當我們回顧零售業的傳統競爭格局，仍以商品同質化、價格大戰、成本領先為導向，但新一輪的技術革命正為零售商帶來新思路：關注顧客體驗，提高回頭率與轉化率，強調服務增值等新的盈利點。

過去十年，大數據逐步成長為現代人生活中的血液。社交、移動APP、PC瀏覽器，甚至是家里的無線電視、便利店的POS機、個人電子錢包…等等。我們的每個舉動，都被記錄為數字，轉化為數據被存儲、被分析、被運用，這些數據在生成的時候是彼此獨立的，貌似雜亂無章的，甚至在產生和收集的時候是沒有特定目的的。

但是大量的數據聚集在一起后就有可能得到客觀而又準確的統計結論，進而指導各種商業行為決策，甚至引發商業革命。這次以大數據為核心的智能革命也不例外，其催生了新的思維模式和商業模式。

然而，這只是一個時代巨幕的起始

當我們回顧零售業的傳統競爭格局，仍以商品同質化、價格大戰、成本領先為導向，但新一輪的技術革命正為零售商帶來新思路：關注顧客體驗，提高回頭率與轉化率，強調服務增值等新的盈利點，這一思路正在不斷顛覆傳統競爭格局，也必然最終徹底打破現有的局勢。

深層次地，當所有的消費者、所有商品、所有線上線下（人貨場）開始聯動起來，進而被記錄下來，這就為機器學習和人工智能打下了基礎，而原有的價值創造體系將遭受巨大沖擊，這意味著大數據不在簡簡單單的是企業的BI報表，不再是傳統的ERP數據搜集和傳輸，更多的是數據驅動、算法驅動、模型驅動，它將充分利用更全新的方式形成更強大的“大數據智慧體系”：從大數據的產生、收集到大數據的分析應用、指揮商業智能決策乃至執行行為預警反饋，形成整個數據的完整閉環與升級。

作為零售企業，需要高度重視自己的和跨界伙伴的大數據資產，并加以充分利用，包括CRM顧客數據、社交媒體粉絲數據、供應商數據、企業運營數據、行業數據、天氣數據等。企業需要逐步整合、不斷擴大、有效積累并結構化大數據資產，通過數據分析不斷挖掘大數據資產的價值，最終轉化為用戶價值、企業價值和社會價值。

因此，零售產業可以充分結合“大數據智慧體系”的特點進行四大角度的大數據創新性應用，分享數據經濟時代的成果。

應用一：大數據預測

對大數據進行分析的核心目的就是預測顧客的下一步的需求，基于海量數據結構化分析的基礎上，通過各種算法包括人工智能、機器學習等前沿技術和數學建模來進行預測并做出相應決策，進而創造更優的顧客體驗、更多的交易、更多的業務創新，釋放儲存于數據之中的能量。

大數據預測的目的其實為更加精準的服務消費者，而這種精準的服務其實是建立在和消費者大量持續的互動基礎之上的，其實一方面是讓消費者產生更多更好的數據，另一方面是令產品和服務可被持續優化和迭代，這也是讓消費者在海量信息選擇中享受到和自己更加匹配適合的產品和服務的基礎，同時也成為零售商提升利潤降低成本的重要方法。

應用二：大數據營銷

新時代下，零售商應該充分挖掘大數據的商業力量來提高商品的轉化率。亞馬遜等公司的發展和成功，并非因為他們向消費者提供信息，而是他們向用戶提供快速決策和進行下一步行為的捷徑。消費者是全渠道購物者，他們的購買旅程普遍是從一個渠道開始，最后在另一個渠道結束，例如在網店上瀏覽查看商品屬性、價格、庫存等信息，在線購買，線下提貨。

用戶的每一步行為都會留下大量的信息，通常各種類型的數據會混雜在一起。針對這些數據，公司需要充分將數據結構化并進行大數據挖掘，從而提供從“千人千面”的個性化購買建議和促銷信息，提供全渠道的客戶購買體驗，激發他們的情感連接。

同樣，不僅是電子商務和互聯網公司可以根據大數據進行產品研發和服務開發，任何行業的任何公司都可以。每一個零售企業，每天都掌握著每個供應商以及顧客們海量、真實的交易數據，零售企業可以根據這些大數據分析了解消費者購買的關注點，開發很多創新業務，進行商業模式、產品和服務的創新，打開消費新市場。

應用三：商業仿真輔助智能決策

大數據智能時代為我們帶來決策和管理的新方式，零售企業的決策者們需要習慣數據驅動的實驗和測試，對任何重要項目進行小規模但系統的驗證實驗，使得制定出的決策更加可靠。

這其實就是要依據企業經營決策的基本原理和方法，借助計算機特有的功能，運用仿真技術，針對供應鏈流程中的隨機因素，引入各種約束條件，構建出若干個相互關聯的供應鏈場景模型，根據隨機因素的特定概率分布，以真實供應鏈管理的情景為參照物，進行模擬、比較、優化，并通過反復的計算，全息模擬各種動態經營決策，給企業經營者再現真實的業務場景并進行管理決策、模擬和演練，為經營者最終的管理決策提供重要支撐。

比如運用大數據仿真實驗室，通過仿真模型來研究不同地區、不同消費社群的不同促銷方案，比較哪種最有效，哪種投入回報最高。通過全真模擬供應鏈中真實情景，事先預知各種決策可能的結果，提高決策準確性

應用四：數據服務

零售企業通過持續不斷地推動數據開放和共享，建立與各種社交媒體、跨界合作伙伴聯盟，與自己現有的和潛在的供應商、第三方軟件開發商、第三方賣家平臺、銀行等形成數據合作，確立科學的數據標準和應用程序調用接口，以保證數據質量和可用性。零售商和互聯網公司掌握著大量消費者數據、品牌商渠道商的銷售數據、庫存數據等，可以充分將大數據成果向各渠道、品牌商進行定期分享。

比如“智能補貨”的應用，這不僅極大地減少門店斷貨的現象，更關鍵的是可以大規模減少整體供應鏈的總庫存水平，提高整個供應鏈條和零售生態系統的投資回報率，創造非常好的商業價值。還有挖掘消費者數據價值，與廣告商進行合作，精準廣告投放與營銷等，都是數據服務的縮影。

在今天的大數據和人工智能的時代，雖然每個公司都會得益于數據使用所帶來的好處，但這并不意味這每家公司都要自己養著數據科學或者機器智能方面的專家，未來更加普遍的是付費使用第三方的服務。在未來，我們會看到，大數據和人工智能方面的工具就如同水和電這樣的資源，由專門的公司提供給全社會使用。

新一輪更加深入的變革正醞釀航行，零售業必將轉向將“大數據智能體系”植入消費產品和服務業務的新航線。

因此，對于那些想要在新的數據經濟中獲得成功的公司，要用全新的視角看待“大數據資產”的價值和作用，要從根本上重新考慮如何利用大數據為自己和客戶創造價值的戰略高度著手，規劃調整企業核心競爭力，驅動新能力、新崗位和新業務的持續升級。

本文作者高峻峻，億歐專欄作者；微信：gaojunjun253224（添加時請注明“姓名-公司-職務”方便備注）；轉載請注明作者姓名和“來源：億歐”；文章內容系作者個人觀點，不代表億歐對觀點贊同或支持。