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，傳統零售都是指實物商品的零售，而我們所講的零售根據售賣標的的不同，分為商品零售和服務零售。都歸屬于泛零售的范疇。在以后推送的文章中還會有更深入詳細的闡述。

現在回到本文的重點，今天主要講的是零售和數據。首先來看數據，數據有兩個維度，一個是數值，例如一個數字、一段文字、一段音頻、一張圖片等等；另一個是賦值，也稱為打標簽，這個在AI領域是個基礎工作，例如姓名、性別、銷售額、支出等等。賦值一個數值，就是一個數據。拿一個形象的比喻來說，數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據。零售的數據是最為復雜的數據之一，復雜的關鍵就是賦值的多樣性。
從數據我們引出目前火熱的大數據，我的理解來說，大數據目前有兩個層面，一個是大量數據，這是一級層面；另一個是大的數據，這是二級層面。目前，很多大數據的應用都還集中于一級層面大量數據，主要有數據采集、數據匯總等。從零售業來說，零售運營開始，就是一個天然的數據數值生產的過程，只要運營不停，根據數據賦值的不同，數據的產生和累積就是不斷增加的。從零售信息化來說，目前零售業各個系統的應用，都實現了大數據的一級層面，在數據采集、數據匯總、數據存儲等領域有了成熟應用。大量數據，對于一個成熟的零售業態來說，不是一個瓶頸問題。而在大數據的二級層面，零售相對來說應用甚少。這也是目前大數據的一個誤區，一談大數據，就比較數據的物理量級，而忽視了大的數據這一層面。事實上，我認為，大的數據才是大數據的核心。
理想的零售數據應用流程：前期賦值，數值生產，數據匯總，二次賦值，算法匹配，數據分析，三次賦值，算法匹配，數據分析......賦值是大數據二級層面的基礎工作，是大的數據的基礎，也是很多人所說的小數據的體現。前面所述流程是在數據量一定的基礎下的不斷深化的過程，實際應用中是動態多級循環砌套的。零售數據應用主要兩個方面：趨勢分析和決策分析。趨勢分析依靠大量數據，這是目前零售信息化的方向。決策分析依靠對數據的不斷剖析，也就是大的數據，目前很多商業BI系統號稱做決策分析，但只是趨勢分析，并不是真正的決策分析，它們的基礎還是大量數據的依托。
因此，未來零售或者說明天的零售，在數據應用上，將圍繞大的數據展開，要想在零售AI上有所突破，關鍵點也是大的數據。在無人零售的熱點過后，最容易成為資本熱點的是大數據中的大的數據，最佳切入點是大的數據的基礎——賦值。