当价格不再是优势时，企业就需要创造吸引和留住客户的新方法，而这些方法与经验密切相关。这是大数据发挥作用的地方，通过利用商业智能咨询就能提供必要的见解。
信息民主化和快速访问互联网使大多数市场变得透明并极具竞争力，从而改变了大多数市场。价格和销售厂商的比较方法类似于经济学教科书中描述的那样，而达到这种平衡只是几次点击即可。
但是，当价格不再是优势时，企业就需要创造吸引和留住客户的新方法，而这些方法与经验密切相关。这是大数据发挥作用的地方，通过利用商业智能咨询就能提供必要的见解。
SMART的方法
企业管理人员习惯于SMART目标系统来定义可实现的目标。而作为缩略词，只需稍作修改，就可以用来记住使用大数据进行零售的主要好处。
(1)具体(Specific)
交易数据、社交媒体、客户反馈、网站日志，这些都可以帮助企业回答一些特定的问题，并通过用数据替代它们来猜测。企业现在可以准确回答“我们最有消费潜力的客户在哪里?今年与去年相比，客户花费了多少费用?那么考虑到客户购买的历史和偏好，下一步最有可能购买的项目是什么?”通过这种原子级别获得的信息，可以使企业具有很大的灵活性和反应速度。
(2)测量(Measure)
绩效管理就是定义正确的关键绩效指标(KPI)。大数据通过允许将非结构化数据提炼到KPI中，带来了全新的维度。在这个新工具的帮助下，企业可以在这些产品和服务进入市场之前发现趋势，并相应地调整报价。例如，与某个热门电视连续剧有关的某些搜索字词的流量很高，可能表明该主题的商品具有很好的领先优势。从他们的个人资料中添加有关用户的信息，缩小范围，寻找出最好的销售产品。
(3)分析(Analysis)
使用大数据进行分析以提高零售行业知识，并能够在多个层面展开：
•客户分析 - 通过这种分析，企业可以了解自己的客户习惯的转变，找出他们真正想要的激励，以此来褒奖他们的忠诚度，并提升忠诚度和商誉。
•库存分析 - 未利用的库存是企业最重要的资源浪费。通过大数据获取有关库存、最佳/最差表现产品的所有数据，并通过查看趋势来做计划。
•预测模型 - 在利润率为3%左右的商业部门，企业需要知道自己的客户将购买什么以及数量。
•价格优化 - 价格不再是选择特定零售商的主要原因，但是如果显示的价值比企业的竞争对手的网站上看到的要少，那么动态优化就会产生影响。
•营销 - 查看由Google Analytics(谷歌分析)或Facebook Insights等免费平台提供的数据，可以让企业了解客户，以及他们的行为和偏好。
(4)相关(Relevant)
要将大数据转换为大业务，企业需要选择那些长期提示客户行为的见解。回答这个问题的相关因素是：这些信息是否有助于某人采取更好的行动?
自助维度通过给予第一线员工一些权力，来增强特定组织的数据的相关性。
(5)时机(Timing)
顾客喜欢购物，而像天气这样简单的事物可以提高或减少销售。例如，比萨连锁店曾根据雨量预测向客户发送优惠券，而连锁酒店通过查看取消的航班来提高预订量。
时机意味着客户准备听取企业的意见，并在拥挤的广告空间里导航时，企业就要给客户一些适当的激励。实时的演示和行动将会提供真正的竞争优势。
在艺术与科学之间的零售行业
几十年前，当分析只在月底甚至季度发布时，数字只是一种了解零售代理技能的方法。现在，这些数字正在决定企业如何进行销售。人们可能会说这不再是一种说服的艺术，而是关于推销的科学。
利用大数据进行零售业的挑战
大数据最重要的问题是从信息海洋中选择正确的指标并创造一个连贯的叙述。这是在一个统一的仪表板中组织所有可用的记录，企业可以使用这些记录来回答有关库存、分销、定价的日常问题。
第二个挑战与数据的准确性和清洁度有关。使用大数据的人工智能模型要与输入系统的信息的基本质量一致。从不同来源提取的不同集合或类型的数据需要在技术上可行。
第三，在操作可能包括个人数据(如银行交易和家庭住址)的客户数据时，安全性仍然是主要的问题。旨在使用这些集合来提供个性化体验的系统应该使用加密和数据保护等安全措施。此外，定制背后的算法预期会使客户关心，而不是跟踪。而一流周到的服务与无所不在的监控可能只有一线之隔。
企业是否准备好处理3V?
大数据是由3V定义的：数量(volume)，速度(velocity)，种类(variety)。在全球化时代，这样的特征可以很容易地用来描述零售行业。
由于无库存的商业模式，开放的边界，以及网上销售，提高数量(volume)主要取决于说服客户的能力。而速度(velocity)则来自不同时区的全天候工作时间表，如果零售商想更好地销售，就不能再以朝九晚五的工作周期运作。大数据甚至可以告诉企业，其目标客户的最佳时间是多少。种类(variety)体现了库存类型、客户概况或客户对公司的期望组合。
使用分析来使所有这些部件一起工作不再是一种选择，而是一种生存工具。HERO译
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
（来源：企业网D1Net）
点击蓝色字体
关注我哟
您还可以搜索公众号“D1net”选择关注D1net旗下的各领域（云计算，数据中心，大数据，CIO， 企业通信 ，企业应用软件，网络数通，信息安全，服务器，存储，AI人工智能，物联网智慧城市等）的子公众号。
企业网D1net已推出企业应用商店（www.enappstore.com），面向企业级软件，SaaS等提供商，提供陈列，点评功能，不参与交易和交付。现可免费入驻，入驻后，可获得在企业网D1net 相应公众号推荐的机会。欢迎入驻。
扫描下方“二维码”即可注册，注册后读者可以点评，厂商可以免费入驻。
如果您在企业IT、网络、通信行业的某一领域工作，并希望分享观点，欢迎给企业网D1Net投稿，投稿邮箱：[email protected]
