結(jié)合零售行業(yè)，在闡述大數(shù)據(jù)給傳統(tǒng)零售業(yè)帶來(lái)的思維、商業(yè)、管理這一系列變革的同時(shí)，著重從傳統(tǒng)零售業(yè)數(shù)據(jù)統(tǒng)計(jì)步驟的數(shù)據(jù)采集、整理、分析、詮釋這幾個(gè)方面分析大數(shù)據(jù)給零售業(yè)統(tǒng)計(jì)帶來(lái)的影響與變革，同時(shí)分析大數(shù)據(jù)應(yīng)用在零售業(yè)所帶來(lái)的關(guān)于隱私問(wèn)題的挑戰(zhàn)，給出零售業(yè)統(tǒng)計(jì)應(yīng)如何應(yīng)對(duì)變革的一些探討，諸如擴(kuò)大數(shù)據(jù)的采集面、增加數(shù)據(jù)采集的廣度與深度、采用數(shù)據(jù)挖掘技術(shù)進(jìn)行大數(shù)據(jù)分析、引入數(shù)據(jù)可視化技術(shù)進(jìn)行數(shù)據(jù)詮釋等。

關(guān)鍵詞： 大數(shù)據(jù)時(shí)代，零售業(yè)，零售思維，零售管理，零售業(yè)統(tǒng)計(jì)；數(shù)據(jù)挖掘

大數(shù)據(jù)是指?jìng)鹘y(tǒng)數(shù)據(jù)庫(kù)管理工具難以處理的大量的、多樣化的數(shù)據(jù)。當(dāng)前普遍認(rèn)為大數(shù)據(jù)有三個(gè)特點(diǎn)（3V）：第一Volume，是數(shù)據(jù)容量非常大，第二Velocity，是數(shù)據(jù)增長(zhǎng)速度非?？?，處理速度非?？?，第三Variety，是數(shù)據(jù)類型越來(lái)越多樣化[1]。

零售行業(yè)隨著數(shù)據(jù)采集與存儲(chǔ)技術(shù)的進(jìn)步也逐步形成了零售業(yè)大數(shù)據(jù)。通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行挖掘分析，能夠給零售企業(yè)帶來(lái)巨大的商業(yè)價(jià)值以及服務(wù)創(chuàng)新，諸如能夠更好地了解和洞察消費(fèi)者，從而實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷，或者變革供應(yīng)鏈模式，實(shí)現(xiàn)貨品精細(xì)化管理等。但是在這之前，必須首先要清楚大數(shù)據(jù)究竟從哪些方面給零售業(yè)帶來(lái)了變革需求，才能有針對(duì)性地利用好零售業(yè)大數(shù)據(jù)。

一、大數(shù)據(jù)時(shí)代零售思維、商業(yè)與管理變革

（一）零售思維的變革

維克托 邁爾在《大數(shù)據(jù)時(shí)代》一書中提出了大數(shù)據(jù)思維的三個(gè)最顯著的變化：一是樣本等于總體。這與過(guò)去基于樣本進(jìn)行統(tǒng)計(jì)分析的思維截然不同；二是不再追求精確性。在大數(shù)據(jù)中往往存在“噪音”和罕見事件，這樣的數(shù)據(jù)影響了結(jié)果的精確性；三是相關(guān)分析比因果分析更重要，在大數(shù)據(jù)時(shí)代我們將注意力更多地放在“是什么”而不是“為什么”。將這種全新的思維結(jié)合傳統(tǒng)零售業(yè)考慮，我們也許會(huì)得到如下幾個(gè)方面的啟示：

要分析與零售商特定目標(biāo)相關(guān)的全部數(shù)據(jù)，而不是采用對(duì)樣本的分析來(lái)推斷總體的方式。當(dāng)采集并存儲(chǔ)所有的數(shù)據(jù)并不再只是一種可能，基于樣本的統(tǒng)計(jì)分析也就越來(lái)越難以適應(yīng)企業(yè)對(duì)數(shù)據(jù)的使用需求。零售商通過(guò)分析利用大量的銷售等數(shù)據(jù)，可以準(zhǔn)確地預(yù)測(cè)客戶的需求，實(shí)行精準(zhǔn)營(yíng)銷，給零售企業(yè)帶來(lái)實(shí)質(zhì)性的效率與利潤(rùn)提升。

