流式数据武装零售业,打响“降维”反击战!

开工大吉!过年买买买的年货都吃完了吗?今年,你是“空手回家”还是满载而归?

如今,电商颠覆了传统零售业,越来越多人的选择“空手”回家过年,网购置办年货,轻松和孝心兼得,何乐而不为?

故而一时间,传统零售业们都谈起了“互联网+”。那互联网企业在谈什么?降维攻击!所谓降维攻击,最早来源于首部获雨果奖的中文科幻小说——《三体》。在书中,已达到高级文明程度的三体星人,用难以想象的方式,兵不血刃,迅速灭掉低级文明。互联网企业对传统企业的攻击,过程与此类似,高维度商业模式带来的颠覆,不仅是抢走些市场份额,而是直捣黄龙,要革低维度商业模式的命。

对传统零售业来说,这绝对是一场生死存亡之战。被动忍受降维攻击,是等死。那奋起抵抗的关键功夫应该落在哪儿?重要的问题说三遍:数据,数据,数据!

流式数据武装零售业,打响“降维”反击战!_第1张图片

实时数据分析:降维攻防战关键能力

数据能力不强,就只能等着承受双重打击。第一重,消费者脑子里想啥,你压根不知道,怎么能卖得好?研究发现,78%的消费者,希望获得与自己兴趣相关的商品推荐。在购物这件事上,消费者耐心极为有限,南澳大学研究大量购买行为之后发现:消费者在线下做出购物决定,仅需13秒,而线上购物行为中,这个数据是19秒。想抓住这短短不到20秒的机会,光有数据还不行,还必须是实时数据。玛莎百货、Boots、John Lewis等零售商在实时数据分析中已经尝到了甜头,使用RichRelevance公司的实时购物推荐,成功将销售额提高3%至10%。

第二重打击,是无法提供精细化供应链管理。因为缺货或库存过多,整个零售业全球每年损失高达8180亿美元。想解决上述问题,实时调配库存必不可少。但想让货品总是不多不少,除开传统用户购物历史和偏好,还得整合分析来自搜索引擎、社交媒体等移动互联网的数据。例如,某知名医学专家在Twitter账号上,推荐了某种有助于减肥的树莓酮药片,卖安全食品的商家就该立马增加库存,应对未来的销售高峰。该真实事件的主角,是北美食品大型连锁零售集团Living Naturally,他们拥有3000多家门店,售卖超过2万个品牌的健康商品。这项工作的幕后功臣,则是4位英特尔专家用3个月时间设计和实施的可视化实时库存管理系统。

以上两个案例,让我们看清了趋势所在:未来零售行业的竞争,实际上就是数据收集、整合和分析能力的竞争。《哈佛商业评论》曾引用过麦肯锡的一组数据,发现利用数据驱动决策可将网络零售商的利润率提升60%。如果你已经位列三甲,数据决策依然能让你在关键的利润率上超越对手6个百分点。

流式数据武装零售业,打响“降维”反击战!_第2张图片

要成功实施流式数据分析,有哪些关键技术点?

英特尔数据中心副总裁、战略规划部总经理Rob Hays,列出了三大挑战:

1数据安全与可信度;2海量数据实时处理速度;3数据规模巨大,并且具备不同结构和形式。

流式数据武装零售业,打响“降维”反击战!_第3张图片

兼顾速度与安全:从“芯”开始

英特尔十分注重业务数据的安全性,不论是至强处理器,还是从第二代至第六代的英特尔“酷睿”处理器,都有嵌入式安全技术,可涵盖从核心数据库到移动客户端的安全。英特尔IT安全商业智能平台,添加了大型通用日志服务,可实时关联各种分析平台,将数据分析时间从2周,缩短到20分钟,轻松过滤每日60多亿条事件记录,并从中提取特定事件日志,为高风险的数据资产提供严密保护。

快速的数据处理能力,正是英特尔的长项。英特尔至强处理器E7 v3,配备了多达18个内核、45MB的最后一级高速缓存,还可支持12TB海量内存空间,与上一代相比,有高达59%性能提升,天生就是实时分析的好材料。在该产品家族服务器上,运行流式数据分析软件Apama Streaming Analytics,吞吐量峰值可高达每秒7000个事件。高速吞吐能力,在应对零售数据流式处理的超高压力时,也毫无压力。只用60秒时间,就能计算出3.19亿消费者和数百万商店之间的位置关系,为客户发送相应的定制促销信息。

流式数据武装零售业,打响“降维”反击战!_第4张图片

流式数据武装零售业,打响“降维”反击战!_第5张图片

流式数据武装零售业,打响“降维”反击战!_第6张图片

得非结构化数据者得天下

新渠道中产生的数据与传统零售业搜集的规则数据结构不同,大多都是以文本、图片、音频、视频和传感器读数形式存在的非结构化数据。对数据的存储和处理,提出了不少挑战。而根据IDC预测,非结构化数据将很快占据未来数据的90%。

以Living Naturally的实时库存管理系统为例,数据至少来自6大渠道:一是监控和广告牌的视频数据;二是Twitter、Facebook、博客、产品评论等社交渠道数据;三是包括订单、运输、发货、库存、销售单据和付款在内的供应链数据;四是宣传单页、报纸、电视和店内的广告;五是天气、社区活动、季节和节日在内的环境数据;六是来自RFID标签和GPS的产品移动数据。

不同种类和格式的数据来源,通过Apama集成框架,可自动转化为统一格式,并可转换为命令、交易等第三方要求的信息格式;基于高性能英特尔处理器的智能存储技术,提供删除冗余数据、自动精简配置、压缩数据的功能,极大降低存储成本;创新的NoSQL数据库解决方案,无需固定表格模式,利用可轻松扩展的“无共享”(SNA)架构、分布式处理框架及非关系和平行关系数据库,处理复杂的非结构化数据。

流式数据武装零售业,打响“降维”反击战!_第7张图片

流式数据分析:降维攻击的核心能力

根据Forrester Research统计,未来两年内,大数据将创造出比传统数据库更大的市场。而流式数据分析市场的增长更为迅猛,2015到2020年,复合增长率将高达31.3%。纵观未来趋势,我们正在跨入一个“数据兴则企业兴、数据强则企业强”的数据竞争时代。怪不得连马云都会说:“阿里巴巴公司本质上是一家数据公司,我们做淘宝的目的不是为了卖货,而是获得所有零售的数据和制造业的数据。”

精细化的数据分析,将渗透到零售业供应链管理、运营效率分析、物流优化、广告促销等方方面面。无论互联网企业,还是传统零售业,谁能利用好流式数据分析,快速应对挑战,就拥有了这场降维攻防战的关键致胜能力。

你可能感兴趣的:(数据,选择)