作者：余杰奇

       通过大数据达到智能销售，这条路非常漫长。在现有阶段，客户数据资源、社会数据资源、市场数据资源以及供应数据资源，存在碎片化、不真实、不对称等现实问题。
　　《纽约时报》网络版去年发布文章称，今年是"大数据"（BigData）跨越性的一年--不管是作为一个概念，一个术语，还是一个营销工具。"大数据"已经走出技术界成为主流。在中国内陆，关于大数据的话题今年也非常火爆，很多零售业高管在年度计划与总结中不断出现大数据、智能零售，云数据、顾客体验等名词，这在过去是不可想象的。

　　通过大数据达到智能销售，这条路非常漫长。在现有阶段，客户数据资源、社会数据资源、市场数据资源以及供应数据资源，存在碎片化、不真实、不对称等现实问题。对于很多还处在大数据初级阶段的零售企业来说，如何运用现有资源和技术手段，运用和整合既有零售信息，改进购物者体验，从而提升零售业绩表现，是一个很有研究价值的问题。这也就是本文为什么叫"零售信息整合"而不叫"大数据"的原因。

　　为何要重视零售信息？

　　产品从仓库到消费者手里，这个过程有供应商、分销中心、零售商、消费者四个对象，上下游之间就产生了出库量、仓库提存、终端数据、交易行为等四个相对应的基本零售信息。在大数据时代下，信息整合成为必然趋势，对于供应商而言，产生数据只有提货数量和库存异动，对于分销中心，就多了销售数据扫描，到了终端商，零售信息进一步丰富，包含消费者反应、销售单价、数量。产品到了消费者手里，消费者会通过转介绍、重复购买率、口碑宣传，各种社交媒体进行各种好评恶评……这些数据在以前是碎片的，流动周期是缓慢的。今天，这些信息不管你收不收集，重不重视，它只需要一个发送键就可以传遍全世界。

　　传统企业对于零售信息的重视最大程度依赖于财务类数据和信息，例如销售达标率、成交人数、增长率、市场占有率、投资回报率等等，这些数据在今天仍然被误会为"经营决策的依据"，并根据这些数据，去分析和发现背后的原因，而这些原因往往带有强烈的个人主管经验和色彩，例如，新产品上市销售业绩表现不佳，企业高管派了一些人员到门店进行访谈，通过短暂的访谈有时候会得到一些非常妙的灵感，例如，把标签价撕掉或者在产品面前放一束鲜花之类的。但大多数的原因是通用而无效的，例如；陈列位置不佳、价格太高、竞品促销力度更大……。

       我想说的是：新品市场占有率达到预期目标的57%，这个数据背后有大量的零售信息数据作为支撑，我们要做的是像剥洋葱一样，从大往小不断寻找真正的原因，而不是简单的主观判断。在用弓箭的时代，人们眯起一只眼睛来瞄准目标。今天，狙击枪可以告诉你目标离你具体多远、风力多大、空气湿度多少。当敌人已经在用狙击枪，你还在用弓箭是很危险的，这又不是拍抗日神剧。