放棄追求精確性，并接受數(shù)據(jù)的噪音。倘若零售企業(yè)只追求精確的數(shù)據(jù)，那么只有大約5%的結(jié)構(gòu)化數(shù)據(jù)能夠被合理使用，而大約有95%的半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)都無(wú)法被使用，這會(huì)造成數(shù)據(jù)資源的巨大浪費(fèi)。只有接受數(shù)據(jù)的噪音，容許部分冗余甚至錯(cuò)誤數(shù)據(jù)的存在，才能更充分地利用數(shù)據(jù)，挖掘零售數(shù)據(jù)的價(jià)值，實(shí)現(xiàn)零售商的經(jīng)營(yíng)管理目標(biāo)。

零售行業(yè)在進(jìn)行數(shù)據(jù)分析時(shí)應(yīng)該更加注重分析事物的相關(guān)關(guān)系而不是因果關(guān)系。相關(guān)關(guān)系可以使零售商們從不同的角度觀察、分析、解決問(wèn)題，以確定怎么做可以達(dá)到更好的效果。而且相關(guān)關(guān)系是一種比因果關(guān)系更加有效的關(guān)系。例如，沃爾瑪在經(jīng)過(guò)數(shù)據(jù)分析后得到，蛋撻的銷量在颶風(fēng)到來(lái)之際大幅增加，因此將蛋撻擺放在颶風(fēng)用品附近的位置，提高了蛋撻的銷售量[2]。在這個(gè)例子中，通過(guò)分析蛋撻銷售量與颶風(fēng)的相關(guān)關(guān)系，找到了提高銷售量的新方法，這體現(xiàn)了在大數(shù)據(jù)時(shí)代相關(guān)關(guān)系分析的必要性與重要性。

（二）零售商業(yè)的變革

在以電商為首的“數(shù)據(jù)巨頭”的沖擊下，傳統(tǒng)零售業(yè)面臨著巨大的挑戰(zhàn)。我們可以觀察到的一個(gè)現(xiàn)象是目前許多唱空百貨等線下零售業(yè)的聲音不絕于耳。這主要是由于互聯(lián)網(wǎng)電商巨頭諸如阿里、京東等已經(jīng)在中國(guó)零售行業(yè)中占據(jù)了大量的份額，傳統(tǒng)的零售諸如百貨行業(yè)由于線下市場(chǎng)萎縮以及商品定價(jià)的弱勢(shì)性在無(wú)形之中已經(jīng)被慢慢擠掉了許多利潤(rùn)。目前傳統(tǒng)零售業(yè)面臨著零售商品價(jià)格體系管理的滯后、營(yíng)銷的不便利性，例如相同商品不同銷售商之間的比價(jià)，快遞送貨服務(wù)以及年輕消費(fèi)客戶的流失等問(wèn)題。而且傳統(tǒng)零售行業(yè)的營(yíng)銷方式無(wú)法像互聯(lián)網(wǎng)電商一樣通過(guò)各種數(shù)據(jù)分析消費(fèi)者的喜好，從而無(wú)法做到一對(duì)一的精準(zhǔn)營(yíng)銷。所有的這些問(wèn)題，導(dǎo)致傳統(tǒng)零售行業(yè)面臨著重大的商業(yè)變革。

為了應(yīng)對(duì)零售業(yè)面臨的挑戰(zhàn)，一個(gè)可行的思路便是線下購(gòu)物體驗(yàn)化。這主要是指通過(guò)改善線下購(gòu)物的環(huán)境與方式，給予消費(fèi)者更多在線上購(gòu)物中享受不到的愉悅體驗(yàn)，其表現(xiàn)的特征主要體現(xiàn)在傳統(tǒng)百貨購(gòu)物中心化。這其中的典型例子譬如上海的購(gòu)物中心K11在其店內(nèi)專門布置了一個(gè)小型的農(nóng)場(chǎng)，顧客可以零距離接近自然體驗(yàn)種植的樂(lè)趣。而北京的喬福芳草地則巧妙地打造了一個(gè)具有濃厚藝術(shù)氣息氛圍的購(gòu)物中心，給予顧客藝術(shù)之美的體驗(yàn)與熏陶。毫無(wú)疑問(wèn)，這種傳統(tǒng)零售企業(yè)的轉(zhuǎn)型必然要建立在了解客戶的心理需求與偏好的基礎(chǔ)上，這就在客觀上要求傳統(tǒng)零售業(yè)紛紛進(jìn)入大數(shù)據(jù)領(lǐng)域挖掘客戶的商業(yè)需求。國(guó)內(nèi)企業(yè)如銀泰是進(jìn)入大數(shù)據(jù)領(lǐng)域掘金的典型零售企業(yè)，銀泰通過(guò)設(shè)置在購(gòu)物中心的WIFI來(lái)獲取用戶數(shù)據(jù)。通過(guò)抓取的數(shù)據(jù)分析消費(fèi)者的性別、年齡，購(gòu)物偏好、習(xí)慣，以及購(gòu)物頻率、搭配等。同時(shí)，銀泰官網(wǎng)也在收集消費(fèi)者的品牌偏好的數(shù)據(jù)，并結(jié)合實(shí)體店的數(shù)據(jù)進(jìn)行分析，獲得新開商店的品牌組合、門店位置選擇以及品牌位置組合。

