- 相關(guān)推薦
大數據時(shí)代零售業(yè)統計的變革
摘 要：結合零售行業(yè)，在闡述大數據給傳統零售業(yè)帶來(lái)的思維、商業(yè)、管理這一系列變革的同時(shí)，著(zhù)重從傳統零售業(yè)數據統計步驟的數據采集、整理、分析、詮釋這幾個(gè)方面分析大數據給零售業(yè)統計帶來(lái)的影響與變革，同時(shí)分析大數據應用在零售業(yè)所帶來(lái)的關(guān)于隱私問(wèn)題的挑戰，給出零售業(yè)統計應如何應對變革的一些探討，諸如擴大數據的采集面、增加數據采集的廣度與深度、采用數據挖掘技術(shù)進(jìn)行大數據分析、引入數據可視化技術(shù)進(jìn)行數據詮釋等。
關(guān)鍵詞：零售業(yè)統計;大數據;數據挖掘
大數據是指傳統數據庫管理工具難以處理的大量的、多樣化的數據。當前普遍認為大數據有三個(gè)特點(diǎn)(3V)：第一Volume，是數據容量非常大，第二Velocity，是數據增長(cháng)速度非�？�，處理速度非�？�，第三Variety，是數據類(lèi)型越來(lái)越多樣化[1]。
零售行業(yè)隨著(zhù)數據采集與存儲技術(shù)的進(jìn)步也逐步形成了零售業(yè)大數據。通過(guò)對這些數據進(jìn)行挖掘分析，能夠給零售企業(yè)帶來(lái)巨大的商業(yè)價(jià)值以及服務(wù)創(chuàng )新，諸如能夠更好地了解和洞察消費者，從而實(shí)現精準化營(yíng)銷(xiāo)，或者變革供應鏈模式，實(shí)現貨品精細化管理等。但是在這之前，必須首先要清楚大數據究竟從哪些方面給零售業(yè)帶來(lái)了變革需求，才能有針對性地利用好零售業(yè)大數據。
一、大數據時(shí)代零售思維、商業(yè)與管理變革
(一)零售思維的變革
維克托邁爾在《大數據時(shí)代》一書(shū)中提出了大數據思維的三個(gè)最顯著(zhù)的變化：一是樣本等于總體。這與過(guò)去基于樣本進(jìn)行統計分析的思維截然不同;二是不再追求精確性。在大數據中往往存在“噪音”和罕見(jiàn)事件，這樣的數據影響了結果的精確性;三是相關(guān)分析比因果分析更重要，在大數據時(shí)代我們將注意力更多地放在“是什么”而不是“為什么”。將這種全新的思維結合傳統零售業(yè)考慮，我們也許會(huì )得到如下幾個(gè)方面的啟示：
1、要分析與零售商特定目標相關(guān)的全部數據，而不是采用對樣本的分析來(lái)推斷總體的方式。當采集并存儲所有的數據并不再只是一種可能，基于樣本的統計分析也就越來(lái)越難以適應企業(yè)對數據的使用需求。零售商通過(guò)分析利用大量的銷(xiāo)售等數據，可以準確地預測客戶(hù)的需求，實(shí)行精準營(yíng)銷(xiāo)，給零售企業(yè)帶來(lái)實(shí)質(zhì)性的效率與利潤提升。
2、放棄追求精確性，并接受數據的噪音。倘若零售企業(yè)只追求精確的數據，那么只有大約5%的結構化數據能夠被合理使用，而大約有95%的半結構化及非結構化數據都無(wú)法被使用，這會(huì )造成數據資源的巨大浪費。只有接受數據的噪音，容許部分冗余甚至錯誤數據的存在，才能更充分地利用數據，挖掘零售數據的價(jià)值，實(shí)現零售商的經(jīng)營(yíng)管理目標。
