大數據零售（BDDR）的核心是創建清晰有效的數據戰略。前端

——奇點雲副總裁 何夕算法

8月26日，「數智·泛零售」01課，奇點雲副總裁何夕帶來線上直播分享《泛零售企業如何構建核心數智化能力》。網絡

何夕，奇點雲副總裁，數字化轉型戰略諮詢專家，浙江大學社會碩士生導師，原天下網商主編，原阿里媽媽大數據中心產品專家，原阿里巴巴集團市場部市場專家。發佈新做《大數據零售白皮書》。架構

大數據零售的時代背景

大數據驅動的零售，簡稱大數據零售。ide

大數據零售是泛零售行業所面臨問題的理論基礎，泛零售行業的數字化轉型背後有不少信息技術和驅動力。社會化網絡（SNS）、電子商務（Ecommerce）、移動化（Mobile）、推薦引擎（Recommendation Engine）全部的技術都在作一件事情，就是把全部跟消費之外的跟人相關的因素，經過數據和算法的方式還原到「人」，讓「人」成爲衡量一切交易的尺度。工具

當咱們講到「人貨場」時，其實咱們講得更多的是「貨」和「場」，「以客戶爲中心」， 此處的「客戶」更可能是種理念，而不是真正能被識別的個體。
大數據

如何在合適的時間、合適的地點向合適的人推薦合適的產品？這是全部泛零售企業將會面臨的主要挑戰。這是思考大數據零售的起點。設計

什麼是大數據零售（BDDR）？

隨着電子商務的興起，最初整個零售所產生的變化是突破線上的數字世界，把人定時定點的單點鏈接變成多點溝通；有限貨架、單向流動轉向無限貨架、個性化配送體驗；定時定點的場所重複體驗轉向無窮多的線上場景的個性化體驗。線上的傳播大大突破了原有人貨場的侷限，技術手段進化線下的物理世界，進入大數據驅動的時代。時代給企業提出了高要求：在不斷變化的市場中提高企業自身的能力，從單純的突破線上數字世界，再用線上數據的能力，支撐和進化線下的物理世界，最終實現傳播生產、服務管理的全價值鏈融合。3d

（中國零售正在面臨五大數智化轉型挑戰 ）blog

零售行業數字化轉型的將來，將以互聯網爲依託，構築企業的數據中臺戰略，用大數據和互聯網技術重塑「人貨場」關係，助力零售企業數字化轉型，實現企業的降本增效。大數據的核心特徵在於使用人羣的普遍性，不論是一線員工仍是用戶，都應該並且能夠享受到大數據帶來的能力和服務體驗的提高。咱們把這樣的將來稱爲大數據零售（Big-data-driven Retail）。

BDDR的核心是創建清晰有效的數據戰略
·如何面向將來創建合適的企業數據戰略？

·如何創建企業數據中臺基礎設施？

·如何建設企業數據資產管理體系？

·如何讓數據資產增值和變成業務價值？

·企業是否作好了相關的準備？會員資產如何持續增加？如何轉變爲業務價值？

面對以上這些問題，從數據視角來看，企業廣泛缺少數據視角和數據資產管理經驗。不少狀況下大部分企業（哪怕已開展電子商務的企業）在數據資產管理這一塊都是空的。咱們談到數據的時候，更多的是講數據中臺的基礎設施，這裏須要考慮2個問題：一、企業是否真的有上數據中臺的需求？二、若是要上數據中臺，須要用什麼技術、什麼方式來建設？

從狹義上來講，數據中臺只是一套大規模數據生產的基礎設施，它解決了數據「管」起來的需求，可是更重要的是數據如何用起來？數據用起來就須要數據資產管理體系。背後折射的最大認知上的問題是，過去對於技術的理解實際上是IT工具解決業務問題，不少時候不少公司會出現面對數據中臺、CDP等工具時，會出現爲了上數據中臺而上數據中臺的狀況，這隻在技術上解決了數據「存通用」的問題，但有無支撐到業務、有無驅動業務人員更好地使用數據作決策是不必定的。在數據的管起來和用起來之間造成必定的閉環，不斷迭代自身的能力，才能在公司內部真正長出數據使用的能力。從數據戰略的角度，大部分的數據強並非技術強，而是組織強、部門強。