隨著科技的進(jìn)步以及建設(shè)大數(shù)據(jù)成本的降低，將會(huì)有更多傳統(tǒng)零售企業(yè)采用高新科技技術(shù)收集客戶的購(gòu)物喜好、購(gòu)物組合、購(gòu)物頻率等購(gòu)物信息，并積累了大量的數(shù)據(jù)資本，開創(chuàng)零售行業(yè)商業(yè)變革。

（三）零售管理的變革

傳統(tǒng)零售業(yè)的經(jīng)營(yíng)決策在相當(dāng)程度上依靠企業(yè)管理者主觀判斷，其體現(xiàn)在依靠管理者的知識(shí)水平、經(jīng)驗(yàn)、直覺(jué)等。這種決策方式缺乏對(duì)決策過(guò)程的監(jiān)控，缺乏對(duì)決策執(zhí)行過(guò)程中數(shù)據(jù)的收集、提取和分析，未能明確數(shù)據(jù)決策與決策結(jié)果之間的關(guān)聯(lián)關(guān)系[3]。這種過(guò)于主觀不夠嚴(yán)謹(jǐn)?shù)臎Q策方式主要是由于傳統(tǒng)零售業(yè)的運(yùn)營(yíng)銷售等系列數(shù)據(jù)分散在不同的部門，把它們搜集在一起進(jìn)行合并分析具有較多困難，導(dǎo)致很難高效地利用這些數(shù)據(jù)。大數(shù)據(jù)時(shí)代的來(lái)到使得傳統(tǒng)零售企業(yè)決策過(guò)程由管理者主觀判斷變?yōu)橐詳?shù)據(jù)為導(dǎo)向進(jìn)行決策成為趨勢(shì)。 沃爾瑪百貨是世界性連鎖企業(yè)，其率先應(yīng)用大數(shù)據(jù)分析作為企業(yè)決策的基礎(chǔ)。沃爾瑪為了提高大數(shù)據(jù)成果在不同部門之間的高效利用、并增加存貨管理和供應(yīng)鏈管理的投入回報(bào)率，其開發(fā)了Retail Link工具。供應(yīng)商使用該工具可以預(yù)先知道不同店鋪的商品銷售和庫(kù)存情況，從而能夠在沃爾瑪發(fā)出指令前自行補(bǔ)貨，極大地減少商品斷貨和供應(yīng)鏈的庫(kù)存水平[4]。因此，供應(yīng)商能夠更多地控制商品的陳設(shè)，沃爾瑪也可以降低庫(kù)存成本，減少投入成本。綜合起來(lái)，沃爾瑪百貨不僅提高了服務(wù)質(zhì)量，而且削減了供應(yīng)鏈管理的開支，提高了企業(yè)的運(yùn)作效率與利潤(rùn)。沃爾瑪百貨在銷售管理中應(yīng)用大數(shù)據(jù)，以大數(shù)據(jù)為決策的基礎(chǔ)，開創(chuàng)了以大數(shù)據(jù)為決策基礎(chǔ)的零售業(yè)管理的新局面。

在互聯(lián)網(wǎng)時(shí)代，隨著信息技術(shù)的不斷發(fā)展，使得零售企業(yè)能夠記錄并存儲(chǔ)其銷售、采購(gòu)以及員工行為的一切信息。這些數(shù)據(jù)存儲(chǔ)到企業(yè)的數(shù)據(jù)庫(kù)中，通過(guò)數(shù)據(jù)挖掘方法進(jìn)行處理分析，從而成為企業(yè)以數(shù)據(jù)為導(dǎo)向進(jìn)行決策的基礎(chǔ)。隨著大數(shù)據(jù)時(shí)代的到來(lái)，傳統(tǒng)零售業(yè)管理決策過(guò)程必將向大數(shù)據(jù)決策轉(zhuǎn)變。

