大数据在零售业应用

大数据在零售业应用

随着零售市场向全渠道转型、物联网兴起、移动互联时代的到来，大数据（Bigdata）也吸引了众多零售企业的关注。围绕大数据进行的各类宣传让人容易混淆，在这里分析一下大数据常见的误区、探讨大数据在零售的应用、SAP如何支持零售的大数据应用及落地方面的优先级。

大数据的常见误区

• 大数据分析是一种新技术、新概念。
  大数据其实并非新鲜概念，仍然以数据收集、监控和分析为主。主要的改变是，企业逐渐意识到可以利用分析来建立竞争优势，诀窍在于使用正确的工具、在正确的时间、将正确的信息发送给正确的人。
• 大数据是hadoop 的同义词。
  正如其名称所示，Hadoop涉及到大数据。对于与大数据有关的众多挑战而言，最佳解决方案并不存在。因此，虽然NoSQL 在处理大数据方面已经树立了出色的声誉，但传统的关系型数据库仍旧在成功的解决方案中发挥着重要作用。
• 大数据 = 大量数据。
  许多组织都认为大数据指的就是大量数据。IDC调查发现有40% 的组织持有这种看法。但事实上，大数据也指实时数据、流数据、以及更多数据。为确保能够高效处理各种级别的数据，大数据路线图应包括可处理多种数据类型和格式（而不仅仅是数量）的解决方案。
• 技术是唯一的大数据挑战。
  数据的处理和分析能力不会帮助零售企业直接解决业务问题，也不会帮助其增加收入、降低成本和吸引顾客。若要将智能数据转换成切实相关、且有意义的洞察，还需要借助其他工具及企业行动。
• 商务智能=大数据
  商务智能的数据分析很多是结构化的数据分析，而现在的大数据增加了很多非结构化的模型，包括如音频、视频、图像等非结构化数据。并且大数据的概念比商务智能、数据挖掘更加广泛，还包括数据收集、管理、组织和分析、信息存取和工作负载等。
  
  
  

大数据在零售的应用场景

考虑到零售企业网点多、商品多、顾客多、接触点多等特征，零售行业对大数据的应用需求特别强烈。在全渠道零售环境下，每天会在pos机、店内WIFI、电商网站、移动APP、社交媒体以及企业信息系统之间产生数以万亿字节的信息，构成了组成大数据的巨型数据集。借助大数据的解决方案，零售企业可以深入挖掘所有的信息资源，实时地洞察现有数据，获取前所未有的商业价值。零售企业常见的大数据应用场景包括：

• 顾客：
  
  
  
  • 采集各接触点的数据，实时消费行为分析
  • 根据顾客的购买历史、消费习惯和类似客群的消费行为进行商品推荐；
  • 支持顾客自助服务和实时需求响应
  • 进行社交媒体的舆情监测，了解顾客的反馈并及时响应
    
    
    
• 店铺:  
  
  
  
  • 对顾客在店铺的运动轨迹进行跟踪
  • 分析门店热点，基于顾客数据进行卖场布局优化
  • 利用客流、商圈数据进行选址优化
    
    
    
• 销售：
  
  
  
  • 在总部实时处理各门店的POS数据，计算准实时的库存，从而提供全渠道的库存视图；
  • 实时处理顾客订单，进行多渠道的订单分配；支持类似秒杀订单的高峰处理
    
    
    
• 商品：
  
  
  
  • 提供单品/店/日级别的商品预测、计划和绩效跟踪;
  • 进行定价分析和优化建议；提供全局的库存可用性检查
    
    
    
• 仓储：
  
  
  
  • 支持海量订单的库存分配；针对大量SKU进行仓位决策、提供补货建议；
  • 利用销售、顾客等信息进行物流网络优化设计
    
    
    
• 财务：
  
  
  
  • 基于大量的财务业务数据帮助管理层进行投资决策
  • 利用供应商、采购、结算等数据进行现金流预测和风险预警；
    
    
    

