- 数据智能
- 零售
无论是品牌商还是渠道商，零售企业对零售数字化及数据智能应用的认知和实践都在不断进化。
如今，“新零售”的步伐已进入“深水区”，虽然线上零售的巨头生态已经较为成熟，但直播、私域等渠道新物种仍在不断萌生、发展。多元化、碎片化的营销、运营通路给零售企业的数据智能协同能力提出了更高的要求。
而零售行业的数据智能应用已不仅停留在营销、运营层面。面对消费者日渐提升的个性化消费需求，不少零售企业已经在探索“C2M”，基于对终端消费者的数据挖掘，反推至产业链上游的供应链、生产、原材料采购。数字化、智能化正在深入零售产业链条的更多环节。
面对这样的数据智能应用挑战，为了能将精力更加集中在自身的核心业务经营上，越来越多的零售企业正在开放地引入数据智能技术专业合作伙伴，帮助他们将自身的最佳实践实现技术落地。
百分点是中国领先的数据智能技术企业，覆盖政府、公安、媒体出版、零售快消等多个行业。在零售领域，百分点通过整合客户数据资产，并围绕客户业务场景需求，利用自身积累的丰富数据智能模型，帮助零售企业实现全链路的数据智能。
近期，爱分析对百分点首席数据科学家杜晓梦博士进行了访谈，对于传统零售行业的数字化转型、数据智能的发展，以及行业实践案例进行了深度交流。现将部分精彩访谈内容分享如下。
杜晓梦，百分点首席数据科学家，北京大学营销模型专业博士。专长于跨学科数据科学建模、消费者行为预测、互联网广告、社会媒体营销、归因模型、流失预警模型、社会网络分析；曾在 Information System Research 等国际顶级学术期刊上发表论文；现带领百分点企业业务事业部，负责零售、快消、金融、地产等行业业务。
深挖内部数据价值，零售企业数字化向上游延伸
爱分析：近年来，零售行业的数字化进程经历了哪些发展变化的分水岭？
杜晓梦：倒退到五年以前，很多零售企业对大数据的概念就是收集外部数据，或者是做很多互联网投放引流 。
再进一步发展，零售企业开始意识到外部数据也不见得有很大的价值，还是要采集更多的内部数据。所以，近三到五年的时间，企业主要在修炼内功，做信息化建设、内部数据系统的拉通、数据价值的提升。这个阶段，数据通常会先应用在更能直接看到效果的领域，所以大部分的大数据建设都是支持营销和运营的。
到最近一两年，很多企业在营销侧和销售运营侧已经做得比较好了，这方面的技术也比较趋同，服务商的能力也是类似的。再加上流量入口非常垄断，所以这方面没有特别多新的东西出来。因此，很多零售企业都把目光放到更上游，看采购、生产有没有能利用数据做驱动的事情。
当然，这对企业的要求比较高，涉及的投资额、对原有系统的改动也会比较大。所以很多企业在考虑做这个事情，但是比较慎重，迟迟没有动，我觉得这会是未来的一个方向。
爱分析：从百分点的实践经验来看，零售企业在数字化方面的投入力度如何？
杜晓梦：普遍来看，品牌的投入度要高于做“场”的零售渠道商的投入度。
零售企业挺愿意在基础设施上做投入的，比如智能硬件的搭建，品牌商和购物中心这样的渠道商都在做，包括多媒体屏、人脸识别、电子价签等等这些硬件投入。整合了更多的数据，才能让我们这样的服务商进行更多的分析。
另外一些品牌商在做智能工厂和智能生产线排期的时候，还会涉及到流水线的改造。这方面动作就会比较大了，目前大家都比较慎重。
零售渠道将更多元，应用场景将更协同
爱分析：如今线上流量基本上处于一种垄断局面，品牌商怎么做自己可掌控的消费者运营？
杜晓梦：我认为未来信息获取的渠道和营销的通路一定是越来越多，越来越碎片化的。比如现在我们说腾讯和淘系是两个比较大的入口，但是它不妨碍我们可以做抖音、微信、微博，可以建立一些私域流量，做微信群运营等等。