二、大數(shù)據(jù)時(shí)代零售業(yè)統(tǒng)計(jì)的變革

在傳統(tǒng)的統(tǒng)計(jì)步驟中，包含了數(shù)據(jù)的采集、整理、分析、詮釋四個(gè)部分，每個(gè)部分都已經(jīng)在傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)理論下形成了各自的內(nèi)容與方法論。而在大數(shù)據(jù)時(shí)代，其帶給零售業(yè)重大的影響之一便是其數(shù)據(jù)統(tǒng)計(jì)方法的變革，這種統(tǒng)計(jì)變革集中體現(xiàn)在零售業(yè)數(shù)據(jù)的采集、整理、分析、詮釋四個(gè)方面，涉及傳統(tǒng)統(tǒng)計(jì)分析的完整流程。以中國(guó)人民大學(xué)網(wǎng)絡(luò)與移動(dòng)數(shù)據(jù)管理實(shí)驗(yàn)室開發(fā)的Scholar Space為例，大數(shù)據(jù)背景下進(jìn)行數(shù)據(jù)分析的完整流程如圖1所示?？梢园l(fā)現(xiàn)，與傳統(tǒng)統(tǒng)計(jì)步驟相比，對(duì)大數(shù)據(jù)的處理分析引入了更多的計(jì)算機(jī)軟硬件技術(shù)。

　?。ㄒ唬┰诹闶蹣I(yè)數(shù)據(jù)的采集方面

零售行業(yè)進(jìn)行的數(shù)據(jù)采集工作主要針對(duì)其客戶購(gòu)買行為、商品的銷售情況、企業(yè)的財(cái)務(wù)狀況等一系列數(shù)據(jù)，企業(yè)利用這些數(shù)據(jù)對(duì)日常的生產(chǎn)經(jīng)營(yíng)進(jìn)行分析決策。在傳統(tǒng)的統(tǒng)計(jì)方式下，企業(yè)的原始數(shù)據(jù)采集行為往往主要是依靠客戶群隨機(jī)抽樣進(jìn)行問(wèn)卷調(diào)查，對(duì)各項(xiàng)銷售報(bào)表以及財(cái)務(wù)報(bào)表進(jìn)行收集，進(jìn)而對(duì)這些原始數(shù)據(jù)進(jìn)行處理分析與應(yīng)用。在這種數(shù)據(jù)采集方式下，零售行業(yè)所能采集到的數(shù)據(jù)多以結(jié)構(gòu)化數(shù)據(jù)為主，且其應(yīng)用有很大的局限性[5]。

而在現(xiàn)在以及未來(lái)，日常各種行為所產(chǎn)生的信息處于一個(gè)大爆炸的狀態(tài)，傳統(tǒng)數(shù)據(jù)采集方法的效率日趨低下，絲毫跟不上信息產(chǎn)生的節(jié)奏，已經(jīng)不能滿足新時(shí)期企業(yè)進(jìn)行生產(chǎn)經(jīng)營(yíng)創(chuàng)新的需要，故零售業(yè)企業(yè)在數(shù)據(jù)采集方式方法上面迫切需要發(fā)生重大的變革?，F(xiàn)在看來(lái)，這種變革的方向?qū)?huì)在線上與線下數(shù)據(jù)采集工作中同時(shí)進(jìn)行，所采集數(shù)據(jù)的結(jié)構(gòu)將會(huì)由結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)向半結(jié)構(gòu)化乃至非結(jié)構(gòu)化數(shù)據(jù)。具體而言，我們可以采集客戶群在互聯(lián)網(wǎng)上的一系列線上行為數(shù)據(jù)并存儲(chǔ)進(jìn)而進(jìn)行整理與分析，同時(shí)，由于物聯(lián)網(wǎng)以及云計(jì)算技術(shù)的發(fā)展，我們也可以通過(guò)電子設(shè)備采集消費(fèi)者在實(shí)體商店的一系列線下行為數(shù)據(jù)[6]。就線上數(shù)據(jù)采集而言，我們將主要收集顧客在零售網(wǎng)站上留下的信息，包括保存在瀏覽器cookies中的系列點(diǎn)擊行為以及直接存入系統(tǒng)后臺(tái)的網(wǎng)站交易行為。而線下的數(shù)據(jù)采集則可以通過(guò)各種電子設(shè)備與技術(shù)例如pos機(jī)、藍(lán)牙4.0、NFC技術(shù)等來(lái)記錄顧客在店內(nèi)的行為數(shù)據(jù)。