咱們建議若是創建數據戰略必定是「以用帶通，以通促用」，首先看前端的業務需求，再看需採集哪些數據、治理哪些數據、分析和應用哪些數據，在此基礎上拉動數據打通，解決組織設計問題，完善技術架構，進而帶動業務更好地應用數據，對數據產生信心。在過去的兩年內，咱們作了許多大數據諮詢實踐。核心是幫助企業定義問題、明確策略。

大數據諮詢和其餘諮詢的最大差別點在於：咱們並不認爲數據諮詢須要一上來就調業務目標與組織，去重構整個流程。而是幫助咱們正確理解現狀，釐清業務目標、戰略目標、組織設計、技術能力、數據能力以前的差距。從業務出發，帶動整個數據能力的建設。

基於數據中臺創建一方數據驅動力

面臨着五大數智化轉型挑戰的大數據零售同時也須要具有五大能力。

泛會員域：在會員域創建會員的策略，傳播運營的能力，能對客戶進行分羣，從公域將消費者轉化成會員，經過會員的持續運營，實現會員的持續增加；

商品域、供應鏈域：經過數據的方式實現大規模精細化人貨場的匹配，知足消費者海量個性化的需求，向後拉通供應鏈，提高供應鏈端的效能。

零售場域：經過相關的店貨匹配精準地進行人和場景之間的匹配和鏈接，幫助線下的零售場所作更好的分析與洞察，指導運營汰換、招商引資等。

組織效能域：經過算法實現門店的智能排班， 實現智能人效，一年幫助某鞋服企業減小人力1300人，減小近億費用。

如何轉變呢？

（從流程驅動走向數據驅動）
過去的核心驅動力來自「人+系統+流程」，能力建設在流程上，角色使用系統產生相應行動，得出相應結果。而如今則能夠經過數據中臺整合一方、二方、三方的數據，向上造成相應的標籤體系，作商品的預測、退補貨的模型，反哺一方的業務， 真正實現數據驅動，推進企業前行。

建設企業數據中臺和數據資產管理體系

以阿里巴巴爲標杆，經過企業內部數據信息的整合與外部數據信息的拓展和引入，強化數據支撐能力，依託專業團隊挖掘數據價值，用大數據來驅動業務運營，最終實現面向市場的應用開拓。

基於明星需求探索數據產品化路徑

在具體實施上，咱們將協助企業挖掘出一些明星需求，基於這些明星需求，咱們肯定了數據賦能的突破口，有效下降企業數智化轉型的風險，實現了數據戰略從策略端到行動端「端到端的落地」，並有利於持續探索數據產品化的路徑。

基於One ID構建用戶數據資產

從CDP的核心功能（打通全部一二方的數據、造成標籤、圈人）來看，都是構建在One ID的基礎上，可綜合管理客戶的旅程。需打通全部的業務系統，進行數據治理，把原始數據經過建平臺、立規範的方式轉化成實際可用的數據資產，並經過場景使用的方式提高一方的數據分析和策略指導的能力。

像經營人力資產同樣經營數據資產

在組織變革上，咱們推薦像像經營人力資產同樣經營數據資產，人力資源裏有HRBP，HR三支柱模型強調的是問題的遷移，過去咱們作的是建設系統、建設工具，用IT工具解決業務問題，今天的思惟更多的是怎麼處理數據在組織內外部流通的問題，會涉及到共享服務中心（關注通用能力建設）、專家中心（關注業務抽象和解決方案）、ITBP（關注業務的技術架構和應用）。

好比：過去全部的目標由業務提出，由IT執行，但全部的執行只是系統建設。從能力建設的角度，IT和業務需進行分工，IT要作通用能力的建設，由ITBP拉通業務建設；在業務上需提高自身的數據進行決策的能力。這些都是在組織環節上須要考量的問題，更多內容都會在《大數據零售白皮書》中有詳細描述。