時間：2017-03-29 16:20:35 點擊：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有

可視化及豐富的交互報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，最終帶來銷量的增長。

梅西百貨在美國45個州擁有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，包括在哪個門店存儲哪些貨物，何時向消費者發(fā)出優(yōu)惠促銷信息，以及在電商官網(wǎng)首頁重點推廣哪個產(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，手機等)快速地查詢到結(jié)果，比以往更有效率。

與此同時，辦公室內(nèi)的員工正在減少對電腦及紙質(zhì)報告的依賴。每時每刻與移動數(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)鏈及運營部門的效率。

3.物聯(lián)網(wǎng)開始提升數(shù)據(jù)準確性

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)的準確性。

商家多渠道觸點的覆蓋，讓消費者已經(jīng)習慣于隨時隨地獲取想要的信息，如準備購買的商品在哪家有庫存，離自己最近的提貨點的位置等等。為了進一步提升購物體驗，零售商將利用物聯(lián)網(wǎng)數(shù)據(jù)，在線下店鋪及電商實時呈現(xiàn)商品庫存數(shù)、商品的具體位置、具體門店等信息。

Bill Connell,梅西報貨物流及運營副經(jīng)理，在接受RFID Journey采訪時表示：“消費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

時機就是一切，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)高峰低谷消費時段、庫存流動，以及消費者行為。

“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帶給我們消費者數(shù)據(jù)。在過去把這些數(shù)據(jù)打通需要花費好幾周的時間，現(xiàn)在只需要幾秒鐘就夠了。”Metro商業(yè)分析負責人Erwin Oei如是說道。

5.機器為零售數(shù)據(jù)帶來新機

在2017年，我們將看到機器、機器人與人工智能將幫助零售商處理更多的日常任務(wù)，如搬運貨物，分發(fā)廣告，甚至是進行消費者采訪和結(jié)賬操作。這些機器將會作為新的數(shù)據(jù)觸點,收集更多關(guān)于消費者行為，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，消費者可以使用ARVR在下單前體驗購買后的使用場景，以此作出消費決定。將顧客的疑慮從purchase cycle中拿走，將會提升銷量，提高消費者滿意率，并減少成本。

零售商也可以利用ARVR打造更多購物場景，而不用花費大量成本和空間去打造一個個實際展位。