GAP是怎样玩转大数据的?

DT财经 2017-09-12 18:23 阅读:147
摘要:文/数据侠蔡辉对于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级总监蔡辉认为,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“大数据与分析创新峰会”上的发言实录。什么是“数

文/数据侠 蔡辉

对于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级总监蔡辉认为,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“大数据与分析创新峰会”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、方向和技术。

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合作,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合作的举措。

当然,能做到这一切的关键一点在于技术的发明及普及后成本的降低。

大数据VS小数据:公司应从开采内部数据开始

对于一个品牌商来说——它既非阿里、也非万达——最应该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”特征——Volume(大数据量)、Variety(多样性)和Velocity(数据处理速度)。

什么是“多样性”?

举个例子,摩拜单车掌握了大家的出行路线数据,数据量很大,但从数据多样性来说,其实只有单车骑行路线相关的数据。如果政府拿到了摩拜的数据,结合公交、地铁、行人等数据,优化规划,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赚钱的。如果用大数据需要很长时间的分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途才有意义。

其次,大数据需要巨大的投资。

简单说来,就是当你企业需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心,水电量消耗之大可想而知。

最后是数据隐私。

对于一些外部数据,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。

所以说,对零售品牌的大数据应用有不小的挑战,但在一些其他领域,大数据可能更容易有所作为。

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,因为中国数据量大,机器可以有更多数据资源去学习。熟能生巧嘛,这道理有点像中国医生的临床经验要比外国的丰富很多,因为他实践更多。

既然对于多数企业,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商场,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商场。别小看这个缺失了的交易数据,一是交易数据量很大,二是这可以看到顾客在店里消费的具体商品——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

使用内部数据有四步,即获取数据、数据管理、数据分析和数据架构。我今天的分享主要集中在前两个环节,它们更多是和流程及业务相关,比较少涉及到IT、数据技术方面。

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、公众号等,以及阿里等外部合作伙伴。不知道多少人听说过阿里的“新零售”,当中很重要的一点是线上线下数据的结合,阿里希望品牌提供交易明细,它们已经开始这样与品牌合作了。

数据获取另一点是产品数据层面的,体现在物联网、区块链等新技术应用,以及产品在生产、供应链和门店的数据留存。另外,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,大家都已经很有经验了。门店数据收集,主要包括人工、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,这是大家比较容易忽视的。总结下,有4个“C”——完整性、复杂性、准确性和标准性。


完整性:包括顾客信息是否全面、不同渠道是否都涵盖到。


复杂性:主要是由于业务的复杂。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,我们会给顾客会贴复杂的“标签”:包括客户在哪注册、哪购买、工作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,还需要结合网站、App、微信等渠道数据去应对,复杂程度可想而知。


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。

人员是最基本的问题

企业在使用内部数据时会遇到一些“陷阱”,包括:


人员


系统


成本


流程


数据分析

其中,人员是最基本的问题,一切业务都是由人来支撑的。对企业来说,“数字化”其实就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慢慢合并。

现在互联网企业同传统企业品牌都在争夺大数据的技术人才,这令大数据行业的人才非常稀缺,企业本身人员也需要为此学习、培训和掌握沟通,因为和技术人员打交道跟和门店一线打交道完全不同。

另外,线下门店数据收集主要由门店销售和客服定期执行——如何帮助他们优化数据收集流程也是个大挑战。尤其是越来越多中国门店还面临年轻劳动力短缺的困难,员工素质是个很现实的问题,是否能够让他们有效地收集数据,如何简化收集数据的流程让他们更好地理解,这都是需要在数据收集过程中考虑到的。

对系统的需要,主要是足够稳定、数据处理快速以及安全。

而成本控制,除非整个系统架构搭建,通常对企业来说,渐进地改变要比大改成本小。在效果上,内部架构逐步优化比大改更好。

流程方面,主要指的是如何让数字化结果流畅快速地测试、分析和执行。

小心,这些数据雷区别踩

最后说一点,虽然是用数据说话,但在数据分析本身还是有些陷阱的:

第一个陷阱,数据定义的变化。

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其中。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,出现了很多医院人才,那是因为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,最近又出现了个号称400亿点击量的《楚乔传》。为什么会出现这种数据结果,因为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,为了保证排片和偶像曝光率,粉丝会去影院锁场。

第四个,是个性化和效率成本的平衡问题。一般说来,在非电商非单一沟通渠道的情况下,五到十个顾客分组比较易于执行。如果细分程度很高,顾客分组超过十个,那么成本和执行效率会是很大的挑战。

总结一下,对于品牌来说,第一是要从内部数据开始;第二,重视数据获取和管理;第三,组织和人员是基本;第四,系统、成本、流程和数据分析的挑战。

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级总监。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分析、客户关系管理、在线商务和数据建模等工作。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

“数据侠计划”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。



版权声明
本文仅代表作者观点,不代表百度立场。
本文系作者授权百度百家发表,未经许可,不得转载。
阅读量: 147
0