3、零售行業(yè)在進(jìn)行數據分析時(shí)應該更加注重分析事物的相關(guān)關(guān)系而不是因果關(guān)系。相關(guān)關(guān)系可以使零售商們從不同的角度觀(guān)察、分析、解決問(wèn)題，以確定怎么做可以達到更好的效果。而且相關(guān)關(guān)系是一種比因果關(guān)系更加有效的關(guān)系。例如，沃爾瑪在經(jīng)過(guò)數據分析后得到，蛋撻的銷(xiāo)量在颶風(fēng)到來(lái)之際大幅增加，因此將蛋撻擺放在颶風(fēng)用品附近的位置，提高了蛋撻的銷(xiāo)售量[2]。在這個(gè)例子中，通過(guò)分析蛋撻銷(xiāo)售量與颶風(fēng)的相關(guān)關(guān)系，找到了提高銷(xiāo)售量的新方法，這體現了在大數據時(shí)代相關(guān)關(guān)系分析的必要性與重要性。
(二)零售商業(yè)的變革
在以電商為首的“數據巨頭”的沖擊下，傳統零售業(yè)面臨著(zhù)巨大的挑戰。我們可以觀(guān)察到的一個(gè)現象是目前許多唱空百貨等線(xiàn)下零售業(yè)的聲音不絕于耳。這主要是由于互聯(lián)網(wǎng)電商巨頭諸如阿里、京東等已經(jīng)在中國零售行業(yè)中占據了大量的份額，傳統的零售諸如百貨行業(yè)由于線(xiàn)下市場(chǎng)萎縮以及商品定價(jià)的弱勢性在無(wú)形之中已經(jīng)被慢慢擠掉了許多利潤。目前傳統零售業(yè)面臨著(zhù)零售商品價(jià)格體系管理的滯后、營(yíng)銷(xiāo)的不便利性，例如相同商品不同銷(xiāo)售商之間的比價(jià)，快遞送貨服務(wù)以及年輕消費客戶(hù)的流失等問(wèn)題。而且傳統零售行業(yè)的營(yíng)銷(xiāo)方式無(wú)法像互聯(lián)網(wǎng)電商一樣通過(guò)各種數據分析消費者的喜好，從而無(wú)法做到一對一的精準營(yíng)銷(xiāo)。所有的這些問(wèn)題，導致傳統零售行業(yè)面臨著(zhù)重大的商業(yè)變革。
為了應對零售業(yè)面臨的挑戰，一個(gè)可行的思路便是線(xiàn)下購物體驗化。這主要是指通過(guò)改善線(xiàn)下購物的環(huán)境與方式，給予消費者更多在線(xiàn)上購物中享受不到的愉悅體驗，其表現的特征主要體現在傳統百貨購物中心化。這其中的典型例子譬如上海的購物中心K11在其店內專(zhuān)門(mén)布置了一個(gè)小型的農場(chǎng)，顧客可以零距離接近自然體驗種植的樂(lè )趣。而北京的喬福芳草地則巧妙地打造了一個(gè)具有濃厚藝術(shù)氣息氛圍的購物中心，給予顧客藝術(shù)之美的體驗與熏陶。毫無(wú)疑問(wèn)，這種傳統零售企業(yè)的轉型必然要建立在了解客戶(hù)的心理需求與偏好的基礎上，這就在客觀(guān)上要求傳統零售業(yè)紛紛進(jìn)入大數據領(lǐng)域挖掘客戶(hù)的商業(yè)需求。國內企業(yè)如銀泰是進(jìn)入大數據領(lǐng)域掘金的典型零售企業(yè)，銀泰通過(guò)設置在購物中心的WIFI來(lái)獲取用戶(hù)數據。通過(guò)抓取的數據分析消費者的性別、年齡，購物偏好、習慣，以及購物頻率、搭配等。同時(shí)，銀泰官方的網(wǎng)站也在收集消費者的品牌偏好的數據，并結合實(shí)體店的數據進(jìn)行分析，獲得新開(kāi)商店的品牌組合、門(mén)店位置選擇以及品牌位置組合。
隨著(zhù)科技的進(jìn)步以及建設大數據成本的降低，將會(huì )有更多傳統零售企業(yè)采用高新科技技術(shù)收集客戶(hù)的購物喜好、購物組合、購物頻率等購物信息，并積累了大量的數據資本，開(kāi)創(chuàng )零售行業(yè)商業(yè)變革。