SAP 大数据产品体系

SAP 为零售企业提供全面的大数据解决方案，帮助企业更好理解顾客需求、提供及时有效的营销方案、降低商品和物流成本、通过快速的顾客响应来提高顾客体验，同时提高业务报表的访问速度、提供深入的数据分析等。体系包括：

• SAP HANA大数据平台---帮助用户简化IT架构，支持实时业务；
• 大数据分析---快速识别可能的风险和潜在机遇，显著提升业务预测和分析能力；
• 大数据应用---将企业运营合理化，开启新的盈收来源；
• 一流的数据管理---完整准确地将数据传递给所有应用和使用者；
• 大数据服务---SAP数据专家帮助企业将大数据的价值最大化
  1. 大数据平台
  面对数据量不断爆炸、信息种类激增，IT部门必须找到一种有效的方式来管理和使用数据。SAPHANA助力的大数据平台，协同SAP分析数据库、数据服务、事件流处理软件以及Apache Hadoop能够帮助企业迅速获取、实时利用大数据所带来的业务价值。SAP大数据平台解决方案含有一系列在市场上占有领先地位的软件产品：
• 以SAP HANA 内存数据库为核心技术的实时大数据处理引擎
• 基于业务规则的数据流处理引擎ESP
• 大批量数据查询所需要的基于列检索技术的Sybase IQ
• 可以帮助客户处理高速数据库交易的数据库Sybase ASE
• 适应互联网时代企业移动办公应用需要的无线数据库SQLanywhere
  
  
  如全球知名连锁机构SPAR采用SAPHANA方案，实现实时业务分析、加速企业绩效管理、提高业务处理效率、改善IT生产力，向实时零售企业迈进。
  
  
  

2. 大数据分析

无论是数据专家、分析师还是业务用户，借助预测分析InfiniteInsight、文本分析和可视化软件，用户能迅速完成海量数据分析，轻松实现商务智能并做出明智的商业决策。

• 分析现有数据和历史数据，预测未来事件，优化结果；高效的可视化帮助实现业务洞察的快速传递和分享，加快决策进程；充分利用全文搜索和非结构化文本分析，寻求相关信息；挖掘大数据，实现移动客户端的商务智能化，无论身处何地都能实时洞悉业务
• 传统预测分析方法，企业需手动执行各种重复性活动，这不仅耗费时间，且极易造成人为失误。而借助SAP InfiniteInsight, 大多数分析流程可自动执行，因此用户能够获得前所未有的洞察力，轻松制定具有前瞻性的决策。
  
  
  

如梅西百货利用SAPInfiniteInsight实现对电商网站Macys.com顾客理解和购买行为的分析，提升EDM的有效性从而获得12%的销售提升。

为了便于企业更高效地了解并使用大数据分析工具，SAP提供了大数据快速部署方案(RDS)。快速部署方案RDS集SAP的精华于一个方案包，帮助企业在短时间内部署SAP系统,即使客户需要超出快速部署方案的范围,同样可以用快速部署方案作为项目的快速启动。

3.大数据应用

SAP大数据应用是运行在SAPHANA数据平台上的全新应用，帮助企业变革现有的零售业务模式并开启新的盈收来源。这些应用有的是由SAP研发，有的是由初创型企业研发，还有的是为客户定制的，但无一例外都能助力用户轻松实现企业内的大数据化。常用的零售企业大数据应用包括了：

• Suite on HANA ：新的SAP商务套件提供了基于HANA的部署，能够提供集成、高性能的集成管理系统
• IS-Retail on HANA ：针对SAP零售行业解决方案的优化和加速，特别针对大数据处理的零售场景进行优化
• CAR:CAR(顾客活动数据库)是SAP大数据零售应用的基础平台，融合各渠道的顾客数据形成360度的顾客视图，并提供内嵌的预测能力
• 
• Finance on HANA：基于ERP流程的加速，提供预置的财务模型、报表和战略性指导，及关键业务的模拟
• EPM on HANA: 集成了最佳实践和预置的分析模型，加速复杂计划、报表合并与财务关账流程
  
