從星巴克開始說起

星巴克，誕生于美國西雅圖，靠咖啡豆起家。沒有鋪天蓋地的廣告，卻形成了家喻戶曉的品牌文化;產品相對單一，卻擁有千姿百態的客戶群體;不乏競爭者，卻能將領土擴張到世界各地。

這樣不科學的發展速度，在讓人矚目的同時，也讓人想問：為什么?

答案之一也許是：星巴克從未放棄利用最新的技術完善自己。

星巴克在1999年進入中國大陸，在北京國貿開了中國大陸的第一家門店，從此中國大陸就成為了星巴克無法割舍的龐大市場。

2013 星巴克全球關店900家，新開1500家，其中，317家開在中國

2014 星巴克中國新開門店約400家

2015 星巴克中國新開門店約500家

2019 星巴克中國門店擬將達到3400家

而開過店的人都知道，開一家店至少要從十個備選店面中選擇最優的，也就是說假設星巴克開設3400家店面，就要至少考察34000家店面，才能實現最終的目標。

中國的確是一個愛吃也會吃的國家，因此餐飲企業都想在中國市場上分一杯羹，在中國市場上，沒有什么比做餐飲更簡單的事，也沒有什么比做餐飲更難的事。

面對中國這一個人生地不熟的新鮮土地，面對中國人這一自古品茶論道的客戶群體，作為咖啡館的星巴克是怎樣完成這樣的壯舉的呢?

星巴克公司的IT部門始終致力于一個目標——為客戶提供世界級的商業智能和信息產品。 無論是咖啡還是IT，客戶始終是其服務的中心。作為一家已經在全世界范圍內擁有20,000家咖啡店的公司，順利擴張的奧秘在于：分布在15個國家的超過700名星巴克員工，使用基于Esri地圖軟件的市場規劃和商業智能解決方案尋找新的位置。

不要以為借助科技來完成新店的選址，只是“趕時髦”的行為。對于星巴克這樣的大型連鎖店而言，這意味著實打實的節約成本。試想如果省去了人工調研的環節，而是在某個平臺上直接對比各種各樣的數據，了解車流量、消費群體分布、安全信息、商業構成以及其它相關信息，是不是就能有效地削減開支與提高效率呢?

星巴克全球市場計劃經理帕特里克·歐·漢根在美國圣地亞哥舉辦的Esri用戶大會上告訴參會者，星巴克現在使用一個叫作Atlas的內部繪圖和商務智能平臺，來決定在哪開設新門店。Atlas的使用遍及全世界;星巴克如果要在中國開設新門店，歐·漢根的團隊就會使用這一平臺，讓當地的合作伙伴評估附近的零售商圈、公共交通站以及小區的人口分布圖。

這些區位數據還有一些其它意想不到的用途。舉例而言，星巴克的數據分析方法不僅僅對于門店選址有利,他們還會利用當地智能手機的用戶數量，決定在美國南方州市的哪一區域進行手機應用優惠推廣。再比如，星巴克還會因為各地氣溫的差異來調整星冰樂產品的數量。

它們也愛GIS

麥當勞

麥當勞將位置智能視為一種無處不在的服務，并將所有部門的地圖需求整合到統一平臺上，包括品牌營銷、經營模式、商業運營等部門。借助地理大數據和空間分析等能力，輔助麥當勞實現智慧選址，減少了基礎數據采集的工作量，分析結果也可直觀呈現。幫助門店伙伴實現業績提升，幫助領導層直觀快速了解業務全貌，掌握業務未來的發展方向。

Wendy’s

Wendy's是全美第三大的快餐連鎖集團，使用Esri提供的地圖軟件和地圖服務幫助其進行選址，使用 兩年后，就幫助Wendy's節省了約75萬美元，這筆費用原本計劃用于市場探索和分析。此外，Wendy's還用Esri軟件來了解各地的工資需求和可用人力情況，地圖可視化客戶投訴分布信息，跟蹤不同區域的銷售情況。

GIS能為餐飲業做什么?

比如精準選址

比如查看備選門店街景圖

結合各種因素分析，比如交通

比如尋找商業相似區

統計以麥當勞、肯德基門店為中心一定范圍內的人群、店鋪、競品、住宅等因素，將這些影響店鋪盈利水平的因素量化，并以空間為維度將他們以地圖的形式呈現出來。用不同的顏色、熱度等地理可視化手段將他們渲染，在全市、全省甚至全國范圍內去尋找類似的區塊。

找到這樣的區塊之后，再詳細分析、對比它們與成功店鋪周圍的盈利因素吻合度，這個值越高，那么證明這個地方越適合開店，開店后盈利的可能性越大。這樣的方式被實踐證明十分有效，能夠極大地保障加盟店盈利水平，為特許經營類企業開店提供了非常準確的參考依據，如下圖所示：

比如查看某個范圍內的全部餐飲相關數據

比如尋找特定的客戶群體

從商業智能到地理信息

商業智能是英文單詞Business Intelligence的翻譯，縮寫為BI。商業智能的概念最早是在1996年提出來的。當時，將商業智能定義為一類由數據倉庫、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。目前，商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。

這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商等，和來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據，而商業智能能夠輔助的業務經營決策既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理(OLAP)工具和數據挖掘等技術。

其實，從技術層面上講，商業智能不是什么新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。從行業發展來看，商業智能作為業務驅動的決策支持系統，其發展是以較為完善企業的信息系統和穩定的業務系統為基礎的，商業智能的應用與企業和行業內信息化的基礎狀況密切相關。

當前，盡管商業智能已經在許多企業得到廣泛應用，但是商業智能應用依然存在一個比較突出問題，那就是大量的數據倉庫中的非結構數據含有地理信息，也就是帶有“地域性”或“區域性”特征，而許多商業智能系統并不能很有效的處理這些帶有位置屬性的信息。這種“地域性”或“區域性”特征往往會成為影響企業管理提升，效益增加的十分重要的“價值因素”。

例如：確定郵件寄往不同郵區，該如何選擇最佳送貨路線?根據不同區域的居民數量，客戶流量、發展趨勢，該如何選擇新店開發地址?根據不同商業區域，客戶流量，商品類型等該如何布局?

許多成功應用的案例表明，在運用商業智能進行數據挖掘的過程中，往往必須要考慮地理信息因素。把智能分析工具和GIS工具整合起來處理數據，常常會產生增值效益。因此，實踐中一些用戶還把GIS與主流的事務處理應用軟件和數據庫集成起來、把復雜的位置數據添加到商業智能分析工具中，加以整合利用，甚至把場地模型影響店址選擇的多因素分析和非結構化空間信息庫的資源利用緊密結合起來。其實，上述這些應用正是地理營銷系統的基本功能，一個好的地理營銷系統可以實現更多的功能，可以使商業決策系統更加智能和精準。