(三)零售管理的變革
傳統零售業(yè)的經(jīng)營(yíng)決策在相當程度上依靠企業(yè)管理者主觀(guān)判斷，其體現在依靠管理者的知識水平、經(jīng)驗、直覺(jué)等。這種決策方式缺乏對決策過(guò)程的監控，缺乏對決策執行過(guò)程中數據的收集、提取和分析，未能明確數據決策與決策結果之間的關(guān)聯(lián)關(guān)系[3]。這種過(guò)于主觀(guān)不夠嚴謹的決策方式主要是由于傳統零售業(yè)的運營(yíng)銷(xiāo)售等系列數據分散在不同的部門(mén)，把它們搜集在一起進(jìn)行合并分析具有較多困難，導致很難高效地利用這些數據。大數據時(shí)代的來(lái)到使得傳統零售企業(yè)決策過(guò)程由管理者主觀(guān)判斷變?yōu)橐詳祿䴙閷蜻M(jìn)行決策成為趨勢。
沃爾瑪百貨是世界性連鎖企業(yè)，其率先應用大數據分析作為企業(yè)決策的基礎。沃爾瑪為了提高大數據成果在不同部門(mén)之間的高效利用、并增加存貨管理和供應鏈管理的投入回報率，其開(kāi)發(fā)了Retail Link工具。供應商使用該工具可以預先知道不同店鋪的商品銷(xiāo)售和庫存情況，從而能夠在沃爾瑪發(fā)出指令前自行補貨，極大地減少商品斷貨和供應鏈的庫存水平[4]。因此，供應商能夠更多地控制商品的陳設，沃爾瑪也可以降低庫存成本，減少投入成本。綜合起來(lái)，沃爾瑪百貨不僅提高了服務(wù)質(zhì)量，而且削減了供應鏈管理的開(kāi)支，提高了企業(yè)的運作效率與利潤。沃爾瑪百貨在銷(xiāo)售管理中應用大數據，以大數據為決策的基礎，開(kāi)創(chuàng )了以大數據為決策基礎的零售業(yè)管理的新局面。
在互聯(lián)網(wǎng)時(shí)代，隨著(zhù)信息技術(shù)的不斷發(fā)展，使得零售企業(yè)能夠記錄并存儲其銷(xiāo)售、采購以及員工行為的一切信息。這些數據存儲到企業(yè)的數據庫中，通過(guò)數據挖掘方法進(jìn)行處理分析，從而成為企業(yè)以數據為導向進(jìn)行決策的基礎。隨著(zhù)大數據時(shí)代的到來(lái)，傳統零售業(yè)管理決策過(guò)程必將向大數據決策轉變。
二、大數據時(shí)代零售業(yè)統計的變革
在傳統的統計步驟中，包含了數據的采集、整理、分析、詮釋四個(gè)部分，每個(gè)部分都已經(jīng)在傳統的數據統計理論下形成了各自的內容與方法論。而在大數據時(shí)代，其帶給零售業(yè)重大的影響之一便是其數據統計方法的變革，這種統計變革集中體現在零售業(yè)數據的采集、整理、分析、詮釋四個(gè)方面，涉及傳統統計分析的完整流程。以中國人民大學(xué)網(wǎng)絡(luò )與移動(dòng)數據管理實(shí)驗室開(kāi)發(fā)的Scholar Space為例，大數據背景下進(jìn)行數據分析的完整流程如圖1所示�？梢园l(fā)現，與傳統統計步驟相比，對大數據的處理分析引入了更多的計算機軟硬件技術(shù)。
(一)在零售業(yè)數據的采集方面