  
  

这些应用帮助企业将大数据所赋予的业务洞察转化为盈利，实时优化企业运营；海量数据轻松读取助力实现商业决策明智化，显著提升市场应变能力；基于SAPHANA的创新型大数据解决方案，探索全新的业务发展机遇。

不仅如此，SAP中国研究院在大数据应用方面投入巨大研究力量，借助SAPHANA平台搭建零售行业大数据模型、解决业务应用难题，帮助零售企业在市场取得技术领先地位。如云南鸿翔一心堂与SAP中国研究院基于HANA合作创新，有效解决门店绩效计算和分析、门店间库存调配、关联销售分析和预测等问题。

4. 大数据服务

大数据服务能够帮助零售企业更快更深层次地挖掘大数据，实现数据价值的最大化。不论是业务新手，还是已经使用过高级业务分析工具，SAP大数据服务都可以帮助大幅度提升应用水平，帮助企业捕获、存储、利用由数据分析所驱动的商业洞见。
-采用设计思维理念挖掘大数据商机，并将其同业务重心整合起来

-通过先进的数据分析技术，发现潜在商机并将其转化成竞争优势

-规划详细的路线图，帮助企业实现大数据的长远发展目标

-借鉴最佳业务实践，实施大数据平台和管理体系

-运行大数据分析应用，纵览全局，预测未来

-实现解决方案与业务需求的最佳契合：on-premise，Cloud， hybrid

如Woolworth借助设计思维理念通过DesignThinking研讨会，发掘企业在顾客服务、商品管理、全渠道运营等方面的大数据处理需求，进而重新设计、搭建一个基于SAPHANA的企业大数据管理架构，提升移动销售、门店服务、库存管理、现金流管理水平。

大数据在零售落地的建议

考虑到大数据应用在零售企业有一个逐步实现、逐步收益的过程，初始投资高、技术门槛高，在大数据落地的优先级方面有几个建议：

• 先把该收的数据收上来。像WIFI捕捉的动线数据、网络购买行为、浏览数据、社交媒体数据等，需要尽量尽早收集。收上来以后可能暂时没有完整的工具和方法去分析，但应该先收集上来存储，然后再随着技术提升逐步应用、细化，这是大数据管理的底层。
• 考虑把业务分析OLAP和业务处理OLTP整合在一起。零售的业务场景日益要求基于查询、分析、预测进行业务处理，这要求大数据处理和业务操作紧密结合，给予业务人员实时业务能力。不仅如此，根据SAPHANA的实际应用经验，业务分析OLAP和业务处理OLTP整合后，可以获得近10倍的数据压缩比、1000倍的速度提升，从而简化企业IT架构。
• 优先建设顾客行为数据库，把围绕顾客的所有渠道的购买行为数据，如网络购买行为、LBS的信息、POS收款信息、CRM上的投诉、微信上的发言等整合到一个集中的数据库，形成一个对顾客的统一视图，这个是零售大数据应用核心。
• 基于顾客行为数据库进行营销。在顾客活动数据基础上，了解了顾客是谁，然后做顾客的细分。比如某企业有8000万会员，通过数据采集到顾客的详细网上购买行为和线下购买行为的信息以后，通过系统应用对会员进行分群、描述这些顾客群的特征，然后根据这些顾客群来设计营销。零售企业可能暂时无法做到一对一的精准营销，先能做到对某个特定客群营销，在目前情况下已经足够了。
  
  
  

总结

简化、价值、突破
作为全新的内存计算平台，SAPHANA 能够帮助零售企业简化复杂的IT架构，降低IT总体成本，实时处理海量数据，以空前的速度实现信息交互。同时，以SAPHANA为基础的应用系统还帮助企业以全新的方式运行业务，实现洞察与行动的统一、优化顾客体验，并以此来推动创新，提升业务进程效率，实现与顾客和员工前所未有的高效互动。

注：本文部分内容参考了IDC 白皮书《大数据：趋势、战略和SAP 技术》