大数据环境下零售企业运营模式浅析

---

摘要：大数据给零售企业带来的是一个机遇与挑战并存的时代，企业边界、运营模式和战略制定均发生了重大变化。如何理解大数据，并将大数据与零售企业各运营领域相结合，能够有效提高零售商的决策水平，在高度竞争的市场中占得先机。因此本文在剖析大数据基本属性的基础上，分析大数据环境下零售企业的运营模式，并提出相关发展对策，为实现智慧零售提供一定建议与依据。

一、引言

借着互联网的东风，移动支付的普及，以及物流网的推广，我国零售业又迎来了一个蓬勃发展的春天。商务部数据显示2015年中国社会消费品零售总额达到30万亿元，位于世界第二；其中网络零售额达到4万亿元，增幅超过50%，位居世界第一。零售企业向互联网领域的扩展、社交媒体的介入，以及来自供应链和运营上的数据都使得企业的数据比以往变得更加复杂，信息技术的发展已经使得数据从量的积累发展到质的变化。在今天的大数据时代，零售企业不得不面对海量的数据，并开始考虑如何利用这些数据在高度激烈的市场竞争中获得一丝先机。传统的工具和流程并不能很好地分析处理大数据模式下的信息[1]，许多著名IT公司如IBM、HP和Oracle等有针对性地为零售企业提供了一系列专业的大数据分析工具及解决方案，对其经营数据进行深入挖掘，帮助他们获得更敏锐的洞察力，驅动决策制定，从而提升企业竞争力。

大数据给零售企业带来的是一个机遇与挑战并存的时代。在大数据时代，零售企业的管理决策已经逐步摆脱管理经验上的判断，越来越依靠海量数据的深度分析与挖掘[2]，信息成为了企业成功的决定性因素。大数据时代，各类网络、感知、商务智能等信息技术的使用，使得零售企业的边界不断变化，相关战略不断调整，经营模式不断创新。然而，目前我零售企业对大数据的理解不充分，技术、成本及信息安全上的问题均极大地限制了大数据在零售企业中的应用。因此本文在分析大数据环境特点及零售企业运用模式的基础上，为零售企业发展应用大数据，实现智能零售提出相关对策与建议。

二、大数据环境特点及企业能力

（一）大数据环境特点

学术上通常认为大数据满足三方面要求[3]：第一，数据是海量的；第二，数据不能够归类在传统数据库中；第三，数据的产生、获取和处理是迅速的。零售业数据的产生已经突破了时间地点的限制[4]，数据来源不仅仅依靠传统的POS机记录销售情况，也突破了传统信息系统所覆盖的范围，移动互联网和感知物联网等技术的使用使得零售企业数据积累已经开始从量变到质变的转变，朝着大数据方向发展。与医疗、公共事业、制造业大数据一样，零售企业大数据通常展现出3V的特点：容量（Volume）、变化（Variety）和速率（Velocity）[3，5]。

（二）大数据驱动的企业能力

在采用大数据之前，零售企业除了需要了解大数据特点及相关技术，同样需要认识大数据解决方案能够帮助他们获取的内部能力，包括组织敏捷性和运作优化，从而带来竞争优势和商业价值。总的来说，对于零售企业而言，大数据能够带来或增强以下四个方面的能力。第一，可追溯能力。可追溯能力指的是零售企业可以在整个产品或服务过程中追踪某一数据的来源。第二，非结构化数据分析能力。大数据依靠Hadoop和NoSQL类型等数据存储技术可以在此技术上对零售企业内外、运营配送过程、互联网中的分布式数据和非结构化数据进行实时分析，获取进一步的知识。第三，决策支持能力。大数据作为一种新型商业智能和分析技术，能够有效支持零售企业决策。第四，预测能力。大数据的预测能力体现在两方面。一方面，预测的基础是海量的数据。另一方面，预测可以基于非结构化数据。

三、零售企业大数据应用框架

麦肯锡在其大数据分析报告中指出，零售企业可以在门店行为分析、定价优化、产品陈列设计、绩效管理、员工投入、配送与物流优化、电子商务市场等多方面进行大数据应用[6]，总的来说可以归纳为市场、运作、供应链、新商业模式四个方面。

（一）市场营销领域

大数据在市场领域主要应用于交叉销售、基于位置的营销、门店行为管理、客户细分、多渠道客户管理、定价优化和产品陈列设计等方面，核心在于产品定价和客户关系管理。在产品定价上，零售企业可以通过数据源辅助定价决策，包括了如何针对区域偏好和客户行为进行促销，如何根据市场需求变化与竞争对手行为对价格进行调整，甚至进行多边联合定价。在客户管理上，大数据使得企业更具洞察力。零售企业能够详细了解客户的真实需求，并进行精准的个性化服务。基于互联网等数据痕迹，零售企业能够比消费者更加了解其行为偏好，从而进行有效的市场细分，并制定市场营销决策[7]。

（二）运作领域

大数据环境下，零售企业的日常经营运作上也有了很大变化。一方面是绩效管理上的透明。在大数据背景下，各个店铺的绩效、各个区域的销售额、各个员工工作任务、客户反馈均能够被迅速准确地获得。另一方面，通过对每一个员工工作状态的了解，能够合理分配工作任务，调整工作时间和参与度，从而达到在不降低服务水平的程度上减少员工成本。

