2016年7月8日,阿里巴巴首届十佳数据先锋商家颁奖典礼在阿里巴巴西溪园区召开。会上,阿里首届“十佳数据先锋”揭晓,韩都衣舍、三只松鼠、良品铺子、御泥坊、创维、科罗娜(百威)、马克华菲、品胜数码、VOVO和烟花烫等商家最终入围。
阿里巴巴集团副总裁、阿里研究院院长高红冰在颁奖典礼上指出,大数据已经在5个方面改变商业,包括管理/运营决策、商品策略改进、模式/产品/服务创新、精准营销、供应链优化等。据他介绍,DT时代下商家,许多已经学会利用数据提升运营效率和获客能力。
图为阿里巴巴集团副总裁、阿里研究院院长高红冰在“阿里巴巴首届十佳数据先锋商家颁奖典礼”发表演讲。
高红冰:数据重构商业新视界
所谓数据和商业的关系,过去叫商业智能,今天这个概念已经发生了很大的变化。在一个全互联网为基础平台的情况下,我们看商业如何重构未来商业。
在今天的零售、商业、批发、生产、制造环节中,实际上分成两个世界,一个物理世界,一个DT的世界。在淘宝的场景下,每个商品都挂上了条码,每个用户在淘宝上都有一个账户,每个商家也都有自己的账户体系和后台系统,每个交易、每个消费者的行为,天然构成了一种数据化链路。数据能不能打通,形成一个全数据链路,这是我们讨论的关键和核心。
如果不能利用数据去塑造一个新的商业模式,所谓商业模式的创新也只是在过去模式上的一个翻版。今天要把数据同商业实践、消费者行为结合起来,用算法推动为消费者画像、挖掘消费意愿,去产生更高层次的消费场景。消费者很多时候并不知道自己要什么,但如果能够基于其过往消费行为去寻找到他们的意愿,把意愿变成选项给到消费者的时候,这时候消费就进入到一种不自觉、由消费意愿所驱动的状态,这是未来商业非常重要的一个发展趋势。
从3万亿到10万亿的价值想象
阿里巴巴零售平台已经完成3万亿元的交易,它的足迹让我们看到商业发展的速度。淘宝在2006年是100亿元的规模,2008年达到1千亿元,2012年第一次达到1万亿元,2014年11月底达到2万亿元,到今年3月份达到了3万亿元,规模扩张非常快速。
我们要看到3万亿背后的商业逻辑。沃尔玛经过了54年的发展达到3万亿,但互联网的模式仅仅用了十几年就可以达到。传统零售业尽管铺了很大的网络,仍然是在内部网络中,今天互联网则是一个透明的网络,所以接下来从3万亿到6万亿的征程,处于负增长的沃尔玛很难实现,互联网则很有可能。
阿里研究院在2012年对未来网上零售总额做过测算,经过了三年的验证,误差基本上在1%-6%之间,我们预计2020年整个中国网络零售交易规模将突破10万亿。试想一下,届时销售数据化是什么样的状况?今天的淘宝已经不再简单是卖东西的一个窗口,而是一个纵深的价值链。如果说零售连接的是商家,商家连接的是商店,再往上是整个制造业,未来制造业内部的系统将同大淘宝数据对接起来,形成一个一体化的系统。所以未来10万亿绝不简单是一个消费数据,它预示着未来整个中国零售批发制造产业的升级、转型和巨大变革。
未来五年到十年,整个经济在互联网驱动下会发生非常大的裂变。人类正在从IT时代进入DT时代,DT时代有三大支柱,第一个是云网端,云计算、宽带和智能终端构成了新型的互联网基础设施,所有的业务、消费、商业、制造业都在云上跑;第二是数据,在线下实体零售当中,和今天整个互联网驱动的零售体系相比,数据的体量和价值都有天壤之别;第三是分工合协作体系,像华为、海尔这样的企业,其上下游企业的个数大概在几万家,但是淘宝有1千万个卖家、4亿多的消费者,还有海量服务商,构成了一个新的协作体系,这个协作体系在随机配对和链接中带来大的创新。
大数据的产生不是问题,关键是使用
大数据的挑战是在于有没有高质量的数据集,而不是有没有数据,因为数据太多了,多到如果你没有把它又好又经济地计算出来,就没有用途。所以云计算在寻找大数据的场景,而大数据的计算场景更需要后面的价值背书。今天的12306、天气预报系统,都是基于阿里云计算在运营,浙江省气象台如果自己购置服务器预测台风,一年只用几次,大量服务器将形成浪费,12306也只有春节才会达到峰值,所以它们都使用阿里云来完成低成本的计算。
说到网络,现在工信部在部署5G网络,预计2020年会全面投入商用,届时个人终端最高可以获得2G带宽,是现在4G网络的100倍。而1994年中国刚刚接入全球互联网的时候,只有6万用户、3条64K国际带宽。全球数据量到2020年将达到44ZB,所以大量的数据产生不是问题,问题是会不会用,云计算则真正能够创造背后的价值,数据驱动的时代已经到来。
阿尔法狗是如何打败棋王的?是靠算法。它依靠的是价值网络、过往所有的棋谱,当棋谱数据越来越多的时候,阿尔法狗就战无不胜,因为它在走每一步的时候都有策略优先的选择。所以未来数据的想象空间极大。
智慧商业的三个关键点
回到数据驱动商业的角度,智慧商业有三个核心关键点需要把握,分别是数据、算法和产品。
第一是数据。数据有很多,但是得到数据之后如何形成有价值的、高质量的数据集,这是关键点。数据的收集、处理、加工,今天是高成本的,但又是高价值的。
