零售和数据

本周开始，恢复每周一次的放送。首先做 下说明，解答某些读者的疑惑。本 公众号所讲的零售是泛零售的概念，传统零售都是指实物商品 的零售，而我们所讲的零售根据售卖标的的不同，分为商品零售和服务零售。都归属于泛零售的范畴。 在以后推送的文章中还会有更深入详细的阐述。

现在回到本文的重点，今天主要讲的是零售和数据。首先来看数据，数据有 两个维度，一个是 数值 ，例 如一个数字、一段文字、一段音频、一张图片等 等；另一个是 赋值 ，也称为打标签，这个在AI领域是个 基础工作，例如姓名、性别、销售额、支出等等。赋值一个数值，就是一个数据。拿一个形象的比喻来说，数值和赋值就像一张平面表 格的行和列，行和列的重合处就是数据。零售的数据是最为复杂的数据之一，复杂的关键就是赋值的多 样性。

从数据我们引出目前火热的大数据，我的理解来说，大数据目前有两个层面，一个是大量数据，这是一 级层面；另一个是大的数据，这是二级层面。目前，很多大数据的应用都还集中于一级层面大量数据， 主要有数据采集、数据汇总等。从零售业来说，零售运营开始，就是一个天然的数据数值生产的过程， 只要运营不停，根据数据赋值的不同，数据的产生和累积就是不断增加的。从零售信息化来说，目前零 售业各个系统的应用，都实现了大数据的一级层面，在数据采集、数据汇总、数据存储等领域有了成熟 应用。大量数据，对于一个成熟的零售业态来说，不是一个瓶颈问题。而在大数据的二级层面，零售相 对来说应用甚少。这也是目前大数据的一个误区，一谈大数据，就比较数据的物理量级，而忽视了大的 数据这一层面。事实上，我认为，大的数据才是大数据的核心。

理想的零售数据应用流程： 前期赋值 → 数值生产 → 数据汇总 → 二次赋值 → 算法匹配 → 数据分析 →数据汇总→ 三次赋值 → 算法匹配 → 数据分析 →数据汇总 ...... 赋值是大数据二级层面的基础工作，是大的数据的基础，也是很多人所 说的小数据的体现。前面所述流程是在数据量一定的基础下的不断深化的过程，实际应用中是动态多级 循环砌套的。零售数据应用主要两个方面：趋势分析和决策分析。趋势分析依靠大量数据，这是目前零 售信息化的方向。决策分析依靠对数据的不断剖析，也就是大的数据，目前很多商业BI系统号称做决策 分析，但只是趋势分析，并不是真正的决策分析，它们的基础还是大量数据的依托。

因此，未来零售或者说明天的零售，在数据应用上，将围绕大的数据展开，要想在零售AI上有所突破， 关键点也是大的数据。在无人零售的热点过后，最容易成为资本热点的是大数据中的大的数据，最佳切 入点是大的数据的基础——赋值。

关注 谈谈零售 公众号，点击查看历史消息，可浏览以前发布文章

点击查看以前文章

零售购买决策的奥秘（二）