文/數據俠 蔡輝
對於各行各業爭鋒開採的數據“新能源”，GAP客戶關係管理及業務拓展高級總監蔡輝認為，零售品牌若想趕這趟車，自有其方法論，以下是他在9月6日“大數據與分析創新峰會”上的發言實錄。
什麼是“數字化”？
“數字化”不單單是指數字營銷，它包含了三個關鍵詞——數字、方向和技術。
數字不需多說，方向是什麼？集成，對企業來說，尤指集成內部和外部數據。
現在的趨勢是越來越多跨行業合作，也包括數據的聯合，比如你隨手買的農夫山泉水瓶上印有網易雲音樂的標識，包括GAP等零售品牌也都有這類跨界合作的舉措。
當然，能做到這一切的關鍵一點在於技術的發明及普及後成本的降低。
大數據VS小數據：公司應從開採內部數據開始
對於一個品牌商來說——它既非阿里、也非萬達——最應該關心還是自己的內部的數據，而非大數據。
為什麼？
首先，“大數據”的定義中包含了三“V”特徵——Volume（大數據量）、Variety（多樣性）和Velocity（數據處理速度）。
什麼是“多樣性”？
舉個例子，摩拜單車掌握了大家的出行路線數據，數據量很大，但從數據多樣性來說，其實只有單車騎行路線相關的數據。如果政府拿到了摩拜的數據，結合公交、地鐵、行人等數據，優化規劃，這才算是更為多樣化的大數據範疇。
對公司來說，數據是用來做生意和賺錢的。如果用大數據需要很長時間的分析才能得出結論去落地，那這不是一個好的商業選擇，一定要很快拿出數據用途才有意義。
其次，大數據需要巨大的投資。
簡單說來，就是當你企業需要為數據供應的水電費開始操心的時候。像是微軟、Facebook、谷歌要去北極、芬蘭等北方寒冷地區設立大數據中心，水電量消耗之大可想而知。
最後是數據隱私。
對於一些外部數據，品牌不是不想用，而是由於阿里、騰訊等數據持有方的數據隱私保護，你沒辦法得到那些數據。零售品牌能拿到自己客戶和交易數據，但這些人在微信上關注了什麼其他品牌、在阿里上買過其他什麼商品，這些數據我們拿不到。
所以說，對零售品牌的大數據應用有不小的挑戰，但在一些其他領域，大數據可能更容易有所作為。
比如人工智能，我認為中國的AI和機器學習未來會超過國外，因為中國數據量大，機器可以有更多數據資源去學習。熟能生巧嘛，這道理有點像中國醫生的臨床經驗要比外國的豐富很多，因為他實踐更多。
既然對於多數企業，大數據有些高不可及，那從企業內部數據出發更加可行。這些內部數據大致包括了客戶資料、客戶管理以及產品和渠道數據。
同時，零售品牌的不同運營模式也會影響到數據。同樣是服裝行業，如果大部分門店是通過經銷商的設立，那麼大部分數據是在品牌這；如果門店多開在百貨商場，雖然客戶資料可以由品牌專櫃自己蒐集，但交易明細和支付數據就留存在了商場。別小看這個缺失了的交易數據，一是交易數據量很大，二是這可以看到顧客在店裡消費的具體商品——是一件衣服還是一條褲子、買貴的還是便宜的，這線下交易數據阿里、騰訊都拿不到。
重視數據獲取和管理
使用內部數據有四步，即獲取數據、數據管理、數據分析和數據架構。我今天的分享主要集中在前兩個環節，它們更多是和流程及業務相關，比較少涉及到IT、數據技術方面。
獲取數據的第一個大背景，是要考慮到顧客識別（customer identification）。現在，零售渠道非常多，門店、APP、網站、公眾號等，以及阿里等外部合作伙伴。不知道多少人聽說過阿里的“新零售”，當中很重要的一點是線上線下數據的結合，阿里希望品牌提供交易明細，它們已經開始這樣與品牌合作了。
數據獲取另一點是產品數據層面的，體現在物聯網、區塊鏈等新技術應用，以及產品在生產、供應鏈和門店的數據留存。另外，現在很多商品是自帶數據（product+data）的，比如小米和摩拜。
關於數據獲取，這裡先不談線上，大家都已經很有經驗了。門店數據收集，主要包括人工、電子屏和二維碼、Wi-Fi和藍牙、電子支付、網絡和移動端等。
