新零售大数据架构及应用解决方案课件

新 零 售 下 的 大 数 据 架 构 及 应 用 新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新 零 售 下 的 大 数 据 架 构 及 应 用新零售大数据架构及应用解决方案技术创新变革未来新零售大数据架构及应用解决方案技术创新 变革未来1新零售&新商场概念传统零售数据现状新零售下的大数据架构新零售下的数据应用及未来0102030405Q&A新零售&新商场概念传统零售数据现状新零售下的大数据架构新零售201Part One新零售、新商场概念01Part One新零售、新商场概念新商场零售的重要一环，商场是城市商圈的核心。通过商品电子化，物流、云计算、大数据、业态深耕等，完成传统商场的升级。01新零售&新商场概念新零售线上不线下零售深度结合、趋于一体化。依托物流，利用云计算、大数据等创新技术，提升消费者的消费体验，使得整个商品生产、流通、服务的过程更加高效。新商场01新零售&新商场概念新零售4中国零售业发展进入第三次浪潮后半场百货商店一统天下实体零售多种业态并存线上线下多种业态融合90年代以前在国内兴起；中国工业化和城市化进程推进；两次消费升级；1978年城镇居民可支配收入达568元，农村居民可支配收入达194元；国内第一台商用POS机进入市场；以城市为重点的经济体制改革全面展开.90年代以后国内零售业态多元化发展；国内进一步工业化、城市化发展，伴随加入WTO中国经济迈入全球化发展；国内消费市场向发展型、高级型、宽广型发展；居民人均可支配收入在1999年达到2666元，是1990年的3.17倍；制冷设备、包装技术、电子技术的发展为商品供应链提效奠定基础；社会主义市场经济体制确立。21世纪中国电商市场迅猛发展；零售业全面信息化升级；国内第三次消费升级；2016年居民人均年可支配收入为33616元，比2000年增长435%；2000年中国互联网用户暴增至890万，截至2017Q2中国互联网用户数达7.51亿；互联网、移动互联网、智能可穿戴设备、AR/VR、AI、物联网等新兴技术应用广泛兴起；政策引导持续优化零售市场发展环境。第一次浪潮第二次浪潮第三次浪潮百货百货、超市、便利店、购物中心前半场：电商崛起+后半场：新零售20185数据分析驱动变革01中国零售业发展进入第三次浪潮后半场中国零售业发展进入第三次浪潮后半场百货商店 一统天下实体零售零售的本质是数据，人即数据线下会员卡年龄注册信息性别联系方式消费记录地点时间价格数量品类充值记录时间/周期金额注册信息浏览记录搜索记录购买记录年龄性别职业联系方式线上数据品类跳转时长品类关键词频率地点时间价格数量品类新零售（线上+线下）数据将交叉互动饮食数据医疗/保险出行数据文化娱乐时间地点品类金额体检记录医疗记录保险信息时间出行方式目的地兴趣爱好时间种类评价圈群VR/AR体验指数评价消费潜力出行轨迹XXXXXX20186数据分析驱动变革01零售的本质是数据，人即数据线下会员卡年龄注册信息性别消费记录零售变革始终在依托数据引导效率提升沟通效率越来越高物流效率越来越高选择效率越来越高客户需要经过各种沟通才会来到这个门店客户在一家门店看过的商品往往要货比三家后才会购买购买效率高的客户一般都是之前对这个商品花时间了解过平均购买所需时长：3h传统门店客户基本只能到门店自提商品如果缺货，门店补货周期长且固定补货周期：7至180天供不应求有啥买啥不存在选择空间购买所需浏览量级：3传统线上零售客服软件可以让客服同时服务几位客户客户可通过网页图文描述自行了解商品丰富的SKU让客服可以不用为了一件商品而多费口舌平均购买所需时长：90min用户下单，（快递揽件，）仓库发货，配送签收随着物流网络的铺设，与设施的优化，物流效率缓步提高送货时间：5至90天供过于求滥用长尾理论用户挑选心仪的商品所需时间越来越长购买所需浏览量级：30新零售用户数据积累为沟通预先准备人工智能客服减轻人工客服压力，沟通方式多样品质升级让客户无需费心挑选购买所需最大时长：1-60min如菜鸟网络这样的大数据平台协调管理170万快递员的送货路径，显著提升效率智能化无人化仓储与运输，如京东机器人分拣中心，效率达到人工8倍前置仓的探索大幅缩短最后一公里配送效率配送时间：1小时到7天千人千面的商品推荐严选品质用户无需投入大量时间和精力便可买到心仪的产品投入的时间和精力反而会变成对服务和品牌的体验，不再白白浪费购买所需浏览量级：1-320187数据分析驱动变革01零售变革始终在依托数据引导效率提升沟通效率越来越高物流效率越数据由割裂变为贯穿，提升产业链上下游动态协作效率，同时主体开始参与到附加值更高区块的业务布局制造商经销商、代理商消费者线上零售转变生态职能，开放基础设施及资源能力，成为零售运营服务平台经营实体零售终端主体厂商分别参与到核心职能以外的附加值更高区块的业务布局；跨界融合的直接原因在于，对市场底层主动需求的获取及对需求数据在指导产品制造的价值挖掘应用。