產品概念誕生到產品上市的過程小於6個月，遠低於國際品牌7~18個月開發周期。

　　觀遠數據創始人兼CEO蘇春園在其2020智能決策峰會暨產品發布會上也分享了幾個案例。來自河南鄭州的蜜雪冰城不到三年從全國3000家門店擴張到1萬家，可以通過數據工具和平臺將所有門店管理起來，並迅速將類似「草莓搖搖奶昔」的爆品，從單門店、單區域擴展到所有門店。

　　另一個典型的例子是上海Lily商務時裝。目前在全國有1000家門店，可以做到以小時為單位去感受1000家門店的經營脈搏。例如，服裝行業裡比較經典的258黃金點，即下午2點、5點和晚上8點，不同的點如果指標沒有完成，就可以通過數據分析及時追蹤是哪些原因導致，是客流、櫥窗擺設還是服務問題，找到問題之後，就可以通過及時人為幹預抓住其中的增長機會。

　　「原來說零售消費是一批貨，一群人，今天講的都是單店、單品、單時、單度、單客、單次，所有的經營元素，不斷地在被拆細。過去幾年，最大的技術浪潮就是算法和算力不斷增強，讓企業能夠更細顆粒度地去洞悉問題和機會，這也是商業最本質的邏輯：在合適的地點以合適的方式給顧客合適的商品服務。」在談到目前零售數位化現狀時，蘇春園如是表示。

　　如今，零售行業數位化的理念已經深入人心，其衍生的數位化工具也將帶來巨大的市場空間。

　　整個數據體系工具主要可以分為幾大陣營：

　　第一、最開始計算機對數據最重要的需求是存儲，因此早期的數據體系圍繞資料庫的改進進行。1970年Codd提出的關係型資料庫，並在隨後10年內快速產業化，誕生了IBM、Oracle等資料庫巨頭；

　　第二、之後發展起來就是以BI為主體的數據分析和決策系統。20世紀70年代誕生了第一批如SAP、Siebel 和 JD Edwards等BI服務商，並經過不斷發展逐步奠定了目前主流的數倉+OLAP+數據挖掘的商業智能分析體系。

　　第三、由於網際網路的普及，大數據、數據安全也逐步走上臺前，而整個數據分析的體系也在傳統BI的基礎上向敏捷化、智能化、細顆粒化發展。

　　數位化的理念，敏捷化、智能化、細顆粒化的數據分析和應用工具就是零售數位化的槍與炮。

　　三、望見粒子，觀遠數據的灰科技

　　針對零售消費領域的新變化，蘇春園提出，科技服務企業需要將「黑科技」轉變為「灰科技」，而灰科技主要具備三個特徵：首先一定是真正地為用戶服務，產生業務價值；其次是能上山下鄉地落地；更重要的是它是一個不斷進化的過程，並且更多的是技術之上的實踐。

　　從基因上來說，觀遠數據的定位是希望給客戶提供AI+BI的能力，目前，觀遠數據已具備適合當下零售數位化轉型的核心特徵——敏捷化、智能化、細顆粒化。2019年，觀遠數據產品共迭代了48次，2020年還未結束，觀遠數據產品已經更新85次。觀遠數據聯合創始人兼CTO 張進發布了「一站式智能數據分析3.0平臺」，主要包含三條產品線：Universe數據開發、Galaxy數據分析、Atlas雲。張進表示，三條產品線就像人類探索宇宙一樣，Galaxy像可攜式的望遠鏡隨時打開，探索決策奧秘；在面對複雜化的決策流程時， Universe像強大的基座可以幫助企業望向外太空；而在深耕行業不斷實踐的過程中，Atlas則像星圖一樣幫助企業沉澱行業最佳實踐。

　　Galaxy 數據分析：應用於企業數據採集、智能ETL、可視化自助分析、數據大屏、數據門戶等數據分析和決策場景，為企業快速構建敏捷智能數據分析平臺。

　　Universe 數據開發：提供全方位的數據開發框架，為數據開發者提供數據接入、任務調度、AI模型實驗室、插件拓展與存儲等服務，有效管控數據產出時效與質量。

　　Atlas 雲應用：提供基於雲計算的高可用部署方案和雲巡檢服務；同時，將豐富的行業實踐經驗抽象沉澱為AI+BI雲應用，助力企業快速深度挖掘商業數據價值。

　　性能提升方面，Universe平臺從10億行的數據規模提升到100億行，可以幫助企業面對更大巨量數據時做到敏捷高效決策。在提到觀遠數據如何在發展多年的BI市場破局時，蘇春園告訴億歐：「除了技術能力，我們更長期在零售行業的業務理解和打磨會形成真正產生價值的行業方案，這也是我們灰科技概念的由來。」

　　事實上，實際部署和使用過程會由於企業的業務形態和成長階段千差萬別。觀遠數據平臺的一站式智能分析產品矩陣，可按企業個性化數據分析決策需求進行自由組合，始終陪伴企業客戶成長的每一階段——平臺「一站式」理念貫穿至產品架構及服務全流程，讓企業不同角色在不同時期完成不同場景的分析和決策需求，以此實現降本增效和業務增長。

　　長期專注在BI+AI、長期深耕在零售場景，觀遠數據將在零售數位化的浪潮裡找到自己的發展之道，從灰科技中發現更大的數據價值。

（文章來源：億歐）

(責任編輯：DF506)