简述国外零售行业大数据应用心得

云计算
在过去的三年里产生的数据量比以往四万年的数据量还要多,大数据时代的来临已经毋庸置疑。我们即将面临一场变革,新兴大数据将成为企业发展的当务之急,而常规技术已经难以应对PB(1024TB)级的大规模数据量。

大数据可以来自方方面面,从生活中的购物交易,到工业上的生产制造;从社交网络媒体信息,到在线视频图像资料;从企业的信息管理系统,到政府部门的电子政务,都有着大量的数据产生。

在过去的三年里产生的数据量比以往四万年的数据量还要多,大数据时代的来临已经毋庸置疑。我们即将面临一场变革,新兴大数据将成为企业发展的当务之急,而常规技术已经难以应对PB(1024TB)级的大规模数据量。这一变化所带来的挑战是成功的企业在未来发展过程中必须要面对的。只有那些能够运用这些新数据型态的企业,方能打造可持续的重要竞争优势。

数据要灵活、数据要迅速

Guess拥有多条产品线,但如何在众多服装产品之中选定主推款式或者配件风格却是左右销售走势的关键性因素。为了做出正确的决策,数据分析机制需要对电子表格中的所有数据进行查询。整个过程花费了数百小时,公司高级副总裁兼CIO Michael Relich也由于大量查询失败而不得不面对着响个没完的电话。在了解到Guess如何处理主数据之后,Relich与他的技术团队开发出一套二维码方案,顾客可以利用iPad对其扫描并在屏幕中查看关于对应服装的详细信息。

这个项目并非什么策略规划或者长期移动措施的一部分。恰恰相反,它完全源自顾客们的实际需求。事实上目前大多数大数据分析项目都直接受到客户的推动。

在半导体芯片制造商博通公司高级副总裁兼CIO William Miller Jr.看来,这意味着技术人员应该将眼光放在需求之前而不能仅仅一路追赶需求的脚步。

在博通公司,IT与工程团队在同一套运营环境下携手并进。为了满足双方的交互需求,公司部署了Jabber与Yammer等企业社交网络技术,旨在帮助工程师们在任务出现时自发组织临时团队、任务完成后再随即解散。“这使工程师们得以最大程度提升生产效率,因为他们不必花费时间慢慢组织工作环境并进行协调,”Miller解释道。“这是一种非常高效的处理或者组织方案。”

博通公司的工程师们还组建了私有云环境,这保证工作人员能够在一天的任何时段(包括夜晚)灵活开展工作。博通公司日前刚刚收购了一家新公司,外来员工们在周一上班时赫然发现自己熟悉的方案与工具仅仅用了一个周末就完全整合入博通的工作环境当中——这正是灵活性的突出体现。“这令我们确信之前的投资绝对物有所值,”Miller告诉我们。

数据可视化满足切实需求

要想让大数据方面的投资收到成效,我们必须保证由分析工具生成的信息以可视化形式呈现在工作人员面前。过去,利宝互助国际保险集团每个季度会收到一份长达80页的运营报告,高管团队则需要花费数小时时间来阅读并了解其中的内容,该集团高级副总裁兼CIO Mojgan Lefebvre表示。

将这份长篇大论转化为一张包含关键性绩效指标的列表需要分步进行,Lefebvre解释称。首先,决定需要为哪些关键性问题找出答案。然后,创建一系列分组报告。最后,进行数据可视化处理。整个过程意在“通过整理让数据满足切实需求。”Lefebvre还补充称,为了让报告真正能够指导工作、转化过程往往要花一个季度以上的时间。

“让人们使用数据仓库是个巨大的难题,”Relich指出。尤其是在零售行业这一问题就显得尤为突出,因为买家往往拥有非常强烈的直觉判断。Guess公司的解决方案会首先将有价值数据经过格式转换后交付给黑莓平台,接着由以Flash支持的信息面板对其进行可视化处理,最终再将结果传递至iPad应用程序。Relich指出,将每家零售店的销售数据汇总起来能效提高决策制定的速度、同时减少规划会议的次数。

实时数据可视化则并不局限于数字本身。利宝保险公司的现场风险工程师们能够将实际情况拍成照片并上传至数据库端。在这里,图片会再次接受保险费率工程师的检查。根据Lefebvre的说法,这种机制能让保费赔付工作的审核周期由过去的几天缩短为现在的几小时。

在未来五年,大数据将逐渐成为越来越多CIO工作中的一部分。一方面,商业智能的普及,让企业对数据的重要性已经有了充分认识;另一方面,社交媒体、电子商务、物联网等新应用的兴起,打破了企业原有价值链为围墙,仅对原有价值链各个环节的数据进行分析,已经不能满足需求,他们需要借助大数据战略打破数据边界,了解更为全面的运营及运营环境的全景图。

责任编辑:王程程 来源: 比特网
相关推荐

2014-03-12 09:45:44

大数据

2015-09-23 17:08:07

大数据百度

2022-09-14 08:01:47

安全漏洞

2021-02-03 10:17:55

机器人零售行业零售机器人

2012-11-26 09:27:07

零售仪表盘大数据

2018-03-12 13:22:48

新零售大数据线上零售

2021-05-28 14:47:06

人工智能零售行业AI

2017-10-16 12:37:55

2023-06-06 11:07:59

大数据人工智能零售

2014-05-09 15:35:51

CRM营销

2014-04-30 15:20:06

数据挖掘

2011-11-30 17:19:06

微软

2021-11-04 08:00:00

人工智能机器学习技术

2023-05-11 08:00:30

2021-08-10 10:50:13

RPA零售行业机器人流程自动化

2024-05-31 09:00:07

2011-12-13 14:51:05

微软

2013-12-26 10:04:13

大数据

2019-03-21 19:19:35

新零售阿里云零售云
点赞
收藏

51CTO技术栈公众号