（三）供应链领域

供应链领域，大数据能够帮助零售企业在库存管理、配送与物流优化和与供应商议价上有所提升。第一，在库存管理领域，零售企业能够通过销售历史，甚至是天气信息来对市场不确定性进行预测，降低供应链中需求波动。第二，在配送和物流优化方面，零售企业可以通过基于位置的各种数据，了解并优化配送路径、优化燃油使用率、管理司机行为，提高配送效率。第三，在与供应商的议价上，大数据使得零售企业能够通过对客户偏好、购买行为与交易数据等信息更加有效地与供应商谈判。

（四）新商业模式领域

电子商务是大数据时代给零售领域带来的商业模式。基于网络或移动网络的市场扩大了零售领域。家乐福、沃尔玛甚至是国内本土零售企业均积极开展电子商务活动。基于网络的市场能够使得消费者更加清楚的了解到商品的价格信息，掌握零售企业所销售的所有产品，同样还能够使得消费者通过产品的评论了解产品的相关质量与服务信息。信息的透明与庞大的信息量，极大的改变了消费者的购买行为和企业的决策模式，是零售企业节约成本，提升竞争力的新方向。

四、大数据环境下零售企业运营建议

我国零售企业大数据应用还处在十分初级的阶段，同时现有的研究多关注于技术领域，而大数据管理视角在促使零售企业能够更好地有效高效地使用大数据进行经营活动中也十分重要。因此本文在上述应用框架的基础上，从大数据管理视角出发，为零售企业大数据运营提出以下四个方面的发展策略。

（一）实施大数据治理模式

大数据治理是IT治理概念的延伸，强调企业如何利用大数据资源创造商业价值。大数据的治理模式要求零售企业强化大数据管理的理念，能够通过一系列业务流程的重构，使得产品与服务相关的信息和知识能够更直接有效地从海量且非结构化的数据中传递出来。实施大数据治理模式首先需要形成明确的治理目标、执行步骤、治理绩效度量工具，能够为大数据技术的应用提供指导和评价。其次，大数据治理是一个不断优化的过程。实时的大数据分析结果需要不断进行验证，一旦发现数据集的价值，便能够依此优化大数据分析过程，降低大数据分析的复杂度，节约成本。最后，高度的信息集成是大数据治理模式成功实施的关键。零售企业需要将OA、ERP、库存、采购、电子商务、社交媒体等各个系统及业务单元的数据集成起来，在保证私密性的前提下将各个数据集加入到大数据治理框架中去。

（二）塑造信息共享的企业文化

成功实施大数据的先决条件是企业数据共享的理念和文化。良好的信息共享企业文化能够减少员工对新的信息系统及信息技术的抵制行为。缺少有效的信息共享氛围，数据的收集和传递效率都会受到限制，从而影响到大数据的分析和预测能力。为了塑造有效的信息共享的企业文化，零售企业应该努力打破内部信息共享机制，完善共享机制，鼓励和奖励收集数据和数据传递标准化工作，从而提升数据质量和分析预测的准确性

（三）做好大数据技术员工储备

零售企业在大数据环境下一定要重视大数据的研究与相关应用，做好人才储备工作[8]。一方面需要在原有员工的基础上，在各个核心应用领域进行大数据技术培训，促进大数据与原有业务领域的结合，提升员工综合素质；另一方应该不断引入大数据专业人才，协助指导企业在大数据环境中业务流程变革的相关工作。如果条件允许，应该组建跨组织的大数据管理团队，从而能够保证大数据战略與大数据运作结合起来，保证大数据治理的有效实施。

（四）与云计算和物联网技术联动

大数据技术不应该是孤立的，通过与云计算和物联网技术的联动能够有效降低大数据的成本，提升数据积累能力[3]。一方面，大数据所面临的数据量与数据分析复杂度往往需要强大的计算能力，这给企业在大数据应用实施初期带来了繁重的资金压力，通过云服务商的按需使用计费方式，能够在分担数据风险的同时降低成本。另一方面，物联网技术的应用为大数据的收集提供了有效的数据来源。大数据与物联网需要协同实施。例如物流网中电子标签、感应器、信息系统等相关标准应与大数据标准相一致，能够提高数据采集和分析效率。

参考文献

[1]Zikopoulos P，Eaton C.Understanding big data：Analytics for enterprise class hadoop and streaming data[M].McGraw-Hill Osborne Media，2011.

[2]王举颖.大数据时代零售企业多边平台发展与协同定价策略研究[J].价格理论与实践，2015（5）：106-108.

[3]Hashem I A T，Yaqoob I，Anuar N B，et al.The rise of “big data” on cloud computing：Review and open research issues[J].Information Systems，2015，47：98-115.

[4]郑淑蓉.零售业大数据：形成、应用及启示[J].长江论坛，2014（2）：90-94.

[5]Chen H，Chiang R H L，Storey V C.Business intelligence and analytics：From big data to big impact[J].MIS Quarterly，2012，36（4）：1165-1188.

[6]Manyika J，Chui M，Brown B，et al.Big data：The next frontier for innovation，competition，and productivity[Z].McKinsey Global Institute，2011.

[7]张莉艳，齐永智.大数据背景下零售经营要素变革研究[J].技术经济与管理研究，2015（7）：47-50.

[8]郑东盟.大数据时代商业银行优化经营管理策略研究[J].现代经济信息，2015（15）：130.

基金项目：2016年度江西省软科学研究计划项目“互联网+”时代江西智慧城市IT能力评价模型及其应用研究”（20161BBA 10033）。

作者： 毛弘毅 魏姜涛 周丹  来源： 《时代金融》2017年第26期