中国零售业大数据应用现状与趋势探析

《中国零售业大数据应用现状与趋势探析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国零售业大数据应用现状与趋势探析AnalysisofRetailBigDataApplicationStatusandTrendsinChina林文斌/LinWenbin（北京易观网络信息咨询有限公司北京100102）lAnalysysInternational-Beijing100102*China）摘要大数据几乎正在颠覆每一个行业，特别是零伟业。2014年，零伟业面临着市场环境和新一代消费者需求的巨大变化，本文主要以国内零售业大数据应用为施点进行研究，包扌舌零借业发展周期'零售业大数据的类型和价值维度，分析了大数据在用户'市场•产品•供应链•运营等企业发展各个

2、方面的应用，并对零售业大数据的发展趋势进行了预测。关键词大数据；零售；电子商务AbstractBigdataisupendingnearlyeveryindustry,especiallytheretiiilindustry.In2014,theretailindustryisfacingwiththegreatchangesofthemarketenvironmentandthenewgenerationconsumerdemand.Thepapermainlyfocusonthedomesticretailbigdataapplication,including

3、thedevelopmentcycle,thetypeandthevaluedimensionofretailbigdata.Thebigdataapplicationinusers,market,product,supply-chainandoperationwerennalyzed,andthetrendofthedevelopmentofthelargeretaildatawaspredicted.Keywordsbigdata1retail1e-commerce1引言消费革命起始于消费需求的革命，伴随着消费者的加速•成熟”，零售业势必耍加速变革。零售业从口然

4、零售进入现代零售，出现了各种业态，如百货公司•超市'专卖店'便利店'购物中心'电子商务等，历史证明，新-•轮消费革命催生全新的零售业态'C2BO2O等创新模式也因此承载了市场和消费者越來越多的期待，零售业市场环境升级已然是大势所趙，行业变革与模式创新是难以改变的事实。在产业升级的背景下，零售业需要引入全新的产业竞争要素来重新定义市场,寻找发展方向，改变存显竞争的现状,使运营效率得以优化提升。2中国零售大数据市场的发展周期根据市场成熟周期的特点，零售业大数据从2011年在中国市场出现，发展至今处丁•启动前期，大量的探索型数据应用出现，资木市场关注度不断提高，成功案例多

5、出现在企业内部用于优化提升企业发展的数据应用以及先进技术的创业企业屮。然而，能够成功运用大数据进行系统化运营转型，或是以此为核心竞争力上市的企业仍未出现，市场探索阶段仍将持续3、5年,直至现有应用成熟，并经历一轮模式调整，才能达到系统化'产业链形态的高速发展期。中国零售大数据应用市场AMC模型如图1所示，3屮国零售大数据的类型零售业大数据根据企业边界可划分为内部数据和外部数据・从零售企业开始进行信息化发展，企业已经积累了从MB到TB量级的数据，这部分数据主要划分为运营数据'交易数据利用八数据，分布在ERP、市场认«r度市场启动期(2014年一)探索期(2011年一2

6、013年)炖用成熟期高速发展期vnVI时间(来源：易观国际•易现种殊)图I中国零何大数据城用市场AMC模也介您业大数据、应用在中13出现，并逐步受到市场关注,大中型零傅和电商企业率先将大数据@用俗地厂公何业人数叭槪念怦及，金业用户不麟提升，资本市场高度关注,具冇数据资产的企业谋求扩张丿:厂零占业人数据技斥、成熟度仍不足，市场第-轮洗牌，同质化强，技术程度模式不淸晰的:产品及服务经营闲、堆，市场认可度低CRM'POS等信息系统中。进入大数据时代，线上'线下零售企业都纷纷关注并积极积累外部市场的数据，使大数据量级从TB上升到ZB量级，数据的维度也在运营数据'交易数据'用

7、户数据的基础上，增加了交互数据直到大数据，3.1线下零售业大数据类型线下零售企业的内部数据主耍包括运营'交易'用户3部分，(1)运营数据运营数据以店铺'渠道'供应链、财务数据为核心统计数据，是企业分析运营情况的核心指标维度；店铺'渠道数据是线下零售企业与线上零售企业的区别所在，(2)交易数据在交易数据中，商品数据除了商品的基木属性数据外，型号、价格、品类匹配度、货龄、伟罄率、折扣率、动销率'缺货率、品类结构等也都是企业所关注的商品指标，细分化程度比线上零售企业高。(3)用户数据线下企业更多关注新增会员数'会员增长率'会员贡献率、有效会员数'会员回购率与回购频率、