零售行業(yè)進(jìn)行的數據采集工作主要針對其客戶(hù)購買(mǎi)行為、商品的銷(xiāo)售情況、企業(yè)的財務(wù)狀況等一系列數據，企業(yè)利用這些數據對日常的生產(chǎn)經(jīng)營(yíng)進(jìn)行分析決策。在傳統的統計方式下，企業(yè)的原始數據采集行為往往主要是依靠客戶(hù)群隨機抽樣進(jìn)行問(wèn)卷調查，對各項銷(xiāo)售報表以及財務(wù)報表進(jìn)行收集，進(jìn)而對這些原始數據進(jìn)行處理分析與應用。在這種數據采集方式下，零售行業(yè)所能采集到的數據多以結構化數據為主，且其應用有很大的局限性[5]。
而在現在以及未來(lái)，日常各種行為所產(chǎn)生的信息處于一個(gè)大爆炸的狀態(tài)，傳統數據采集方法的效率日趨低下，絲毫跟不上信息產(chǎn)生的節奏，已經(jīng)不能滿(mǎn)足新時(shí)期企業(yè)進(jìn)行生產(chǎn)經(jīng)營(yíng)創(chuàng )新的需要，故零售業(yè)企業(yè)在數據采集方式方法上面迫切需要發(fā)生重大的變革�，F在看來(lái)，這種變革的方向將會(huì )在線(xiàn)上與線(xiàn)下數據采集工作中同時(shí)進(jìn)行，所采集數據的結構將會(huì )由結構化數據轉向半結構化乃至非結構化數據。具體而言，我們可以采集客戶(hù)群在互聯(lián)網(wǎng)上的一系列線(xiàn)上行為數據并存儲進(jìn)而進(jìn)行整理與分析，同時(shí)，由于物聯(lián)網(wǎng)以及云計算技術(shù)的發(fā)展，我們也可以通過(guò)電子設備采集消費者在實(shí)體商店的一系列線(xiàn)下行為數據[6]。就線(xiàn)上數據采集而言，我們將主要收集顧客在零售網(wǎng)站上留下的信息，包括保存在瀏覽器cookies中的系列點(diǎn)擊行為以及直接存入系統后臺的網(wǎng)站交易行為。而線(xiàn)下的數據采集則可以通過(guò)各種電子設備與技術(shù)例如pos機、藍牙4.0、NFC技術(shù)等來(lái)記錄顧客在店內的行為數據。
目前，在我們肉眼可見(jiàn)的地方，這種變革已經(jīng)在零售行業(yè)中悄然興起。美國高檔連鎖百貨Nordstrom最近開(kāi)始采用線(xiàn)下實(shí)體店客流分析服務(wù)供應商Euclid Analytics公司的客流監測解決方案Euclid Zero，基于用戶(hù)連接wifi行為來(lái)獲取店內顧客手機的MAC物理地址并進(jìn)行線(xiàn)下追蹤。由此可以通過(guò)分析單個(gè)顧客在百貨店內的行動(dòng)路線(xiàn)和滯留時(shí)間，從而用于改善商品羅列與室內動(dòng)線(xiàn)以及顧客個(gè)性化偏好推薦服務(wù)。而近期開(kāi)發(fā)出的已經(jīng)被許多大型超市與品牌商所應用的Shopperception三維購物傳感器技術(shù)，可以實(shí)時(shí)追蹤顧客與擺放在貨架上的商品的互動(dòng)行為，主要包括觸碰貨品、拿取貨品、放回貨品等動(dòng)作，由此生成單個(gè)商品的熱力圖從而可以清楚觀(guān)察出顧客對此商品偏好程度。
(二)在零售業(yè)數據的整理方面
不管是傳統的零售業(yè)統計還是在大數據背景下的統計，在完成數據采集之后必須對數據進(jìn)行整理。數據整理是指對所采集的統計數據進(jìn)行匯總，去除其中的冗余與錯誤數據，同時(shí)篩選出其中的有效指標，確定對數據總體的處理方法。傳統的零售業(yè)數據整理主要包含對所采集數據的查核，對數據進(jìn)行分類(lèi)與聚類(lèi)，根據數據編制統計表圖，積累與保管統計資料數據[7]。一般意義下，傳統數據的整理方式更能夠凸顯群體水平――例如零售行業(yè)門(mén)店商品總成交額、單個(gè)商品成交數目等。