大数据时代来了，数据成为企业生产过程的基本要素，单凭经验和直觉，必定会被时代所淘汰，那么企业应该如何用大数据去赢得未来？​

　　大数据时代来了

　　随着电脑、智能手机、互联网等重要发明快速进入日常生产与生活，我们共同见证了数据在全球范围内的爆炸性增长。事实上，在当前典型经济体中，任何一个行业及公共服务部门都已积累了海量数据，而信息技术的快速发展及广泛应用则进一步加快了其增长速度，许多人称这个时代为“大数据”时代。大数据带来的信息风暴，正在开启我们的思维变革、经营变革和管理变革，正如《纽约时报》的一篇专栏中所称，“大数据”时代已经降临，它为我们看待世界提供了一种全新的方法，在商业、经济及其他领域中，会有越来越多的决策是基于数据和分析做出，而并非基于经验和直觉。​

　　2012年3月22日，奥巴马政府宣布投资2亿美元拉动大数据相关产业发展，将数据定义为“未来的新石油”，将“大数据战略”上升为国家意志，表明对未来数据的占有和控制将成为陆、海、空权之外的另一种国家核心资产。那么对于我们所处的传统零售企业来说，如何有效整合海量数据，并加以分析利用，已成为企业经营发展的必然趋势和焦点问题。​

　　超市的怀孕预测案例

　　最早与零售相关的大数据应用的案例发生在美国第二大的超市——塔吉特百货(Target)。当时孕妇对于零售商来说是个含金量很高的顾客群体，但是她们一般会去专门的孕妇商店而不是在Target购买孕期用品。那么Target有什么办法可以把这部分细分顾客从孕妇产品专卖店的手里截留下来呢？由于在美国出生记录是公开的，等孩子出生了，新生儿母亲就会被铺天盖地的产品优惠广告包围，那时候Target再行动就晚了，因此必须赶在孕妇第2个妊娠期行动起来。这样市场营销部门就可以在恰当的时间给她们发出量身定制的孕妇优惠广告提前锁定目标客户。负责顾客数据分析的经理首先利用了Target迎婴聚会(baby shower)的登记表，并对这些登记表里的顾客消费数据进行建模分析，不久就发现了许多非常有用的数据模式。比如模型发现，许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜；在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最后这位顾客数据分析经理选出了25种典型商品的消费数据构建了“怀孕预测指数”。通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，也就能早早地把孕妇优惠广告寄发给顾客。同时为避免顾客因收到这样的广告而担心是否个人隐私会遭到泄露，Target就把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告中。在制定了全新的营销方案后，Target的孕期用品销售呈现了爆发性的增长。几家欢喜几家愁，Target的这种优惠广告也间接地令一个蒙在鼓里的父亲意外发现他高中生的女儿怀孕了，结果此事甚至被<<纽约时报>>报道了，Target大数据的巨大威力随之轰动了全美。我想这个案例没有结束，我们看到的是Target通过大数据的应用赢得了那些不知情的孕妇，看不到的更是那些同样不知情的妇孕专卖店因客户的流失而走向低迷。貌似平静的海面，大数据正在推动一股强劲的商业革命暗涌，时代，不在时代中“变态”就只有在时代中死亡。​

　　企业该如何行动？

　　麦肯锡公司认为，数据已经成为生产过程中的基本要素，如同固定资产和人力资源一样。对于具体的零售企业，数据的收集、分析和应用已经穿透了整个行业，数据不仅是信息的载体，也同样可以为企业创造价值和利润，企业需要重新认识和利用数据。那么我们传统的零售企业应该如何行动用才能让大数据带来红利呢？​

　　首先企业的领导要重视大数据的发展、重视企业的数据中心，构建与企业发展相关的大数据分析平台；传统企业的信息系统数据分析模型比较简单，大多数是在分析一些结果化的数据，如销售同期对比，库存结构等等，因此对决策和解决实际问题帮助十分有限。而大数据大都是一些类型丰富的碎片化数据而且没有相对固定的模式，我们所看到的结果往往是一些多因素、聚类的结果，相对复杂。​

　　因而构建以客户为中心的大数据分析平台，这是一项从无到有、富有挑战性的工作，它将整合所有客户的接触点，包括线上、线下、虚拟和实体等，对企业的创新能力、精细化管理、专业化经营都要有很高的要求。​

　　第二，对企业内部人员进行培训及建立收集数据的软硬件机制；大数据的分析与传统数据分析有很大区别，传统企业现有的管理支持类数据分析主要基于报表等一些结构化的数据，很难勾勒出企业经营的全景视图。大数据的进入就需要分析人员具有更高的素质，既要有扎实的业务基础又要具备很强的数据挖掘能力。利用大数据平台和大数据分析可以将零散的市场数据、客户数据等迅速高效地转化成决策支持数据，这样才能使企业及时把握市场环境变化做出快速反应。​

　　以上是大数据应用需要夯实的基础性工作，简言之就是搭建平台，配置人员。对于具体的业务层面主要有以下几个方面：​

　　(1)顾客分析：分析顾客群的结构、流量、购买周期、不同顾客群的利润贡献率；具体顾客的购买频率、感兴趣商品的预测、忠诚度和流失的可能性分析。顾客分析的目标是确定可靠的顾客群体、预测消费意愿，主动提供个性化销售和促销服务，提高销售额和利润率。(点击查看顾客分析相关文章)​

　　(2)产品分析：产品分析是建立在顾客价值基础上的。通过顾客分析的结果，结合内部生产能力、库存规模、渠道类型进行产品开发。例如：产品的时尚性、功能性、库存量和产品开发结构等。​

　　(3)价格分析：产品的定价(需要建立基于消费者视角的产品价值模型)，消费者对于不同产品的价格弹性，竞争品牌的定价策略等。​

　　(4)营销策略：新产品的导入期及旧产品的最佳消化期，产品的分类上架、位置布局和捆绑销售合理性；节前节后、淡季旺季不同时间段的定价策略等​

　　(5)供应链分析、运营效率分析：主要针对供应商选择、物流优化、现金流计划、人力资源配置等。​

　　革命的思想只有转换为革命的行动才能够真正为企业创造价值，传统零售企业在大数据时代下的数据思维和“数据经营”理念指引下只有采取精准和快速行动才能焕发生机赢得未来，鲁迅先生曾说过不在沉默中爆发就在沉默中死亡，时代也是这样，不在时代中变革就在时代中消亡。​