時(shí)間：2017-03-29 16:20:35 點(diǎn)擊：次
來源：HyperS宏路大數(shù)據(jù) 作者：

條評論打印收藏

1.高級數(shù)據(jù)分析不再為分析師所獨(dú)有

可視化及豐富的交互報(bào)表讓店長等角色可以方便快捷地查看數(shù)據(jù),，并挖掘想要看到的答案,。比如，一些大賣場會利用預(yù)測分析來合理分配高峰時(shí)段的人力,，以此確保提供優(yōu)質(zhì)的客戶服務(wù),。

高級分析功能，如clustering聚類,，outlier detection異常值檢測,，幫助店員做出基于數(shù)據(jù)驅(qū)動的決定，如選擇最優(yōu)的店鋪布置,，提升購物體驗(yàn),，最終帶來銷量的增長。

梅西百貨在美國45個(gè)州擁有885家分店,，以及在線電商,。Nihar Bhatt，梅西營銷系統(tǒng)經(jīng)理,，說道：“我們擁有海量數(shù)據(jù),，以及從不同角度出發(fā)產(chǎn)生的各種問題，我們想要知道答案,。”梅西百貨基于跑在Hadoop集群上的自助式數(shù)據(jù)看板,，制定了一系列數(shù)據(jù)驅(qū)動的決定，包括在哪個(gè)門店存儲哪些貨物,，何時(shí)向消費(fèi)者發(fā)出優(yōu)惠促銷信息,，以及在電商官網(wǎng)首頁重點(diǎn)推廣哪個(gè)產(chǎn)品。營銷分析與CRM部門副經(jīng)理Karem Tomak表示：“數(shù)據(jù)可視化讓理解一個(gè)現(xiàn)象更簡單,。”

2.利用移動設(shè)備查看數(shù)據(jù)分析將成為新常態(tài)

借助移動設(shè)備挖掘數(shù)據(jù)洞察正成為決策制定的核心,。比如說，消費(fèi)者想知道一件商品是否還有存貨,，店員可利用隨身的移動設(shè)備(如平板,，手機(jī)等)快速地查詢到結(jié)果，比以往更有效率,。

與此同時(shí)，辦公室內(nèi)的員工正在減少對電腦及紙質(zhì)報(bào)告的依賴,。每時(shí)每刻與移動數(shù)據(jù)相關(guān)聯(lián)已是商業(yè)新常態(tài),。商家、區(qū)域經(jīng)理,、損失預(yù)防部門,，甚至是供應(yīng)商,，都會摒棄傳統(tǒng)的電子數(shù)據(jù)表，取而代之的是利用移動設(shè)備上可協(xié)作的可視化圖表,。這將大大提升庫存,、跨渠道供應(yīng)鏈及運(yùn)營部門的效率。

3.物聯(lián)網(wǎng)開始提升數(shù)據(jù)準(zhǔn)確性

Beacons,、基于Wi-Fi的傳感器,、Radio Frequency Identification(RFID) tags、二維碼等等,，可以將供應(yīng)鏈的數(shù)據(jù)完全打通,，提升店內(nèi)庫存數(shù)據(jù)的準(zhǔn)確性。

商家多渠道觸點(diǎn)的覆蓋,，讓消費(fèi)者已經(jīng)習(xí)慣于隨時(shí)隨地獲取想要的信息,，如準(zhǔn)備購買的商品在哪家有庫存，離自己最近的提貨點(diǎn)的位置等等,。為了進(jìn)一步提升購物體驗(yàn),，零售商將利用物聯(lián)網(wǎng)數(shù)據(jù)，在線下店鋪及電商實(shí)時(shí)呈現(xiàn)商品庫存數(shù),、商品的具體位置,、具體門店等信息。

Bill Connell,梅西報(bào)貨物流及運(yùn)營副經(jīng)理,，在接受RFID Journey采訪時(shí)表示：“消費(fèi)者群體的需求太多了,，‘我想要這件商品，我想要知道你們是不是售賣它,，我想要確保你知道我購買方式的偏好,，我現(xiàn)在就想要擁有它’，如果作為零售商的你的數(shù)據(jù)無法滿足這些需求,，麻煩可大了,。”

許多傳統(tǒng)企業(yè)也開始利用物聯(lián)網(wǎng)數(shù)據(jù)洞察消費(fèi)者行為。移動數(shù)據(jù)幫助商家清楚掌握店內(nèi)的哪種營銷手段表現(xiàn)最好,，以及消費(fèi)者最常有的購物路徑,。然后營銷部門會利用這些數(shù)據(jù)對店內(nèi)的展示路徑進(jìn)行規(guī)劃來規(guī)劃，以此提升銷售額,。

4.多渠道數(shù)據(jù)的整合令人驚喜

時(shí)機(jī)就是一切,，零售商想要敏捷的數(shù)據(jù)分析，以此快速決定在對的時(shí)間,，把對的內(nèi)容,，傳遞給對的人。成功的零售商必須能夠以全局統(tǒng)一視角看到銷售渠道數(shù)據(jù)、供應(yīng)鏈的數(shù)據(jù)及消費(fèi)者數(shù)據(jù),。

2017年我們將看到數(shù)據(jù)整合領(lǐng)域涌現(xiàn)的更多玩家,。目前一些行業(yè)領(lǐng)先的零售商都在利用一種叫cross-database join的技術(shù)，把生產(chǎn)數(shù)據(jù)及員工跟蹤數(shù)據(jù)打通,，以此查看員工的生產(chǎn)效率,。

新加坡零售商Metro在2014年估值超過1.94億美元，他們通過收集整合多樣數(shù)據(jù)來分析店內(nèi)高峰低谷消費(fèi)時(shí)段,、庫存流動,，以及消費(fèi)者行為。

“我們從數(shù)據(jù)渠道A可以獲得銷售數(shù)據(jù),，在渠道B可以獲得交易數(shù)據(jù),，渠道C帶給我們消費(fèi)者數(shù)據(jù)。在過去把這些數(shù)據(jù)打通需要花費(fèi)好幾周的時(shí)間,，現(xiàn)在只需要幾秒鐘就夠了,。”Metro商業(yè)分析負(fù)責(zé)人Erwin Oei如是說道。

5.機(jī)器為零售數(shù)據(jù)帶來新機(jī)

在2017年,，我們將看到機(jī)器,、機(jī)器人與人工智能將幫助零售商處理更多的日常任務(wù)，如搬運(yùn)貨物,，分發(fā)廣告,，甚至是進(jìn)行消費(fèi)者采訪和結(jié)賬操作。這些機(jī)器將會作為新的數(shù)據(jù)觸點(diǎn),收集更多關(guān)于消費(fèi)者行為,，并讓員工加以利用這些數(shù)據(jù),。

6. ARVR將為零售分析帶來更多洞察

2017年，消費(fèi)者可以使用ARVR在下單前體驗(yàn)購買后的使用場景,，以此作出消費(fèi)決定,。將顧客的疑慮從purchase cycle中拿走，將會提升銷量,，提高消費(fèi)者滿意率,，并減少成本。

零售商也可以利用ARVR打造更多購物場景,，而不用花費(fèi)大量成本和空間去打造一個(gè)個(gè)實(shí)際展位,。