首先做下說明，解答某些讀者的疑惑。本公眾號所講的零售是泛零售的概念，傳統(tǒng)零售都是指實(shí)物商品的零售，而我們所講的零售根據(jù)售賣標(biāo)的的不同，分為商品零售和服務(wù)零售。都?xì)w屬于泛零售的范疇。在以后推送的文章中還會有更深入詳細(xì)的闡述。

現(xiàn)在回到本文的重點(diǎn)，今天主要講的是零售和數(shù)據(jù)。首先來看數(shù)據(jù)，數(shù)據(jù)有兩個(gè)維度，一個(gè)是數(shù)值，例如一個(gè)數(shù)字、一段文字、一段音頻、一張圖片等等；另一個(gè)是賦值，也稱為打標(biāo)簽，這個(gè)在AI領(lǐng)域是個(gè)基礎(chǔ)工作，例如姓名、性別、銷售額、支出等等。賦值一個(gè)數(shù)值，就是一個(gè)數(shù)據(jù)。拿一個(gè)形象的比喻來說，數(shù)值和賦值就像一張平面表格的行和列，行和列的重合處就是數(shù)據(jù)。零售的數(shù)據(jù)是最為復(fù)雜的數(shù)據(jù)之一，復(fù)雜的關(guān)鍵就是賦值的多樣性。
從數(shù)據(jù)我們引出目前火熱的大數(shù)據(jù)，我的理解來說，大數(shù)據(jù)目前有兩個(gè)層面，一個(gè)是大量數(shù)據(jù)，這是一級層面；另一個(gè)是大的數(shù)據(jù)，這是二級層面。目前，很多大數(shù)據(jù)的應(yīng)用都還集中于一級層面大量數(shù)據(jù)，主要有數(shù)據(jù)采集、數(shù)據(jù)匯總等。從零售業(yè)來說，零售運(yùn)營開始，就是一個(gè)天然的數(shù)據(jù)數(shù)值生產(chǎn)的過程，只要運(yùn)營不停，根據(jù)數(shù)據(jù)賦值的不同，數(shù)據(jù)的產(chǎn)生和累積就是不斷增加的。從零售信息化來說，目前零售業(yè)各個(gè)系統(tǒng)的應(yīng)用，都實(shí)現(xiàn)了大數(shù)據(jù)的一級層面，在數(shù)據(jù)采集、數(shù)據(jù)匯總、數(shù)據(jù)存儲等領(lǐng)域有了成熟應(yīng)用。大量數(shù)據(jù)，對于一個(gè)成熟的零售業(yè)態(tài)來說，不是一個(gè)瓶頸問題。而在大數(shù)據(jù)的二級層面，零售相對來說應(yīng)用甚少。這也是目前大數(shù)據(jù)的一個(gè)誤區(qū)，一談大數(shù)據(jù)，就比較數(shù)據(jù)的物理量級，而忽視了大的數(shù)據(jù)這一層面。事實(shí)上，我認(rèn)為，大的數(shù)據(jù)才是大數(shù)據(jù)的核心。
理想的零售數(shù)據(jù)應(yīng)用流程：前期賦值，數(shù)值生產(chǎn)，數(shù)據(jù)匯總，二次賦值，算法匹配，數(shù)據(jù)分析，三次賦值，算法匹配，數(shù)據(jù)分析......賦值是大數(shù)據(jù)二級層面的基礎(chǔ)工作，是大的數(shù)據(jù)的基礎(chǔ)，也是很多人所說的小數(shù)據(jù)的體現(xiàn)。前面所述流程是在數(shù)據(jù)量一定的基礎(chǔ)下的不斷深化的過程，實(shí)際應(yīng)用中是動態(tài)多級循環(huán)砌套的。零售數(shù)據(jù)應(yīng)用主要兩個(gè)方面：趨勢分析和決策分析。趨勢分析依靠大量數(shù)據(jù)，這是目前零售信息化的方向。決策分析依靠對數(shù)據(jù)的不斷剖析，也就是大的數(shù)據(jù)，目前很多商業(yè)BI系統(tǒng)號稱做決策分析，但只是趨勢分析，并不是真正的決策分析，它們的基礎(chǔ)還是大量數(shù)據(jù)的依托。
因此，未來零售或者說明天的零售，在數(shù)據(jù)應(yīng)用上，將圍繞大的數(shù)據(jù)展開，要想在零售AI上有所突破，關(guān)鍵點(diǎn)也是大的數(shù)據(jù)。在無人零售的熱點(diǎn)過后，最容易成為資本熱點(diǎn)的是大數(shù)據(jù)中的大的數(shù)據(jù)，最佳切入點(diǎn)是大的數(shù)據(jù)的基礎(chǔ)——賦值。