百分百
我先来谈谈我的想法。
如果把我们所谓的项目细分为目标--计划--行动来看，就会发现都会呈现一个螺旋式上升，不断迭代的过程。若我们要做一个大数据平台的项目，不外如是。先确定我们这个项目的目标，不要贪图大而全，可以根据自上而下或者自下而上的规则，选定一个目标，然后制定出相应的计划，然后按照计划去逐步施行， 在这个过程中，不断根据实际情况进行迭代、微调。
而这个目标的确定呢，一般都是为了解决企业目前的痛点来确定的。比如为了更及时的展示销售数据、为了更好的针对客户进行促销、为了提高供应商送货满单率、为了更好的提高配送中心的周转效率等等。
我们就以为了提高报表数据展示效率为项目目标，大体分解下怎么规划，怎么落地。
一般来说我们定义了一个目标后，都会有一个时间限定范围，还有一个可衡量目标成功或者失败的标准。既然是痛点，不可能说我3~5天就 解决了，也不可能说我要拖到3~5年。这些时间范围都是不适合的。拿我们上面说的提高报表数据展示效率来说，这个得定性定量，例如需要在3个月内将现在的平均每页面数据展示有30s提高至15s以内。那么 这个目标确定后，就需要围绕这样的一个目标，制定相应的计划出来 。
虽然目标的时间限定为3个月，但你的计划不能按照3个月来，一般会进行目标拆分和迭代，比如找到目前速度最快和最慢的页面，在现有情况下，确认耗时最长是那些部分，然后针对该部分，有什么手段或者方式可以提高，需要多少时间可以达到效果等等，针对不同的问题和方法，以时间为轴列出相应的整改计划，然后分出优先级，不断迭代，不断调整。
对于BI平台或者说大数据平台呢，一般我们可以按结合业务的深度不同分为3个阶段：
第一个阶段数据报表阶段，主要是用BI工具展示业务数据，是最浅层次的应用，大多数企业都还停留在这个阶段。
第二个 阶段是业务分析阶段，是对数据进行一定程度的理解和运用。是开始出效果的阶段。通过利用BI工具在展示数据报表的同时，利用工具对业务进行分析，根据历史数据和现阶段的业务情况，以提供在业务流程，运营管理方面的指导。
第三个阶段也就是数据运营阶段，通过深层次的分析使用数据，根据数据挖掘、数据分析的结果，去指导运营活动，根据前者的结果，提供业务运营方向或者说决策。
当然这三个方面不是独立划分的，随着业务的开展，是一个螺旋式上升和互相促进前行的过程。
关于第一个主题的分享，我就分享到这。有请其它2位大拿！
Seng
百分百兄介绍了一下落地实施的几个阶段， 那我就从大数据的角度说说。
大数据平台有3个层面：
(1)采集更多的数据
(2)更大/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
先说(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
这里不同的指标对应的是门店零售不同的主要环节，可以用来定位不同的过程存在的问题。
以往这个公式里面只有收入和客单价是可以获得的，但是新的技术如客流的采集技术和利用wifi的数据可以用来预估门口的客流。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。
接下来说说(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,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。这个已有传统的BI平台就可能不是最擅长了，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)更多的使用用户和即时处理/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。
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，这点百分百兄说的很好，我就不多说了。
周剑
个人认为，并不是所有零售企业现阶段都适合追着热度去实施“大数据”。零售企业进行大数据规划的时候，首先可以审视下，自身企业内部数据（我们可以称之为小数据）的应用，是否已经充分。小数据的应用，譬如精细的分析商品运营和终端管理各个方面，可以参考BI建设相关内容。
在此之外，再结合自身情况，用大数据的思维来考虑发展，来做数据扩展，拥抱大数据。以数据多样性角度来看，通常，新数据的获取都是伴随着成本的付出。不同量级的企业，投入的思路和力度上，相去甚远。大一点的，可以上百万千万级别的项目，或者自建团队，譬如大的mall，可以上WIFI定位、摄像头识别顾客和动线等等。奢侈品品牌商的零售店，更加可以高科技全副武装。而中型及以下的企业，很多时候也只能望而兴叹了。
零售追求效率，通常而言，大多数零售企业并不是花钱极为大方的那一个群体。更多的企业投入相对保守。这种情况下，可以选取一些性价比高的方案，譬如，也同样是采集客流，现在也有类似saas的服务供应商了，这种情况下，成本可以大为削减。
另外，线下专卖店等零售，也可以去选用一些基于微信的应用，实现顾客的互动以及券的发放，转发，核销的全流程管理。
零售大数据的建设，依然是可以围绕着顾客为中心来开展，多触点，全渠道，精准营销，个性化推荐，个性化服务，仍然是有极强的意义的。同时也可以以商品为中心，从另外的线条展开来组织规划。
