GAP是若何玩转大年夜数据的？

文/数据侠 蔡辉

对付各行各业争锋开采的数据“新能源”，GAP客户关系管理及业务拓展高等总监蔡辉认为，零售品牌若想赶这趟车，自有其方法论，以下是他在9月6日“大数据与剖析创新峰会”上的发言实录。

什么是“数字化”？

“数字化”不单单是指数字营销，它包含了三个关键词——数字、方向和技能。

数字不需多说，方向是什么？集成，对企业来说，尤指集成内部和外部数据。

现在的趋势是越来越多跨行业互助，也包括数据的联合，比如你随手买的农夫山泉水瓶上印有网易云音乐的标识，包括GAP等零售品牌也都有这类跨界互助的举措。

当然，能做到这统统的关键一点在于技能的发明及遍及后本钱的降落。

大数据VS小数据：公司应从开采内部数据开始

对付一个品牌商来说——它既非阿里、也非万达——最该当关心还是自己的内部的数据，而非大数据。

为什么？

首先，“大数据”的定义中包含了三“V”特色——Volume（大数据量）、Variety（多样性）和Velocity（数据处理速率）。

什么是“多样性”？

举个例子，摩拜单车节制了大家的出行路线数据，数据量很大，但从数据多样性来说，实在只有单车骑行路线干系的数据。
如果政府拿到了摩拜的数据，结合公交、地铁、行人等数据，优化方案，这才算是更为多样化的大数据范畴。

对公司来说，数据是用来做生意和赢利的。
如果用大数据须要很永劫光的剖析才能得出结论去落地，那这不是一个好的商业选择，一定要很快拿出数据用场才故意义。

其次，大数据须要巨大的投资。

大略说来，便是当你企业须要为数据供应的水电费开始操心的时候。
像是微软、Facebook、谷歌要去北极、芬兰等北方寒冷地区设立大数据中央，水电量花费之大可想而知。

末了是数据隐私。

对付一些外部数据，品牌不是不想用，而是由于阿里、腾讯等数据持有方的数据隐私保护，你没办法得到那些数据。
零售品牌能拿到自己客户和交易数据，但这些人在微信上关注了什么其他品牌、在阿里上买过其他什么商品，这些数据我们拿不到。

以是说，对零售品牌的大数据运用有不小的寻衅，但在一些其他领域，大数据可能更随意马虎有所作为。

比如人工智能，我认为中国的AI和机器学习未来会超过国外，由于中国数据量大，机器可以有更多数据资源去学习。
熟能生巧嘛，这道理有点像中国年夜夫的临床履历要比外国的丰富很多，由于他实践更多。

既然对付多数企业，大数据有些高不可及，那从企业内部数据出发更加可行。
这些内部数据大致包括了客户资料、客户管理以及产品和渠道数据。

同时，零售品牌的不同运营模式也会影响到数据。
同样是服装行业，如果大部分门店是通过经销商的设立，那么大部分数据是在品牌这；如果门店多开在百货阛阓，虽然客户资料可以由品牌专柜自己搜集，但交易明细和支付数据就留存在了阛阓。
别鄙视这个缺失落了的交易数据，一是交易数据量很大，二是这可以看到顾客在店里消费的详细商品——是一件衣服还是一条裤子、买贵的还是便宜的，这线下交易数据阿里、腾讯都拿不到。

重视数据获取和管理

利用内部数据有四步，即获取数据、数据管理、数据剖析和数据架构。
我本日的分享紧张集中在前两个环节，它们更多是和流程及业务干系，比较少涉及到IT、数据技能方面。

获取数据的第一个大背景，是要考虑到顾客识别（customer identification）。
现在，零售渠道非常多，门店、APP、网站、公众年夜众号等，以及阿里等外部互助伙伴。
不知道多少人听说过阿里的“新零售”，当中很主要的一点是线上线下数据的结合，阿里希望品牌供应交易明细，它们已经开始这样与品牌互助了。

数据获取另一点是产品数据层面的，表示在物联网、区块链等新技能运用，以及产品在生产、供应链和门店的数据留存。
其余，现在很多商品是自带数据（product+data）的，比如小米和摩拜。