研发、设计品牌、渠道、物流附 加 价 值微笑曲线微 笑 曲 线零 售 产 业 链主 体 厂 商 参 与 到 附 加 价 值 更 高 的 区 块 布 局需求数据 物流数据20188数据分析驱动变革01数据由割裂变为贯穿，提升产业链上下游动态协作效率，同 时主体在传统利润来源之外，零售商寻求更多对商品及服务的增值VS商 品 差 价平 台 中 介百货店超级市场大型综合超市专业店/专卖店便利店仓储式商店以京东为代表的自营电商购物中心以阿里为代表的平台电商毛利30%毛利20%-30%毛利16.1%EBITA利润率63%20189数据分析驱动变革01在传统利润来源之外，零售商寻求更多对商品及服务的增值VS商 便利店在国内众多实体零售业态中表现最优Analysys易观-20.00%-40.00%数据来源：国家统计局易观整理20.00%0.00%40.00%便利店超市大型超市百货店专业店专卖店2013-2015年中国主要零售业态销售额同比增长2013年2014年2015年-20.00%0.00%20.00%便利店超市大型超市百货店专业店专卖店其他业态门店2013-2015年中国主要零售业态门店总数同比增长情况2013年2014年2015年-40.00%数据来源：国家统计局易观整理Analysys易观201810数据分析驱动变革01便利店在国内众多实体零售业态中表现最优www.analysy经历了爆发式高速发展的中国网上零售进入稳健增长7195.28075.69051.39451.011773.810572.912132.012978.514004.213493.117456.517851.854.2%40.9%9170.040.2%37.3%31.4%28.4%30.9%34.0%37.3%18.9%27.6%43.9%37.5%60.0%50.0%40.0%30.0%20.0%10.0%0.0%0.05000.010000.015000.020000.02014Q32014Q42015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32014Q3-2017Q3中国网络零售市场交易规模交易规模（亿元人民币）同比增长率Analysys易观2335.83227.03566.85243.07653.07476.88771.49619.110442.910376.214031.613913.8276.2%178.5%159.8%155.2%4289.9124.5%137.2%109.6%104.5%83.5%36.5%38.8%39.5%35.1%300.0%250.0%200.0%150.0%100.0%50.0%0.0%0.05000.010000.015000.02015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32014Q3-2017Q3中移动网购市场交易规模交易规模（亿元人民币）同比增长率2014Q32014Q4Analysys易观201811数据分析驱动变革01经历了爆发式高速发展的中国网上零售进入稳健增长7195.28数据分析驱动变革201811线上零售获客成本上升，线下新兴实体店坪效看好百货（平均）购物中心（平均）奥特莱斯（平均）永辉超市永辉社区店苹果小米之家永辉超级物种盒马鲜生1万元/年0.6万元/年0.5万元/年2.14万元/年2.69万元/年37万元/年27万元/年近6万元/年近6万元/年线下各零售业态门平均坪效数据数据来源：公开资料易观整理168168166168171171174184189202215241251273155169.1188.1198.7226.6236.5258.3801301802302802014Q12014Q22014Q32014Q497.82015Q11142015Q2126.92015Q32015Q42016Q12016Q2但是线上获客成本：已超过200元2016Q32016Q42017Q12017Q22014Q1-2017Q2天猫和京东ARUP值天猫京东2015Q22017Q2数据来源：阿里及京东财报易观整理Analysys易观来源：Analysys易观01数据分析驱动变革201811线上零售获客成本上升，线下新兴实12新零售发展步入4大进程数据维度丰富化新零售在把新场景数据化之后，与原有的数据进行融合打通，使得数据维度极大丰富。