所以，未来营销侧或者流量运营、会员运营是可以通过多通路和多层次去实现的，电商、微商的绑定也不会特别大。我们看到新的渠道，包括直播的兴起，其实都是好事情，它让企业可选择的营销渠道和会员运营的方式方法更加多元化。
技术的突破是一方面，另外一方面是消费者也会出现分层化。有些人就是会到天猫店去买，有些人就是去微商，有些人愿意在微信群拥有贴身服务。所以把不同需求取向的消费者维护好，也是零售企业需要考虑的事情。
未来零售营销会碎片化和多元化，所以零售企业要做很好的技术拉通和数据拉通。比如你是一个品牌商，你的售卖渠道一定是多元的，营销渠道也一定是多元的，如何多元的数据拉通，形成一个统一的消费者视角？比如你可以做积分通兑，让消费者在任何一个平台上的积分可以用在任何一个平台上，他的体验一定会很好，这是需要企业利用技术和数据去解决的问题。
另外一个就是调控和内容控制，在不同的渠道会有不同的团队去负责，这些渠道有可能形成同时向一个消费者发送消息的可能性。怎样做到合理的频次控制，不对消费者形成打扰？各个渠道的内容和方式方法是否是一致的，比如你在一个渠道强调了品牌高大上，另一个渠道马上做促销，是否会让消费者感觉到认知失调？这是企业在未来营销渠道多元化上需要考虑的重点问题。
爱分析：现阶段零售企业数字化应用主要是某些业务环节，未来如何走向全链路智能？
杜晓梦：这两个场景是大多数，还有一些内部经营的，比如BI、财务层面的应用。现在大部分企业还是偏独立地去解决这些业务场景和问题，我们认为未来会形成协同和整合。
比如营销侧怎么与生产侧协同起来。我们现在看到很多零售企业已经在做C2M，基于消费者的订单反推生产，根据不同门店消费者的情况以及这个门店的库存去规划柔性生产，企业是从消费者的角度去考虑生产，就能把供应链和营销结合起来。所以内部运营、财务等等任何一个环节跟不上，都有可能对企业的效率产生巨大的损失。
我们说全链路智能，它的基础就是各个链条上的每一个环节都做到智能，然后协同起来，才是一件很自然的事。
爱分析：零售企业该怎么做线下数据采集或数据补充？
杜晓梦：首先，我们不会给客户补充个人层面的数据，如果客户需要一些群体用户分析或一些行业的分析等等，我们是可以提供服务的。
在做线下数据整合的时候，我们通常是建议客户更好地利用一线员工以及激发消费者自主地去做数据的贡献。
举个例子，零售店其实有很多一线销售员。比如百丽，在全国有2万个门店，每个门店里有4个销售人员，如果把这8万人赋能好了，他们就可以收集很多线下的信息。再比如便利店的POS机，它把一个标签系统内置到POS机里面。每个人结账的时候，一线员工会看你一眼，然后打上你是男是女，是什么样的年龄等等这些标签。再比如一些电器公司，在送货上门安装的时候，都会要求员工收集一些消费者家庭的数据。这些都是很好的数据采集方式，让一线员工变得更加智能，是未来线下零售一个很好的数据抓手。
另外就是如何激励消费者有动力把数据补齐。比如洋河的酒一瓶一码，每次扫码都可以验真。通过防伪验真方式把会员吸引到线上的洋河之家，我们再通过一系列的积分、优惠券、社交裂变等方式，鼓励消费者把自己的标签和数据补齐，这也是很好的采集方法。这些都属于比较合理、合法、合规的数据收集。
爱分析：数据资产化后，中层的数据挖掘实践过程中，零售场景的数据挖掘复杂度和其他行业相比是怎样的？
杜晓梦：我们认为零售数据还是比较结构化的，可解释性也比较强。从量级上来说，也不如安防、交通场景那么大量级，所以分析的难度不是特别大。但是把数据分析完之后怎么去应用是比较难的。