（二）在零售業(yè)數(shù)據(jù)的整理方面

不管是傳統(tǒng)的零售業(yè)統(tǒng)計(jì)還是在大數(shù)據(jù)背景下的統(tǒng)計(jì)，在完成數(shù)據(jù)采集之后必須對(duì)數(shù)據(jù)進(jìn)行整理。數(shù)據(jù)整理是指對(duì)所采集的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行匯總，去除其中的冗余與錯(cuò)誤數(shù)據(jù)，同時(shí)篩選出其中的有效指標(biāo)，確定對(duì)數(shù)據(jù)總體的處理方法。傳統(tǒng)的零售業(yè)數(shù)據(jù)整理主要包含對(duì)所采集數(shù)據(jù)的查核，對(duì)數(shù)據(jù)進(jìn)行分類與聚類，根據(jù)數(shù)據(jù)編制統(tǒng)計(jì)表圖，積累與保管統(tǒng)計(jì)資料數(shù)據(jù)[7]。一般意義下，傳統(tǒng)數(shù)據(jù)的整理方式更能夠凸顯群體水平――例如零售行業(yè)門店商品總成交額、單個(gè)商品成交數(shù)目等。這些數(shù)據(jù)沒(méi)有必要也無(wú)法實(shí)現(xiàn)實(shí)時(shí)采集，只需能保證在周期性、階段性的對(duì)數(shù)據(jù)的評(píng)估中獲取即可。傳統(tǒng)數(shù)據(jù)反映的是零售行業(yè)的因變量水平，即零售行業(yè)的整體經(jīng)營(yíng)狀況如何，企業(yè)內(nèi)部的財(cái)務(wù)水平如何，顧客對(duì)企業(yè)的整體主觀感受如何等問(wèn)題。這些數(shù)據(jù)，譬如顧客對(duì)企業(yè)的主觀評(píng)價(jià)，由于事先顧客對(duì)其行為完全知情，因此帶有很強(qiáng)的刻意性與隨意性――因其主要是通過(guò)標(biāo)準(zhǔn)的量表統(tǒng)計(jì)與調(diào)查方法進(jìn)行。

相較之下，大數(shù)據(jù)賦予了我們?nèi)リP(guān)注每一位個(gè)體顧客的微觀表現(xiàn)能力，譬如顧客在某個(gè)特定時(shí)間段偏愛于購(gòu)買何種商品，顧客在某類商品貨架旁的時(shí)間停留長(zhǎng)度，顧客最終決定購(gòu)買商品所花費(fèi)的時(shí)間等。這些數(shù)據(jù)是高度個(gè)性化特征的體現(xiàn)，對(duì)于其余個(gè)體沒(méi)有什么意義。同時(shí)，這些數(shù)據(jù)在每時(shí)每刻顧客購(gòu)買與企業(yè)銷售的交互行為中產(chǎn)生，其產(chǎn)生完全是過(guò)程性的。對(duì)于這些數(shù)據(jù)的整理將能夠詮釋零售行業(yè)微觀銷售經(jīng)營(yíng)過(guò)程中自變量的水平，如應(yīng)該怎樣才能盡可能長(zhǎng)時(shí)間使消費(fèi)者逗留，怎樣的物品擺放方式可以提高兩種物品的銷售量，怎樣的店鋪選址可以最大化顧客流量。

在大數(shù)據(jù)背景下，零售業(yè)大數(shù)據(jù)由于進(jìn)行采集數(shù)據(jù)行為的數(shù)據(jù)源及數(shù)據(jù)內(nèi)容存在交互性重疊，導(dǎo)致原始數(shù)據(jù)需要進(jìn)行清理以去除數(shù)據(jù)噪聲與數(shù)據(jù)冗余并同時(shí)對(duì)所抽取數(shù)據(jù)進(jìn)行聚類。首先，需要對(duì)所采集的數(shù)據(jù)進(jìn)行清洗、重構(gòu)與填補(bǔ)以去除冗余彌補(bǔ)缺失。其次，在新的背景下零售業(yè)所采集的數(shù)據(jù)中必定包含大量的半結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)，我們需要將這部分?jǐn)?shù)據(jù)進(jìn)行處理，使之變?yōu)閼?yīng)用軟件能夠識(shí)別處理的機(jī)器語(yǔ)言。最后，我們需要對(duì)已完成前兩步處理的數(shù)據(jù)進(jìn)行相關(guān)性與關(guān)聯(lián)性檢測(cè)，將相關(guān)性高的數(shù)據(jù)融合在一起開始進(jìn)行下一步的數(shù)據(jù)分析。

