我们先来看看为何智能零售的发展是当今零 售业的必然趋势和方向。以往的零售，更多是产 品主导的卖方市场，“酒香不怕巷子深”，而如 今的市场，已进入后信息化时代的“买方市场”。 因此，在分析零售业发展时也必须与时俱进，采 用“倒三角”的思维方法，见图 1。

　　并以其为时尚的重要标志。 他们讲究体验， 并以 “满 足感和便捷感”为追求目标。因此，从消费者的 角度，植根于新科学技术产品提供的便捷的个性化服 务和体验是吸引并持续保持他们兴趣的必然手段。 再来看传统零售商，尤其是在中国，他们面 临雇员工资、租金等经营成本的持续上升，同时 电子商务的便捷性和好的性价比迎合了 80 后 /90

　　户情绪和喜好的收集和分析系统、通过集成匿名 人脸视频分析 (Intel AIM Suite) 和内容管理系统 (Intel RCM) 为客户智能推荐所需产品等。我们也 期待和中国本地的合作伙伴携手，共同打造中国 本土的大数据智能零售创新方案和商务模式，助 力中国智能零售趋势的到来。

　　如何进一步培养大数据分析的思维，通 过一切可能的智能终端采集所需要的数 据，运用合适的技术和算法挖掘，提取 大数据的价值并真正指导零售行业的革 新，将是未来企业面临的机遇和挑战。

　　言，2013 年百度数据总量接近 1000PB，阿里巴巴 近 100PB，腾讯也在 100PB 左右。对零售数据而 言，据阿里巴巴的分析文章猫和淘宝体系就 沉淀了上亿会员的数据，类似周大福这样的品牌 也有百万会员数据。但正如管理大师彼得・德鲁 克之前提醒过，“迄今为止，我们的系统产生的 还仅仅是数据，不是信息，更不是知识”。因此， 如何进一步培养大数据分析的思维，通过一切可 能的智能终端采集所需要的数据，运用合适的技 术和算法挖掘，提取大数据的价值并真正指导零 售行业的革新，将是未来企业面临的机遇和挑战。 英特尔的零售系统事业部在这方面曾做了积 极的尝试，并和合作伙伴在今年纽约的零售展推 出了一系列基于大数据分析的智能零售方案，包 括运用 Apache Hadoop 软件的英特尔 分发版和 智能分析软件开发的智能库存管理系统、基于感 知计算 (Intel PerC) 通过数字标牌等智能终端对客

　　当今的中国，从数据规模的角度来看，大数据 时代已经来临。据 ZDNet 分析报告，2013 年中国 产生的数据总量超过 0.8ZB（相当于 8 亿 TB）， 2 倍于 2012 年，到 2020 年中国产生的数据总量预 计将超过 8.5ZB，10 倍于 2013 年。就单个企业而

　　字标牌、自动查询机、自动贩卖机等零售智能设 备完成数据的采集，并充分和零售商的后台数据 库如 ERP、CRM 等紧密融合协同分析，甚至能 实时响应。未来智能零售的数据来源，一定是多 源融合的多维数据源。 数据的重要性已得到慢慢的变多的市场认同， 但对数据价值的挖掘和提取上，目前市场仍处于 探索阶段，也必将成为未来智能零售行业的核心 竞争力所在。 零售行业的数据， 大概能分成三类： 和商品流相关的数据，包括现金流数据、物流数 据等；和客户相关的数据，包括群体分析、个体 行为分析等；和商品分析相关的数据， 如关联营销、 库存管理等。通过这一些数据的分析，其投资收益 将最终通过客户的忠诚度、收益增长、成本削减 或新业务模式等的货币化而得到量化。很多咨询 公司目前集中在这块领域也做了大量的工作，表 1 整理了 Mckinsey 对这方面的建议， 可当作参考。

　　回归事物的本源去看，这些最新技术的本质是逐步推动了人和物以及物和物之间更好的 互联和数字化，其根本是背后的大数据，并通过这一些大数据最终实现零售行业 C2B 的个 性化定制和服务，迎来智能零售的爆发。

　　在大爆炸创新时代，创新的边界已 然模糊， 并带给原先的行业不单单是 “创 新的窘境” ， 更可能是致命的颠覆和革命。 在跨界创新已成常态的当今社会，像零 售业这样依然传统的行业，则面临巨大 的机遇和挑战。移动互联网、O2O、云 计算、物联网等新技术不断冲击零售商 的耳膜，让其兴奋的同时又感到迷茫。 透过这些概念的热炒，回归事物的本源 去看，这些最新技术的本质是进一步推 动了人和物以及物和物之间更好的互联 和数字化，其根本是背后的大数据，并通过这一些 大数据最终实现零售行业 C2B 的个性化定制和服 务，迎来智能零售的爆发。因此，抓住了大数据 分析，也就抓住了智能零售的未来。 因此，先来探讨下消费者正在发生的变化。 当今的消费者，80 后 /90 后慢慢的变成为消费的主体， 他们具有优越开放的成长环境，因此在消费观上 自信而自由，讲究性价比，并敢于超前消费，个 性鲜明， 但没有耐性， 对品牌的忠诚度不高。 同时， 他们对新科学技术产品有着旺盛的兴趣和学习能力，

　　智能零售的大数据分析，同样遵守大数据分 析的常规流程，要经历数据的采集→数据的挖掘 和提取→数据的可视化展示等处理环节，也同样 需要完成从数据→信息→知识→预测或决策的转 化，并最终要形成良性循环的商业闭环，其投资 回报率也必须在公司的价值创造或公司利润上呈 示出来。图 2 给出了一个基于大数据分析的简单 智能零售方案。 数据的采集是大数据分析的起点，也是大数 据产业链上的重要一环。数据将成为未来信息基 础设施的重要组成部分，并有几率会成为未来公司的 重要资产。 因此， 要充分的利用一切可能的联网设备， 在一切可能和客户发生交互的接触点上收集所需 的数据。随着移动网络及 BYOD 的趋势发展， 智能手机一定会成为最重要的接触点和数据采集 点，但一定不是唯一的，要充分的利用 POS 机、数

　　后的消费趋势，分流了传统零售商实体店的很大 客流量，因此，传统零售商面临极大的挑战，亟 待需要引入新的信息技术去“开源节流”，并力 图尝试一些创新的方法加强和消费者的互动，以 增加线下实体店的客流量，加强品牌的粘性。对 于电子商务，也必须积极拥抱和尝试，这是 O2O 为何在当今零售市场如此红火的重要背景。而 O2O 并不是最终的归属， 通过 O2O 形成商业闭环， 积累大量的数据，进而数据挖掘消费者的行为并 提供个性化的服务，即 C2B，才是零售商从 O2O 期待的最终目标。 而当前技术的进步正以大爆炸的方式演化， 云计算、移动互联网和物联网等新技术的逐渐成 熟也为大数据的收集和分析提供了良好的基础。 因此，市场的需求和逐渐成熟技术的结合，也必 然催生智能零售时代的到来，迎来零售行业的新 一轮变革。