2015-11-27日晚零售行业微信讨论准备

浏览: 2625

1、零售行业的大数据平台如何落地,在落地前如何做阶段规划,如何应对挑战

大数据平台有3个层面

(1)采集更多的数据

(2)更大量/更快/更实时的数据处理能力

(3)更多的使用用户和即时处理/查询能力


(1)采集更多的数据

我主要说一下线下的零售门店数据

对门店来说有个衡量公式

收入=客流(门外客流*进店率)*成交率*客单价

这里面对应的是门店零售的主要环节,可以用来定位不同的过程存在的问题。

以往只有收入和客单价是可以获得的,新的技术如客流的采集技术和利用wifi的数据预估门口的客流能帮助我们获得更多的技术。


其中wifi的数据不能只是本公司数据,要和外部的数据公司结合,对客流人群做更多地了解,特别是线上数据。

一个公司的数据作用是有限的,如何对客户更了解,一定是要合作的,最近阿里这方面的动作就比较多。

如果能拿到这些数据,特别是开店的时候,还是很有用的。


当然里面存在数据质量问题,wifi监听到的mac地址,对山寨厂商可能是重复的,需要特别注意。

现在能提供这部分数据采集手段的公司都很多了,技术也成熟了,不过如何外部使用公司数据这部分还是难点


(2)更大/更快/更实时的数据处理能力

采集更多的数据意味着数据量大增,特别是大量的过程数据如wifi、人脸识别、线上的大量日志啊,还有供应链方面,物流、仓库内操作数据。

这个已有的系统平台不是最擅长了,就需要需要新的大数据平台处理。


同时对分析数据的实时查询要求也越来越高,传统平台,业务系统和分析系统都要修改已有的架构。各类队列、stream技术就能帮助我们解决这些问题。

实时处理对整体数据处理能力反而是个提高,传统的ETL总是越来越慢,能做到mini batch处理,在能力上就提高很多。

这就需要大数据平台技术落地。

(3)更多的用户和即时处理/查询能力

现在分析能力越来越要求到终端业务,用户越来越多,数据量越来越大,这个要求即时处理/查询能力越来越高,而mini batch的数据处理觉得了不会有很多汇总。

要做的实时的大数据olap分析,这个真的是难点, 目前的技术也不是很多,实时olap听说有Druid,但没用户,这次去GITC大会,听猎豹介绍了一下,感觉可是尝试下。

落实到阶段规划上,还是先确认那些能解决业务问题? 现有的技术能否做?

具体实施中 建议选择简单应用-测试和迭代-更大的业务目标


2、零售企业如何要上BI选用什么工具比较好。

我的理解就是选择适用的工具就好。

问题决定的手段和方法, 数据量多大?使用的人数多少?开发人员多不多?24*7服务嘛?数据处理复杂?用户是分析型的还是结果型的?最重要的还是钱啊?当然公司的偏好这个是决定性的。

具体落实还是建议从应用出发,过程和前面讨论百分百兄说的一样,建议选择简单应用-测试和迭代-更大的业务目标来进行。

具体到工具,Excel能处理,就Excel把。

传统的BI那一套能用就用吧。数据库+ETL+BI前端+好的实施团队+好的用户。

在不行只能使用大数据平台。使用大数据平台传统的BI技能也是需要的。不过涉及到大数据,编程能力必不可少,可以结合自生团队考虑。

现在人也贵,我的建议还是要落实到分析用户,而不只是各级领导。 要产生业务价值,才能更好的生存下去。

如果从头开始,如果有资金, 我还是建议使用传统的工具。


传统的BI和大数据平台目前的建立/维护成本太高,对大部门企业要好好考虑了。

但最近BAT都在推云服务,包括AWS,现成的hadoop平台、现成的消息队列,在上面实现基本逻辑。对最终用户来说,主要考虑的是业务。

我觉得这个可能是方向,但是这个要根据业务规模了,结合考虑了。

3、RFM分析在零售行业的应用

以下概念从百度百科拿来:

RFM模型是衡量客户价值和客户创利能力的重要工具和手段,该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。

我理解所有分析的目的包括RFM分析最终目的是增加客户忠诚度和提高收入。

由于线上的数据和会员信息(包括线下的)可获得数据不断变多,客户信息不只局限于RFM模型,用户画像的不断丰满,对最终的用户分析和了解有很高作用。

在开始阶段,RFM分析可以通过最基本的数据,分析自己想要的用户群,在此基础上做活动。

会员管理是服务,是产品的衍生,为了营销而营销可能得不偿失。


4.其他问题答复

现在应用的几种模式

  • 1.传统BI系统 常见的就是etl + bi前端 + 数据库。
  • 2.所谓的敏捷BI。
  • 3.大数据那一套。

还是进过这些过程,数据处理、数据集成、大数据量存储、可视化呈现;高性能使用和用户自助式操作等;

具体使用那些工具就要根据自身情况了。

推荐 1
本文由 seng 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册