（三）在零售業(yè)數(shù)據(jù)的分析方面

數(shù)據(jù)分析是發(fā)掘出數(shù)據(jù)價(jià)值的關(guān)鍵步驟。一般而言，在傳統(tǒng)的零售業(yè)統(tǒng)計(jì)分析領(lǐng)域，在完成對(duì)數(shù)據(jù)的采集整理后，要構(gòu)建一系列模型對(duì)處理過(guò)的數(shù)據(jù)進(jìn)行分析。傳統(tǒng)的統(tǒng)計(jì)研究分析方法主要包括線性或非線性回歸方程的建立、回歸模型參數(shù)的估計(jì)、參數(shù)估計(jì)結(jié)果的檢驗(yàn)，同時(shí)對(duì)數(shù)據(jù)進(jìn)行相關(guān)分析、回歸分析、方差分析等。傳統(tǒng)的統(tǒng)計(jì)研究分析過(guò)程一般先進(jìn)行定性分析，對(duì)分析對(duì)象做出一個(gè)主觀性質(zhì)的判斷，這主要是為隨后的定量分析提供一個(gè)方向，然后進(jìn)行定量分析，通過(guò)各種模型估計(jì)參數(shù)以及進(jìn)行一定置信度范圍內(nèi)的顯著性與有效性檢驗(yàn)，最后再回歸到定性分析，主要是對(duì)定量分析的結(jié)果進(jìn)行統(tǒng)計(jì)詮釋。傳統(tǒng)的統(tǒng)計(jì)實(shí)證過(guò)程則是先設(shè)立假設(shè)再進(jìn)行檢驗(yàn)，檢驗(yàn)部分就是根據(jù)抽樣分布理論以一定的概率保證程度進(jìn)行對(duì)總體的推斷[8]。在實(shí)際中，傳統(tǒng)零售業(yè)分析企業(yè)數(shù)據(jù)是將原始數(shù)據(jù)錄入到企業(yè)信息系統(tǒng)中由系統(tǒng)自動(dòng)產(chǎn)生分析結(jié)果，零售業(yè)只能依賴于這些片面的結(jié)構(gòu)化數(shù)據(jù)以及純粹的經(jīng)驗(yàn)理論假設(shè)對(duì)企業(yè)做出經(jīng)營(yíng)決策。

而在零售業(yè)的大數(shù)據(jù)統(tǒng)計(jì)分析中，傳統(tǒng)的統(tǒng)計(jì)分析方法過(guò)程顯然已經(jīng)不再適用。在分析思路方面，傳統(tǒng)的假設(shè)檢驗(yàn)流程也已不能凸顯其優(yōu)勢(shì)，目前對(duì)大數(shù)據(jù)的統(tǒng)計(jì)分析是以相關(guān)關(guān)系為基礎(chǔ)進(jìn)行的數(shù)據(jù)挖掘。數(shù)據(jù)挖掘也可以稱作現(xiàn)代統(tǒng)計(jì)學(xué)，其跟傳統(tǒng)的統(tǒng)計(jì)分析有很大的不同。因?yàn)閭鹘y(tǒng)的統(tǒng)計(jì)分析主要是針對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行線性相關(guān)分析，而大數(shù)據(jù)條件下的數(shù)據(jù)挖掘，則是要對(duì)更多的半結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行非線性相關(guān)以及不明確函數(shù)形式的線性關(guān)系進(jìn)行探索、推斷與評(píng)價(jià)。在大數(shù)據(jù)分析的前提下，相關(guān)關(guān)系的分析將并不依賴于傳統(tǒng)的“假設(shè)中的因果關(guān)系”，其將直接分析數(shù)據(jù)庫(kù)中所存儲(chǔ)的經(jīng)過(guò)整理的數(shù)據(jù)之間的聯(lián)系，由此可以避免受到人為的假設(shè)限制，發(fā)掘數(shù)據(jù)深處的意義。