用户服务持久化新零售在对用户拥有了充分立体的认识后，将比用户更了解用户。所有场景数据化新零售首先把所有场景数据通过新一代信息技术和人工智能技术进行数据化。用户画像立体化新零售把所有场景数据融合打通之后，将掌握360度的用户画像.201813数据分析驱动变革01新零售发展步入4大进程数据维度丰富化用户服务持久化所有场景数02Part Tw0传统零售现状02Part Tw0传统零售现状02传统零售数据现状数据质量数据准确性数据完整性数据及时性数据一致性权限系统数据计算平台(Oracle)调度系统(功能单一)血缘关系缺失数据产品人消费者(识别)停留在业务跑通，而丌是数据沉淀 元数据管理(缺失)消费者(链接)消费者(运营)货商品内容商品陈列供应链管理场商场选址劢线规划商铺洞察数据分散DataAnywhere线性扩展能力大数据处理能力费用成本第三方服务，数据整合难，形成信息孤岛功能简单，无法满足复杂调度场景缺乏有效的权限控制流程来保证数据安全商品库存绕过系统直接修改业务数据POS订单回传链路很长;数据计算瓶颈导致产出延迟；商品属性缺失会员信息缺失线下品牌类目一致性无法保证；相同业务含义字段命名丌一致数据工具和产品丌足，制约数据应用能力；消费者感知及洞察丌足短信、微信：效果有限；交易链路很长 SKU，库存，颜色，尺码，材质等缺失 无法感知消费者和货的交互自营库存积压对周边消费者缺乏讣知依据行业经验达成02传统零售数据现状数据质量数据及时性数据一致性权限系统数据1502传统零售数据现状解决思路技术云计算地理围栏RFID商品电子化全渠道链路(喵街/淘宝/天猫.).供应链管理产品会员数字化室内导航智能停车数据计算平台调度系统血缘关系元数据管理数据质量监控全域用户画像消费者营销到店客流分析数据BI产品Wi-Fi探针02传统零售数据现状解决思路技术云计算地理围栏RFID1603Part Three新零售下的大数据架构03Part Three新零售下的大数据架构03新零售下的大数据架构会员维 度 建 模数据融合后台支撑系统ODPS调度系统监控系统权限系统元数据管理（数据地图OneData）业 务 源 数 据数 据 同 步 中 心阿里系数据:淘宝、天猫、支付宝、优酷实时数据平台(TT+Galaxy)机 器 学 习数据应用BI选址招商选品定价订货补货消费链路营销个性化推荐服饰搭配.新零售数据仓库用户画像（全域）商品交易行为数据质量监控ODSDWDDWSADS.03新零售下的大数据架构会员维 度 建 模数据融合后台支撑系1804Part Four新零售下的数据应用及未来04Part Four新零售下的数据应用及未来04新零售下的数据应用全域消费者画像模糊的群体人群的轮廓年龄层性别线下消费特征全域清晰画像基础属性年龄性别身高/体重学历职业婚姻人生阶段宝宝性别宝宝年龄是否有车汽车品牌是否有房房屋档次手机操作系统手机品牌 地理属性出生地家庭地工作地消费行为消费层级可接受价格层级是否高端买家最近N天消费行为偏好习惯品牌偏好店铺偏好类目偏好男装风格偏好女装风格偏好折扣敏感度电影偏好电视剧偏好金融特征芝麻信用分金融产品偏好互劢行为线上登陆/点击/收藏/加贩/评价线下到场/浏览04新零售下的数据应用全域消费者画像模糊的群体人群的轮廓全2004新零售下的数据应用电子化消费链路营销POS收银效果差商家参不度低无差别营销无活劢提醒黄牛代贩纸质小票营销活劢满减满 折 资格券.解决方案电子小票消费者识别消费者精准营销消费提醒最终效果消费者数字化程度提升回流率提升核销率提升GMV增长消费者体验提升线上浏览线上收藏线上加贩线上消费线上搜索线下消费消费者画像线上线下消费者映射线上线下品牌映射营销规则消费者品牌偏好个性化推荐消费者券排序04新零售下的数据应用电子化消费链路营销POS收银效果差纸2104新零售下的数据应用未来人消费者洞察，提升体验货智能控货，优化供应链商品选品.销量预测/补货场智能商场，智慧商场选址招商商铺雷达到店客流分析.服饰搭配个性化推荐/排序消费链路营销会员营销04新零售下的数据应用未来人货商品选品.销量预测/补2210谢谢Thanks!10谢谢Thanks!23