新零售認知2.0階段

進入2019年，隨著新零售概念的逐步降溫，大家對零售的認知經歷了一個螺旋式的上升，並達成更高維度的共識：無論是什麽業態的零售，本質上依然圍繞著“人、貨、場”三個核心要素，這個從來沒有改變；不同的地方在於，因為線上線下的疊加，以及大數據與人工智能等技術浪潮的普及，“人、貨、場”三要素之間的多維互動、靈活組合，比過去提升了若幹個數量級。而這些變與不變的背後，卻又是殊途同歸，那就是為每一位用戶帶去更美好的產品與體驗。

所以，如何有機打通“人、貨、場”？第四個要素應運而生：“腦”——如何構建零售決策大腦，越來越成為企業的核心競爭力。

零售決策大腦尤其需要解決這三個方面的問題：

1.精耕細作

? 如何做到單店、單品、單客的全息畫像？如何對每一次促銷活動自動進行效果分析與評估？

? 如何從成百上千、成千上萬個SKU中定位到本季度、CBD類型的門店內最熱銷的關聯商品搭配？

2.快速反應

? 當下午3:00某時效類主力SKU如果銷售不及預期，如何第一時間預警，讓數據追人，產生行動建議，並在可能錯失第二波客流高峰之前，快速層層上報，拉動及時幹預？

? 當新品推出的時候，如何做到“快反”，通過局部的實時趨勢，結合歷史的規律，探測新品的曲線，以最快的速度響應市場的節奏？

3.預測決策

? 預測是任何一項決策的最重要入口。波士頓咨詢BCG最新的報告顯示，對於零售和消費品行業，銷售預測的準確度提升可以為企業帶來2.5%的潛在增長。

? 如何基於歷史經營數據與外部公共數據，預測未來1-7天不同細分品類、乃至SKU的銷售額，進而進一步指導訂貨、促銷、生產、物流？

面對這些每天都在高頻發生的決策場景，過去的數據分析與決策方式早已無能為力。大數據與人工智能時代，新一代的智能數據分析產品與解決方案呼之欲出！

智能分析替代傳統BI的趨勢愈顯

今年，數據智能成為熱門詞匯，意味著數據應用從業務洞察進入業務決策階段。而智能分析對數據分析發展進程各階段功能進行了整合優化，形成了從數據接入存儲、數據分析可視化、AI預測、分發與消費等的數據分析-決策流程。因此，智能分析的優勢也是多方面的，體現在進一步促進業務、提升用戶采用率以及提高預測的基準和準確度等，這將成為決定企業未來成功與否的核心競爭力。

那麽，與傳統BI相比，智能分析又有哪些特點呢？

? 產品使用門檻更低，向“重型武器”說byebye

即便是市面上最易用的BI產品，也往往是只面向專業人士的。企業內大約只有5%的專業人士（經過培訓的數據分析師）才能進行BI的自主分析，大部分人在決策過程中無法使用數據支撐。

智能分析最核心的進化，是通過自助式分析，簡化操作難度，讓不懂技術的業務人員也能快速上手，自助、自動地完成分析業務，實現全線賦能與管控。同時這個過程通常是“無感知”體驗，因為智能分析平臺已輕量地集成或嵌入業務人員日常決策的場景中——比如OA平臺免密登錄、手機自動接收異常預警等，可大大促進企業人員數據驅動決策習慣的養成及內部推廣。

? 整體解決方案而非單一工具，更貼近於業務場景使用

傳統BI停留在內部報表與可視化工具層面，難以整合全量大數據，尤其缺乏分析模板、分析場景與指標體系，實現的價值有限。

智能分析會根據企業數據應用基礎的不同，提供相應階段的解決方案，具備靈活適配性及強大的可延展性，既能滿足當前所需，更能幫助規劃並落地面向未來的數據化賦能路徑；同時面向業務場景，提供與業務緊密結合的分析模型，並將行業專家的優秀經驗固化到系統，持續接收反饋並改進，從而打造出最佳數據分析實踐。

? AI智能應用，跨越數據與決策的鴻溝

傳統BI難以有效指導下一步決策，停留在歷史業務的匯總統計，無法對業務實時快速反應，無法對未來進行業務預測。

智能分析可以基於數據分析結果作出預測、診斷、建議等行為，從而引導企業作出智能決策，形成完整的數據閉環。並且，智能分析中的預測不同於一些借助統計學技術的預測，而是基於機器學習等AI技術，將能夠輸出更高效且更高精度的預測結果，並極大釋放企業生產力。

那麽，零售和智能分析在這一全新階段將怎樣有機融合？為了更好地解答大家的疑問，幫助零售企業梳理零售智能分析的演進規律，並提供快速落地的建議指導，觀遠數據集結了內部眾多優秀零售數據分析專家共同制作發布了這份《零售行業智能數據分析白皮書》。

該書作者平均具有十年以上零售大數據分析工作經歷，同時他們結合了觀遠數據與諸多500強零售客戶的合作經驗，將在這份白皮書中呈現「從敏捷分析到智能決策的企業數據化賦能路徑規劃」、「AI+BI智能數據分析知識圖譜」、「零售數據分析選型建議」、「觀遠數據零售全棧式分析圖譜」、「零售各細分行業解決方案」等幹貨分享。感興趣的讀者可登錄觀遠數據官網進行查詢下載。

《零售行業智能數據分析白皮書》正式發布（點擊下載）