現(xiàn)代意義上的統(tǒng)計(jì)學(xué)分析也即數(shù)據(jù)挖掘，是傳統(tǒng)的統(tǒng)計(jì)分析方法的擴(kuò)展和延伸，其常用的技術(shù)有關(guān)聯(lián)規(guī)則挖掘、神經(jīng)網(wǎng)絡(luò)模擬、支持向量機(jī)、隨機(jī)森林樹、遺傳算法、貝葉斯網(wǎng)絡(luò)等。如果能夠?qū)⑦@些數(shù)據(jù)挖掘技術(shù)應(yīng)用于大數(shù)據(jù)時(shí)代的零售業(yè)數(shù)據(jù)統(tǒng)計(jì)分析過(guò)程中，無(wú)疑將會(huì)給企業(yè)帶來(lái)巨大的價(jià)值回報(bào)。譬如關(guān)聯(lián)規(guī)則挖掘，關(guān)聯(lián)規(guī)則指的是一個(gè)已發(fā)生事件和其他已發(fā)生事件之間相互依賴或關(guān)聯(lián)的信息，其一般包括簡(jiǎn)單、因果、時(shí)序關(guān)聯(lián)等。而關(guān)聯(lián)規(guī)則經(jīng)典算法Aprior的基本思想就是通過(guò)迭代算法發(fā)掘數(shù)據(jù)中的具有一定支持度的高頻項(xiàng)目集并進(jìn)而構(gòu)造置信度不低于用戶設(shè)定的最低值的關(guān)聯(lián)規(guī)則，此時(shí)如果某個(gè)事件集中有因素存在關(guān)聯(lián)，則可以由其中一項(xiàng)因素的屬性值依據(jù)推斷出其他因素的屬性值。在大數(shù)據(jù)背景下，運(yùn)用關(guān)聯(lián)規(guī)則挖掘進(jìn)行數(shù)據(jù)相關(guān)性分析的一個(gè)典型應(yīng)用便是購(gòu)物籃子分析，通過(guò)分析系統(tǒng)交易數(shù)據(jù)庫(kù)之中不同商品之間的銷售情況的聯(lián)系，譬如某種商品的購(gòu)買量與另外品類商品購(gòu)買量之間的相互影響，從而可以探尋出顧客的購(gòu)物行為模式。利用這種算法分析得到的結(jié)果在企業(yè)銷售的很多方面都可以運(yùn)用，例如對(duì)商品擺放的布局、商品庫(kù)存的閥值設(shè)立以及對(duì)用戶群分類進(jìn)而實(shí)施差異化營(yíng)銷。眾所周知的沃爾瑪超市發(fā)掘出啤酒與尿布之間相關(guān)性的案例便是關(guān)聯(lián)規(guī)則應(yīng)用于數(shù)據(jù)挖掘的典型案例。

（四）在零售業(yè)數(shù)據(jù)的詮釋方面

在完成對(duì)零售業(yè)數(shù)據(jù)的分析之后，就要將所分析得到的結(jié)果應(yīng)用于實(shí)際的解釋與預(yù)測(cè)之中。如果沒(méi)能運(yùn)用適當(dāng)?shù)臄?shù)據(jù)詮釋方法，那么即使我們的數(shù)據(jù)分析結(jié)果沒(méi)有錯(cuò)誤，我們得到的預(yù)測(cè)結(jié)果也必將不能很好地與現(xiàn)實(shí)的發(fā)展趨勢(shì)擬合。在大數(shù)據(jù)時(shí)代由于數(shù)據(jù)的分析結(jié)果的繁多以及結(jié)果之間復(fù)雜的相關(guān)性，傳統(tǒng)的以文本為主要輸出形式的解釋結(jié)果將不再適用，這就在客觀上造成了傳統(tǒng)的詮釋預(yù)測(cè)方法變革的需要[9]。大數(shù)據(jù)背景下的數(shù)據(jù)詮釋，首先需要引入數(shù)據(jù)可視化技術(shù)，使用圖形來(lái)表示數(shù)據(jù)分析的輸出結(jié)果，從而幫助零售商能夠更加形象地觀察到數(shù)據(jù)之間隱性的關(guān)系與規(guī)律。其次需要引入人機(jī)交互與數(shù)據(jù)起源技術(shù)，這能夠讓零售企業(yè)各部門能夠熟悉和參與數(shù)據(jù)分析詮釋的具體過(guò)程。

目前零售業(yè)的數(shù)據(jù)詮釋，大數(shù)據(jù)運(yùn)用在零售業(yè)的最終營(yíng)銷過(guò)程中表現(xiàn)得很好。運(yùn)用挖掘出的結(jié)果對(duì)銷售及顧客數(shù)據(jù)進(jìn)行解釋并預(yù)測(cè)，能夠顯著提高預(yù)測(cè)的精確性與適時(shí)性，同時(shí)，也可運(yùn)用其進(jìn)一步細(xì)分市場(chǎng)，提高企業(yè)的目標(biāo)群體營(yíng)銷水平，降低企業(yè)銷售風(fēng)險(xiǎn)。目前，英國(guó)領(lǐng)先的零售商樂(lè)購(gòu)（TESCO）已經(jīng)開始運(yùn)用大數(shù)據(jù)來(lái)解釋分析顧客的行為。其主要運(yùn)作流程是首先在系統(tǒng)中建立一個(gè)顧客關(guān)系型數(shù)據(jù)庫(kù)，給予每個(gè)顧客唯一的一個(gè)編號(hào)，然后通過(guò)各種線上與線下方式采集顧客的一系列消費(fèi)數(shù)據(jù)諸如所購(gòu)買商品的種類、金額等，接著再通過(guò)利用已經(jīng)開發(fā)出的數(shù)據(jù)模型對(duì)這些海量交易數(shù)據(jù)進(jìn)行分析，從而大致可以得到關(guān)于單個(gè)顧客的一些信息諸如其消費(fèi)習(xí)慣、近期可能需要的商品等。樂(lè)購(gòu)?fù)ㄟ^(guò)這些結(jié)果指導(dǎo)其促銷計(jì)劃的制定與商品價(jià)格的及時(shí)調(diào)整。同時(shí)，樂(lè)購(gòu)?fù)ㄟ^(guò)對(duì)每個(gè)門店的店員結(jié)賬數(shù)據(jù)、貨品上下架數(shù)據(jù)、商品購(gòu)買與退貨率進(jìn)行統(tǒng)計(jì)匯總生成門店的日營(yíng)業(yè)分析報(bào)告，這使得其能夠?qū)︿N售過(guò)程進(jìn)行即時(shí)性把控，這為其提供了更加高效的盈利方法[10]。