而且，因为零售行业数据是与人相关的，所以数据模型的有效时间比较短，不像工业或设备的数据挖掘，它们的数据模型一旦形成，是几年内不会变化的。零售行业的变化性比较强，比如一个商场的客群定位，做了客群的分群模型，可能三年之后，这个区域方圆3到5公里的人群变了，就要重新去做数据模型的迭代和优化。所以零售场景的数据挖掘不是说有多复杂，而是变化速度比较快。要持续关注数据有哪些变化，是不是产生了新的数据源没有捕捉到。
组织层级需协同推进，持久战中寻找“快赢”
爱分析：数据科学或数据智能的相关技术在零售场景落地的时候，零售企业需要注意哪些问题？项目实际实施过程中会遇到哪些挑战？
杜晓梦：我们做了很多项目，出现最多的问题不会是某一个技术问题，大部分的技术困难都会找到解决方案。更多其实是组织或制度上面的一些问题。
因为做数字化转型或者大数据，会牵扯到传统业务，会和业务部门、技术部门、数据部门等等各个部门产生交互。所以很多时候要先梳理清楚相关部门有哪些影响，我们会给相关部门提供哪些价值，让他们从第一天起就认可这个价值，项目推进就会比较顺利。反而，如果IT部门牵头来做这个事情，如果封闭性比较强，不与业务部门沟通，这个项目很有可能会失败掉。
爱分析：很多零售企业希望基于中台做数字化转型，但中台建设投入是比较高的，您从对零售企业的中台建设有哪些建议？
杜晓梦：首先，企业要先评估一下自己的数据规模、数据复杂度、业务规模，大概需要一个什么样规模的中台，是中型、大型、超大型，还是这个阶段不太需要做？这需要企业先评估一下，不要一上来就上一个大中台，这样会很重。
第二，一定要带着场景的思维去考虑数据中台的建设，在建设数据中台时，就要思考这些数据将来能为哪些现有和未来的业务服务。
第三，数据中台的建设一定不是一个一次性的项目，一定是长期优化和不断迭代的，因为数据域会不断地扩宽，数据深度会越来越深。所以不要打算三个月之内建好数据中台以后再也不动，那是不对的想法。
最后，既然数据中台建设是一个长期的事情，那么零售企业需要在前一两期的时候就让业务部门从某种程度看到回报，数据中台能支持哪些业务场景。一般来说，找一两个“快赢”的业务场景，在中台建设的前一两期就让这个业务看到价值，后面就会比较好推进。
爱分析：除数据挖掘技术之外，行业知识图谱在零售行业有哪些落地的价值？
杜晓梦：行业知识图谱在零售里表现得可能更多的是品牌、品类、产品部分的相关关系，比如家庭式会员的关系网等等。
比如你的一张卡可以挂一个副卡给老婆用，老婆又给小孩买了东西，又给父母买了东西，会牵扯到很多人。这些人之间的ID和关系的拉通，以及消费行为的记录和基于图谱的快速搜索、定位的能力，这是零售里面知识图谱用得会比较多的“人”的部分。
另外一个部分就是不同的品类、品牌、SKU的关系网络。甚至可以到属性，比如把一个口红的颜色、型号、包装、规格都属性化，这些属性可以横向拉通，比如搜索某一种颜色的所有口红产品，如果想实现快速搜索的话，这也是可以基于图谱网络进行优化的应用。
爱分析：零售行业知识图谱的构建相对其他行业是否会更简单？
杜晓梦：不会很简单，因为知识图谱一是看数量，二是看学习的语料够不够完整充足。很多领域，比如法律，知识图谱的构建有很多法典可以学；再比如医疗领域，有海量医学论文可以学。零售领域其实没有这么多语料库和现成的资料，更多是基于人工标注或者现有数据结构的盘点等等去做。
有一方面是通用的，就是基于知识图谱的问答体系。现在淘宝或京东的客服基本上很多都是被AI支撑的，它就是利用之前人工客服的数据建立了一套知识图谱，基于这个知识图谱，什么样的问题怎么回答，把这个东西都学了，就可以做AI客服了。零售企业其实都可以考虑去做这个事情，能节省很多人工。
底、中、上三层数据智能，业务场景思维是关键
爱分析：百分点在零售行业的产品和服务体系是怎样的？
杜晓梦：我们的定位是为客户提供以产品和技术为驱动的整体解决方案，从底层、中台，到上层应用三个层面都涉及。