這些數據沒(méi)有必要也無(wú)法實(shí)現實(shí)時(shí)采集，只需能保證在周期性、階段性的對數據的評估中獲取即可。傳統數據反映的是零售行業(yè)的因變量水平，即零售行業(yè)的整體經(jīng)營(yíng)狀況如何，企業(yè)內部的財務(wù)水平如何，顧客對企業(yè)的整體主觀(guān)感受如何等問(wèn)題。這些數據，譬如顧客對企業(yè)的主觀(guān)評價(jià)，由于事先顧客對其行為完全知情，因此帶有很強的刻意性與隨意性――因其主要是通過(guò)標準的量表統計與調查方法進(jìn)行。
相較之下，大數據賦予了我們去關(guān)注每一位個(gè)體顧客的微觀(guān)表現能力，譬如顧客在某個(gè)特定時(shí)間段偏愛(ài)于購買(mǎi)何種商品，顧客在某類(lèi)商品貨架旁的時(shí)間停留長(cháng)度，顧客最終決定購買(mǎi)商品所花費的時(shí)間等。這些數據是高度個(gè)性化特征的體現，對于其余個(gè)體沒(méi)有什么意義。同時(shí)，這些數據在每時(shí)每刻顧客購買(mǎi)與企業(yè)銷(xiāo)售的交互行為中產(chǎn)生，其產(chǎn)生完全是過(guò)程性的。對于這些數據的整理將能夠詮釋零售行業(yè)微觀(guān)銷(xiāo)售經(jīng)營(yíng)過(guò)程中自變量的水平，如應該怎樣才能盡可能長(cháng)時(shí)間使消費者逗留，怎樣的物品擺放方式可以提高兩種物品的銷(xiāo)售量，怎樣的店鋪選址可以最大化顧客流量。
在大數據背景下，零售業(yè)大數據由于進(jìn)行采集數據行為的數據源及數據內容存在交互性重疊，導致原始數據需要進(jìn)行清理以去除數據噪聲與數據冗余并同時(shí)對所抽取數據進(jìn)行聚類(lèi)。首先，需要對所采集的數據進(jìn)行清洗、重構與填補以去除冗余彌補缺失。其次，在新的背景下零售業(yè)所采集的數據中必定包含大量的半結構化以及非結構化數據，我們需要將這部分數據進(jìn)行處理，使之變?yōu)閼密浖軌蜃R別處理的機器語(yǔ)言。最后，我們需要對已完成前兩步處理的數據進(jìn)行相關(guān)性與關(guān)聯(lián)性檢測，將相關(guān)性高的數據融合在一起開(kāi)始進(jìn)行下一步的數據分析。
(三)在零售業(yè)數據的分析方面
數據分析是發(fā)掘出數據價(jià)值的關(guān)鍵步驟。一般而言，在傳統的零售業(yè)統計分析領(lǐng)域，在完成對數據的采集整理后，要構建一系列模型對處理過(guò)的數據進(jìn)行分析。傳統的統計研究分析方法主要包括線(xiàn)性或非線(xiàn)性回歸方程的建立、回歸模型參數的估計、參數估計結果的檢驗，同時(shí)對數據進(jìn)行相關(guān)分析、回歸分析、方差分析等。傳統的統計研究分析過(guò)程一般先進(jìn)行定性分析，對分析對象做出一個(gè)主觀(guān)性質(zhì)的判斷，這主要是為隨后的定量分析提供一個(gè)方向，然后進(jìn)行定量分析，通過(guò)各種模型估計參數以及進(jìn)行一定置信度范圍內的顯著(zhù)性與有效性檢驗，最后再回歸到定性分析，主要是對定量分析的結果進(jìn)行統計詮釋。傳統的統計實(shí)證過(guò)程則是先設立假設再進(jìn)行檢驗，檢驗部分就是根據抽樣分布理論以一定的概率保證程度進(jìn)行對總體的推斷[8]。在實(shí)際中，傳統零售業(yè)分析企業(yè)數據是將原始數據錄入到企業(yè)信息系統中由系統自動(dòng)產(chǎn)生分析結果，零售業(yè)只能依賴(lài)于這些片面的結構化數據以及純粹的經(jīng)驗理論假設對企業(yè)做出經(jīng)營(yíng)決策。