关于数据获取，这里先不谈线上，大家都已经很有履历了。
门店数据网络，紧张包括人工、电子屏和二维码、Wi-Fi和蓝牙、电子支付、网络和移动端等。

再说下数据管理，这是大家比较随意马虎忽略的。
总结下，有4个“C”——完全性、繁芜性、准确性和标准性。

完全性：包括顾客信息是否全面、不同渠道是否都涵盖到。

繁芜性：紧张是由于业务的繁芜。
举个例子，零售行业非常重视线下门店体验，顾客去门店消费的时候，我们会给顾客会贴繁芜的“标签”：包括客户在哪注册、哪购买、事情日和周末的不同购买地址，如果某家店关门了，会对常去那里的顾客造成什么影响等。
所有这些问题，还须要结合网站、App、微信等渠道数据去应对，繁芜程度可想而知。

准确性：数据的操作和手工录入要非常仔细。

标准性：管理流程的标准化。

职员是最基本的问题

企业在利用内部数据时会碰着一些“陷阱”，包括：

职员

系统

本钱

流程

数据剖析

个中，职员是最基本的问题，统统业务都是由人来支撑的。
对企业来说，“数字化”实在便是从传统企业迈向新的数字化企业的过程，期间原有的组织架构会逐步合并。

现在互联网企业同传统企业品牌都在争夺大数据的技能人才，这令大数据行业的人才非常稀缺，企业本身职员也须要为此学习、培训和节制沟通，由于和技能职员打交道跟和门店一线打交道完备不同。

其余，线下门店数据网络紧张由门店发卖和客服定期实行——如何帮助他们优化数据网络流程也是个大寻衅。
尤其是越来越多中国门店还面临年轻劳动力短缺的困难，员工本色是个很现实的问题，是否能够让他们有效地网络数据，如何简化网络数据的流程让他们更好地理解，这都是须要在数据网络过程中考虑到的。

对系统的须要，紧张是足够稳定、数据处理快速以及安全。

而本钱掌握，除非全体系统架构搭建，常日对企业来说，渐进地改变要频年夜改本钱小。
在效果上，内部架构逐步优化频年夜改更好。

流程方面，紧张指的是如何让数字化结果流畅快速地测试、剖析和实行。

小心，这些数据雷差异踩

末了说一点，虽然是用数据说话，但在数据剖析本身还是有些陷阱的：

第一个陷阱，数据定义的变革。

举个例子。
这两张图都是中国电影的票房数据，可以看到2017年票房增长的很大一部分在于把电商网站的手续费也算入个中。
但是，2016年没有算这手续费。
通过改变票房的定义、扣除电商手续费后，数据结果很大程度上会改变。

第二个陷阱，数据范围。
比如复旦的毕业生就业单位统计表上，涌现了很多医院人才，那是由于它合并了本地医科大学，也被算进去了。
统计范围不一样，数据就会有出入。

第三个是操作陷阱，说下最近热播剧《三生三世十里桃花》，号称点击量有300亿，最近又涌现了个号称400亿点击量的《楚乔传》。
为什么会涌现这种数据结果，由于现在很多粉丝为了偶像都会刷量，比如一台PC一台iPad两部手机地刷。
电影方面也是如此，为了担保排片和偶像曝光率，粉丝会去影院锁场。

第四个，是个性化和效率本钱的平衡问题。
一样平常说来，在非电商非单一沟通渠道的情形下，五到十个顾客分组比较易于实行。
如果细分程度很高，顾客分组超过十个，那么本钱和实行效率会是很大的寻衅。

总结一下，对付品牌来说，第一是要从内部数据开始；第二，重视数据获取和管理；第三，组织和职员是基本；第四，系统、本钱、流程和数据剖析的寻衅。

注：本文为数据侠蔡辉演讲实录，已经本人审阅授权，文中图片均来自其演讲PPT。

想浏览更多数据侠文章？快关注DT数据侠戳“阅读原文”吧~各路大牛带你玩转大数据！

数据侠门派

本文数据侠蔡辉，是GAP中国区的客户关系管理及业务拓展高等总监。
在加入GAP前，他曾在德勤、GE、丝芙兰以及雅诗兰黛公司从事数据剖析、客户关系管理、在线商务和数据建模等事情。
蔡辉本科毕业于清华大学工程专业，并持有法国HEC商学院MBA学位。

加入数据侠

“数据侠操持”由第一财经数据新媒体DT财经发起的数据人社群平台，旗下有数据侠专栏、数据大咖及爱好者社群、线上线下“数据侠实验室”系列活动等项目。

+ 投稿：chengyixiang@dtcj.com

+ 互助：zhaonan@dtcj.com

+ 入群请加DT君微信：dtcaijing002