底层包括数据的治理，数据ETL（抽取、转换、加载），还有数仓的工作，这是基本上所有零售数字化转型的基础。
在中层，我们有以数据挖掘和认知智能为核心的一系列产品，主要是让数据资产应用化，构建各种各样的用户画像标签、产品标签，用户的生命周期模型、流式预警模型等一系列以挖掘为核心的应用。这里也有一些我们的产品，例如标签系统、数据监测系统等等。我们还会帮零售企业去做一些非结构化数据的采集和挖掘，很多品牌都会监测线上用户的评论，包括产品售卖反馈等等，会用到我们的文本分析工具。
在顶层主要做的是应用智能化。其实越到顶层，面向业务场景的业务线就越多，所以在顶层我们基本上会看到零售不同的业务场景。
从前端到后端有很多业务应用场景。前端的智能应用偏生产、进销存、采购部分，比如基于销量预测的库存优化、生产排期优化等部分，与货比较相关。“人”的部分应用也比较多，主要是支持客户的营销和销售侧的部门，比如精准营销系统、会员营销系统、会员运营、优化等等，是偏零售里面消费者，也就是“人”的部分。在“场”的部分其实表现更多的是一些运营方面的事情，比如BI指标梳理、智能采购、线上线下流量监测等等。所以顶层应用是非常业务场景化的。
爱分析：百分点为客户提供服务的方式更多是帮企业从底层开始搭建方案，还是从上层解决具体的业务问题切入？
杜晓梦：都有。我们相对比较多的是Bottom-up自下而上的模式，先从底层数据治理开始，然后一步步向上，做完治理做数据挖掘，再到应用和场景的构建。有时我们是Top-down自上而下的模式，我们会选取一两个业务特别紧迫的场景，这个和客户的优先级相关。
比如客户有一个特别具体的场景，就是想监测各个电商平台的价格和销售情况。之前我们给某大型连锁超市做的，首先它有一个政策是everyday low price。所以它的场景是每天选出一个SKU，这个SKU在当天不能有任何一个线下或线上的平台比它卖得便宜。我们就会依据这个场景反推要做什么应用，要整合哪些数据，要用到什么技术和产品，这是从上往下的过程。
爱分析：百分点积累了哪些与不同应用场景结合的模型库？
杜晓梦：零售里有很多营销相关的场景，我们正好在营销建模领域比较擅长，所以我们在营销侧有很多模型，例如生命周期模型、价值度模型、流失预警模型、价格敏感度模型、促销关联搭售模型、定价模型、销量预测、柔性库存、调拨模型、选址等等，都可以通过模型来做。
爱分析：为客户落地具体的产品化应用的时候，模型准确度是如何做验证的？
杜晓梦：我们通常做模型都要验证它的效果。验证效果有很多种方式，比较多的首先是样本内的检测和样本外的预测，就是用数据建一个模型，看模型的主要捕获率、准确率、均方根误差等等，这些都可以说明模型的效果。
另外一种是在实地业务中去检验。比如我们给王府井百货做潜客挖掘的模型，模型出的名单会跟随机出的名单做AB测试，我们看到店率和转化率，AB组有显著的差异。
爱分析：百分点是如何用模型帮助零售企业做销量预测的？
杜晓梦：不同行业、不同品类的产品销量预测模型、指标都不一样。我们沉淀了“6P”模型，根据不同维度，比如产品、促销、政策、竞争等等，不同维度选取不同变量，综合起来对一个SKU的销量做出预测。
我们会先采集数据，之后做数据的预处理，然后做算法的选型、模型的选型，再去做挖掘、评估。评估证明效果之后，我们才会把这个模型落地，和客户的业务系统做一个整合，基本上是这么一个流程。
爱分析：在服务交付过程中，是以什么样的团队结构？
杜晓梦：零售行业是我们整合的一条业务线，我们有几十人的团队规模来服务客户。
我们的服务团队包括项目经理、咨询顾问、技术经理、技术团队、数据建模团队、数据分析团队、测试等等，他们会在不同的阶段进入到项目现场。