而在零售業(yè)的大數據統計分析中，傳統的統計分析方法過(guò)程顯然已經(jīng)不再適用。在分析思路方面，傳統的假設檢驗流程也已不能凸顯其優(yōu)勢，目前對大數據的統計分析是以相關(guān)關(guān)系為基礎進(jìn)行的數據挖掘。數據挖掘也可以稱(chēng)作現代統計學(xué)，其跟傳統的統計分析有很大的不同。因為傳統的統計分析主要是針對結構化數據進(jìn)行線(xiàn)性相關(guān)分析，而大數據條件下的數據挖掘，則是要對更多的半結構化非結構化數據進(jìn)行非線(xiàn)性相關(guān)以及不明確函數形式的線(xiàn)性關(guān)系進(jìn)行探索、推斷與評價(jià)。在大數據分析的前提下，相關(guān)關(guān)系的分析將并不依賴(lài)于傳統的“假設中的因果關(guān)系”，其將直接分析數據庫中所存儲的經(jīng)過(guò)整理的數據之間的聯(lián)系，由此可以避免受到人為的假設限制，發(fā)掘數據深處的意義。
現代意義上的統計學(xué)分析也即數據挖掘，是傳統的統計分析方法的擴展和延伸，其常用的技術(shù)有關(guān)聯(lián)規則挖掘、神經(jīng)網(wǎng)絡(luò )模擬、支持向量機、隨機森林樹(shù)、遺傳算法、貝葉斯網(wǎng)絡(luò )等。如果能夠將這些數據挖掘技術(shù)應用于大數據時(shí)代的零售業(yè)數據統計分析過(guò)程中，無(wú)疑將會(huì )給企業(yè)帶來(lái)巨大的價(jià)值回報。譬如關(guān)聯(lián)規則挖掘，關(guān)聯(lián)規則指的是一個(gè)已發(fā)生事件和其他已發(fā)生事件之間相互依賴(lài)或關(guān)聯(lián)的信息，其一般包括簡(jiǎn)單、因果、時(shí)序關(guān)聯(lián)等。而關(guān)聯(lián)規則經(jīng)典算法Aprior的基本思想就是通過(guò)迭代算法發(fā)掘數據中的具有一定支持度的高頻項目集并進(jìn)而構造置信度不低于用戶(hù)設定的最低值的關(guān)聯(lián)規則，此時(shí)如果某個(gè)事件集中有因素存在關(guān)聯(lián)，則可以由其中一項因素的屬性值依據推斷出其他因素的屬性值。在大數據背景下，運用關(guān)聯(lián)規則挖掘進(jìn)行數據相關(guān)性分析的一個(gè)典型應用便是購物籃子分析，通過(guò)分析系統交易數據庫之中不同商品之間的銷(xiāo)售情況的聯(lián)系，譬如某種商品的購買(mǎi)量與另外品類(lèi)商品購買(mǎi)量之間的相互影響，從而可以探尋出顧客的購物行為模式。利用這種算法分析得到的結果在企業(yè)銷(xiāo)售的很多方面都可以運用，例如對商品擺放的布局、商品庫存的閥值設立以及對用戶(hù)群分類(lèi)進(jìn)而實(shí)施差異化營(yíng)銷(xiāo)。眾所周知的沃爾瑪超市發(fā)掘出啤酒與尿布之間相關(guān)性的案例便是關(guān)聯(lián)規則應用于數據挖掘的典型案例。
(四)在零售業(yè)數據的詮釋方面