再說下數據管理，這是大家比較容易忽視的。總結下，有4個“C”——完整性、複雜性、準確性和標準性。
完整性：包括顧客信息是否全面、不同渠道是否都涵蓋到。
複雜性：主要是由於業務的複雜。舉個例子，零售行業非常重視線下門店體驗，顧客去門店消費的時候，我們會給顧客會貼複雜的“標籤”：包括客戶在哪註冊、哪購買、工作日和週末的不同購買地址，如果某家店關門了，會對常去那裡的顧客造成什麼影響等。所有這些問題，還需要結合網站、App、微信等渠道數據去應對，複雜程度可想而知。
準確性：數據的操作和手工錄入要非常仔細。
標準性：管理流程的標準化。
人員是最基本的問題
企業在使用內部數據時會遇到一些“陷阱”，包括：
人員
系統
成本
流程
數據分析
其中，人員是最基本的問題，一切業務都是由人來支撐的。對企業來說，“數字化”其實就是從傳統企業邁向新的數字化企業的過程，期間原有的組織架構會慢慢合併。
現在互聯網企業同傳統企業品牌都在爭奪大數據的技術人才，這令大數據行業的人才非常稀缺，企業本身人員也需要為此學習、培訓和掌握溝通，因為和技術人員打交道跟和門店一線打交道完全不同。
另外，線下門店數據收集主要由門店銷售和客服定期執行——如何幫助他們優化數據收集流程也是個大挑戰。尤其是越來越多中國門店還面臨年輕勞動力短缺的困難，員工素質是個很現實的問題，是否能夠讓他們有效地收集數據，如何簡化收集數據的流程讓他們更好地理解，這都是需要在數據收集過程中考慮到的。
對系統的需要，主要是足夠穩定、數據處理快速以及安全。
而成本控制，除非整個系統架構搭建，通常對企業來說，漸進地改變要比大改成本小。在效果上，內部架構逐步優化比大改更好。
流程方面，主要指的是如何讓數字化結果流暢快速地測試、分析和執行。
小心，這些數據雷區別踩
最後說一點，雖然是用數據說話，但在數據分析本身還是有些陷阱的：
第一個陷阱，數據定義的變化。
舉個例子。這兩張圖都是中國電影的票房數據，可以看到2017年票房增長的很大一部分在於把電商網站的手續費也算入其中。但是，2016年沒有算這手續費。通過改變票房的定義、扣除電商手續費後，數據結果很大程度上會改變。
第二個陷阱，數據範圍。比如復旦的畢業生就業單位統計表上，出現了很多醫院人才，那是因為它合併了本地醫科大學，也被算進去了。統計範圍不一樣，數據就會有出入。
第三個是操作陷阱，說下最近熱播劇《三生三世十里桃花》，號稱點擊量有300億，最近又出現了個號稱400億點擊量的《楚喬傳》。為什麼會出現這種數據結果，因為現在很多粉絲為了偶像都會刷量，比如一臺PC一臺iPad兩部手機地刷。電影方面也是如此，為了保證排片和偶像曝光率，粉絲會去影院鎖場。
第四個，是個性化和效率成本的平衡問題。一般說來，在非電商非單一溝通渠道的情況下，五到十個顧客分組比較易於執行。如果細分程度很高，顧客分組超過十個，那麼成本和執行效率會是很大的挑戰。
總結一下，對於品牌來說，第一是要從內部數據開始；第二，重視數據獲取和管理；第三，組織和人員是基本；第四，系統、成本、流程和數據分析的挑戰。
注：本文為數據俠蔡輝演講實錄，已經本人審閱授權，文中圖片均來自其演講PPT。
想瀏覽更多數據俠文章？快關注DT數據俠戳“閱讀原文”吧~各路大牛帶你玩轉大數據！
數據俠門派
本文數據俠蔡輝，是GAP中國區的客戶關係管理及業務拓展高級總監。在加入GAP前，他曾在德勤、GE、絲芙蘭以及雅詩蘭黛公司從事數據分析、客戶關係管理、在線商務和數據建模等工作。蔡輝本科畢業於清華大學工程專業，並持有法國HEC商學院MBA學位。
加入數據俠
“數據俠計劃”由第一財經數據新媒體DT財經發起的數據人社群平臺，旗下有數據俠專欄、數據大咖及愛好者社群、線上線下“數據俠實驗室”系列活動等項目。
+ 投稿：[email protected]
+ 合作：[email protected]
+ 入群請加DT君微信：dtcaijing002