第二是产品。如果数据产品不能形成数据链路,有效把商业链条打穿的话,那么数据茶品就是孤立的分析或统计工具,没有意义。数据产品不是一个死的东西,而是随着商业模式的变化和变迁,不断用数据触达两端。
最后一点是算法。算法体现的是什么?体现的是你用数据的商业创新,如果你对基于商业数据的创新有很深的理解,就可以把算法推动到高度化的过程。所以从这个意义来讲,不断去迭代这个算法,不断用算法来优化你的商业模式,构成了今天无数据不智慧、无数据不商业的境界。
对比传统商业和智慧商业。传统商业大多不使用数据,数据也不多,它们收集数据的成本非常高,而且大部分用统计数据。现在的大数据则是活数据,不管是产品还是消费行为、商家行为沉淀下去的数据,关键是做关联性分析。过去传统商业是在局部用经验做数据管理和分析,而今天则是看数据的中间状态标签来看未来的趋势,得出对整个商业运营的决策,所以整个逻辑是倒过来的,这就是传统商业跟智慧商业的区别。
数据端的价值和意义,在于我们不光可以为个人画像、为消费者画像,还可以通过这个画像来进一步规划发展策略、分析销售套路,这是数据一个很重要的作用。
数据带给商业企业的五大价值
数据到底给企业带来什么样的商业价值呢?我认为有五个方面的价值:
第一,可以辅助商家进行管理决策,实时监测整个营销活动。商家可以通过这些数据来快速定位自己的问题和痛点,加速响应和决策过程。所以数据可以对运营管理决策带来直接、快速的反馈。
第二,供应链的优化。零售业一个很重要的问题,就是供应商优化管理,实时掌握现货、半成品、原料的应备数量,销售端和在途的数量等;在物流上,数据可以帮助商家匹配订单、仓库与配送资源,降低物流成本,提高物流效率;在库存方面,数据可以实时分析爆、旺、平、滞款的情况,实现补货与库存协调机制。
第三,精准营销与个性化服务。大数据可以帮助商家对消费者进行画像,继而找到更好的商品满足对方;大数据还可以实现交叉的销售,通过关联分析进行交叉配售,通过社交媒体分析优化营销端的策略。
第四,可以带来产品、服务、模式方面的创新。过去的线下销售体系,品牌商和制造商把商品给了经销商以后,它的销售任务完成了,经销商再卖给消费者,这是两块割裂的市场。以消费者为中心的C2B时代正在来临,互联网把割裂的市场打穿,把商品设计、生产、制造、零售等全部打穿的,形成数据链路,这就带来了以消定产的C2B模式。同时,有了大数据,产品的迭代、面向客户的智能服务才可以实施。
第五,商品策略调整。首先可以根据大数据进行销售预测,来确定不同季节、不同活动中的备货量;也可以通过销售数据的实时监控,对商品及商品组合进行优化;还可以根据竞品、行业、自身的数据,对价格体系进行调整。这些都会给商品、商业的策略带来很大的提升。
接下来看阿里的数据如何赋能商家。以生意参谋为例,这个产品在2015年初推出,目前已经有超过600万的客户,用过该产品的商家甚至超过2千万家,所以生意参谋今天是一个非常重要的数据产品和平台。从地理角度的业务数据来看,可以得出一个结论,经济发达的地方利用数据能力相对比较高,体现了商业在拉动数据,数据在驱动商业。
我们再看数据先锋商家的实践。三只松鼠作为零食领域的互联网品牌,通过收集网上的数据来决定它们的营销策略,是数据领域的天然用户和深度用户;百雀羚是一个线下的品牌,它通过线上数据确定自己线下的销售;戎美则是稳定发展的互联网高端女装品牌,通过整个链路数据的收集和处理,形成了整个运营的规划。每个案例都对于数据有不同的使用方式和侧重点,每个商家情况也都不一样,但都可以带来显著的价值创造。
未来商业想象
未来的商业会形成一个无边界的商业场景:线上和线下打通、商品和商家打通、跨境和国内零售打通、数据经济和线下实体店打通,这些不断打通的过程产生新的商业模式。
未来,如果2G的带宽到桌面的时候,VR一定会变成现实,零售端是应用VR最好的场景,有了VR,消费者就可以足不出户,了解商家的整个产品体系、服务体系。过去是消费者到一个集中的商场或者一个网店买东西,未来是消费者借助VR、AR,在自己过去的数据沉淀中获得自己的消费行为满足。
另外一种购物体验是沉浸式体验,阿迪达斯做的虚拟鞋墙,可以把它的品类全部放上,让消费者来选择,而不是在网上店铺不断翻页面来找它的产品。这就让消费者进入到真实的销售场景当中,去进行一种沉浸式体验,从而扩充销量。
除了阿尔法狗,阿里云小AI在成功预测《我是歌手》总冠军之后,又利用智能语音识别能力成功战胜了速记员,可以给实时直播添加字幕。支付宝客服处理用户投诉来电,小AI能够自动识别、理解投诉的内容与其对话,并自动导向正确的解决方法。所以未来人工智能、机器人的发展,肯定会给零售体系的客户和运营带来巨大的提升。
(责任编辑:毛凯悦)
免责声明:中国网财经转载此文目的在于传递更多信息,不代表本网的观点和立场。文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。