在完成對零售業(yè)數據的分析之后，就要將所分析得到的結果應用于實(shí)際的解釋與預測之中。如果沒(méi)能運用適當的數據詮釋方法，那么即使我們的數據分析結果沒(méi)有錯誤，我們得到的預測結果也必將不能很好地與現實(shí)的發(fā)展趨勢擬合。在大數據時(shí)代由于數據的分析結果的繁多以及結果之間復雜的相關(guān)性，傳統的以文本為主要輸出形式的解釋結果將不再適用，這就在客觀(guān)上造成了傳統的詮釋預測方法變革的需要[9]。大數據背景下的數據詮釋?zhuān)紫刃枰霐祿梢暬夹g(shù)，使用圖形來(lái)表示數據分析的輸出結果，從而幫助零售商能夠更加形象地觀(guān)察到數據之間隱性的關(guān)系與規律。其次需要引入人機交互與數據起源技術(shù)，這能夠讓零售企業(yè)各部門(mén)能夠熟悉和參與數據分析詮釋的具體過(guò)程。
目前零售業(yè)的數據詮釋?zhuān)髷祿\用在零售業(yè)的最終營(yíng)銷(xiāo)過(guò)程中表現得很好。運用挖掘出的結果對銷(xiāo)售及顧客數據進(jìn)行解釋并預測，能夠顯著(zhù)提高預測的精確性與適時(shí)性，同時(shí)，也可運用其進(jìn)一步細分市場(chǎng)，提高企業(yè)的目標群體營(yíng)銷(xiāo)水平，降低企業(yè)銷(xiāo)售風(fēng)險。目前，英國領(lǐng)先的零售商樂(lè )購(TESCO)已經(jīng)開(kāi)始運用大數據來(lái)解釋分析顧客的行為。其主要運作流程是首先在系統中建立一個(gè)顧客關(guān)系型數據庫，給予每個(gè)顧客唯一的一個(gè)編號，然后通過(guò)各種線(xiàn)上與線(xiàn)下方式采集顧客的一系列消費數據諸如所購買(mǎi)商品的種類(lèi)、金額等，接著(zhù)再通過(guò)利用已經(jīng)開(kāi)發(fā)出的數據模型對這些海量交易數據進(jìn)行分析，從而大致可以得到關(guān)于單個(gè)顧客的一些信息諸如其消費習慣、近期可能需要的商品等。樂(lè )購通過(guò)這些結果指導其促銷(xiāo)計劃的制定與商品價(jià)格的及時(shí)調整。同時(shí)，樂(lè )購通過(guò)對每個(gè)門(mén)店的店員結賬數據、貨品上下架數據、商品購買(mǎi)與退貨率進(jìn)行統計匯總生成門(mén)店的日營(yíng)業(yè)分析報告，這使得其能夠對銷(xiāo)售過(guò)程進(jìn)行即時(shí)性把控，這為其提供了更加高效的盈利方法[10]。
三、零售業(yè)應用大數據的挑戰
隨著(zhù)基于云計算的應用以及社交網(wǎng)絡(luò )的普及，“隱私”成為大數據發(fā)展繞不開(kāi)的一個(gè)挑戰。在零售行業(yè)中，不論是商品的銷(xiāo)售信息，還是顧客的消費習慣，都以不同的數據形式被存儲到數據庫中;另一方面，大數據相關(guān)法律不健全，網(wǎng)絡(luò )監管不力也使各類(lèi)數據泄露事件無(wú)法得到有效的解決。大數據堪稱(chēng)一把雙刃劍。零售企業(yè)，會(huì )在大數據分析中獲得巨大利益，但同時(shí)消費者的隱私也都以數據形式被存儲起來(lái)。零售業(yè)大數據出現以后，肯定會(huì )帶來(lái)更多的隱私泄露或者是與隱私泄露相關(guān)的問(wèn)題，但是，不能因噎廢食，必須解決這些問(wèn)題才能推動(dòng)零售業(yè)大數據環(huán)境的發(fā)展。零售企業(yè)可以通過(guò)安裝殺毒軟件、建立防火墻來(lái)防止信息泄露的問(wèn)題發(fā)生。
四、結語(yǔ)
相比于互聯(lián)網(wǎng)電商利用大數據已經(jīng)取得的各種令人驚嘆的成果，傳統的線(xiàn)下零售業(yè)在挖掘大數據價(jià)值方面落后了很多。但是，落后的同時(shí)也意味著(zhù)，傳統零售業(yè)有著(zhù)充分的潛力去利用大數據實(shí)現自己的商業(yè)模式轉型。傳統零售業(yè)在大數據時(shí)代下的各種變革中，統計思想與方法的變革無(wú)疑是最根本而又最重要的。唯有從傳統零售業(yè)統計的數據采集、整理、分析、詮釋這一完整流程的各個(gè)方面進(jìn)行改革，才能使得傳統零售業(yè)在未來(lái)仍然能適應市場(chǎng)的需求。具體而言，在數據采集方面零售業(yè)要能夠通過(guò)運用行業(yè)最新技術(shù)以各種線(xiàn)上與線(xiàn)下方式擴大數據采集面，保證數據來(lái)源多樣性;數據整理方面需要將所采集數據細分為企業(yè)層面的宏觀(guān)數據以及顧客層面的微觀(guān)數據并分別應用不同的處理方式進(jìn)行整理;在數據分析過(guò)程中則要變革傳統的以假設檢驗為核心的統計分析為基于大數據算法下的相關(guān)性數據挖掘;同時(shí)引入可視化技術(shù)以及人機交互與數據起源技術(shù)運用于數據詮釋過(guò)程以改革傳統的統計數據詮釋。與此同時(shí)，零售行業(yè)在運用大數據的過(guò)程中，不能忽略的一點(diǎn)是大數據也并不是沒(méi)有缺點(diǎn)，需要充分重視如何回避大數據帶來(lái)的負面效果。正如維克托邁爾在撰寫(xiě)《大數據時(shí)代》一書(shū)的同時(shí)，還寫(xiě)了另外一本名為《刪除》的書(shū)，就是要告訴我們，大數據是一把雙刃劍，在運用的時(shí)候一方面必須處理好數據與隱私之間的界限，另一方面也必須要處理好已掌握的數據的取舍問(wèn)題。
參考文獻：
[1]城田真琴.大數據的沖擊[M].北京：人民郵電出版社，2013.
[2]維克多邁爾.大數據時(shí)代[M].浙江：浙江人民出版社，2013.
[3]劉緯緯.大數據給傳統企業(yè)管理帶來(lái)的變革[J].中國管理信息化，2014，(16)：43-44.
[4]趙巍偉.RETAIL LINK數據抽取和處理工具的設計與實(shí)現[D].上海：上海交通大學(xué)，2011.
[5]曾鴻，豐敏軒.大數據與統計變革[J].中國統計，2013，(9)：49-50.
[6]游士兵，張佩，姚雪梅.大數據對統計學(xué)的挑戰和機遇[J].珞珈管理評論，2013，(2)：165-171.
[7]朱建平，章貴軍，劉曉葳.大數據時(shí)代下數據分析理念的辨析[J].統計研究，2014，(2)：10-19.
[8]李金昌.大數據與統計新思維[J].統計研究，2014，(1)：10-17.
[9]鄭淑蓉.零售業(yè)大數據：形成、應用及啟示[J].理論探索，2014，(2)：90-94.
[10]許明星.大數據在零售業(yè)營(yíng)銷(xiāo)中的應用分析[J].物流工程與管理，2014，(9)：187-190.
【大數據時(shí)代零售業(yè)統計的變革】相關(guān)文章：
超閱讀：數碼時(shí)代的文本變革03-18
大數據時(shí)代管理會(huì )計工作變革探析03-14
大數據時(shí)代網(wǎng)絡(luò )教育論文12-04
休閑經(jīng)濟時(shí)代的營(yíng)銷(xiāo)方式變革03-21
互動(dòng)的變革—探討互聯(lián)網(wǎng)時(shí)代全新的教與學(xué)方式03-20