三、零售業(yè)應(yīng)用大數(shù)據(jù)的挑戰(zhàn)

隨著基于云計(jì)算的應(yīng)用以及社交網(wǎng)絡(luò)的普及，“隱私”成為大數(shù)據(jù)發(fā)展繞不開的一個(gè)挑戰(zhàn)。在零售行業(yè)中，不論是商品的銷售信息，還是顧客的消費(fèi)習(xí)慣，都以不同的數(shù)據(jù)形式被存儲(chǔ)到數(shù)據(jù)庫(kù)中；另一方面，大數(shù)據(jù)相關(guān)法律不健全，網(wǎng)絡(luò)監(jiān)管不力也使各類數(shù)據(jù)泄露事件無(wú)法得到有效的解決。大數(shù)據(jù)堪稱一把雙刃劍。零售企業(yè)，會(huì)在大數(shù)據(jù)分析中獲得巨大利益，但同時(shí)消費(fèi)者的隱私也都以數(shù)據(jù)形式被存儲(chǔ)起來(lái)。零售業(yè)大數(shù)據(jù)出現(xiàn)以后，肯定會(huì)帶來(lái)更多的隱私泄露或者是與隱私泄露相關(guān)的問(wèn)題，但是，不能因噎廢食，必須解決這些問(wèn)題才能推動(dòng)零售業(yè)大數(shù)據(jù)環(huán)境的發(fā)展。零售企業(yè)可以通過(guò)安裝殺毒軟件、建立防火墻來(lái)防止信息泄露的問(wèn)題發(fā)生。

四、結(jié)語(yǔ)

相比于互聯(lián)網(wǎng)電商利用大數(shù)據(jù)已經(jīng)取得的各種令人驚嘆的成果，傳統(tǒng)的線下零售業(yè)在挖掘大數(shù)據(jù)價(jià)值方面落后了很多。但是，落后的同時(shí)也意味著，傳統(tǒng)零售業(yè)有著充分的潛力去利用大數(shù)據(jù)實(shí)現(xiàn)自己的商業(yè)模式轉(zhuǎn)型。傳統(tǒng)零售業(yè)在大數(shù)據(jù)時(shí)代下的各種變革中，統(tǒng)計(jì)思想與方法的變革無(wú)疑是最根本而又最重要的。唯有從傳統(tǒng)零售業(yè)統(tǒng)計(jì)的數(shù)據(jù)采集、整理、分析、詮釋這一完整流程的各個(gè)方面進(jìn)行改革，才能使得傳統(tǒng)零售業(yè)在未來(lái)仍然能適應(yīng)市場(chǎng)的需求。具體而言，在數(shù)據(jù)采集方面零售業(yè)要能夠通過(guò)運(yùn)用行業(yè)最新技術(shù)以各種線上與線下方式擴(kuò)大數(shù)據(jù)采集面，保證數(shù)據(jù)來(lái)源多樣性；數(shù)據(jù)整理方面需要將所采集數(shù)據(jù)細(xì)分為企業(yè)層面的宏觀數(shù)據(jù)以及顧客層面的微觀數(shù)據(jù)并分別應(yīng)用不同的處理方式進(jìn)行整理；在數(shù)據(jù)分析過(guò)程中則要變革傳統(tǒng)的以假設(shè)檢驗(yàn)為核心的統(tǒng)計(jì)分析為基于大數(shù)據(jù)算法下的相關(guān)性數(shù)據(jù)挖掘；同時(shí)引入可視化技術(shù)以及人機(jī)交互與數(shù)據(jù)起源技術(shù)運(yùn)用于數(shù)據(jù)詮釋過(guò)程以改革傳統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)詮釋。與此同時(shí)，零售行業(yè)在運(yùn)用大數(shù)據(jù)的過(guò)程中，不能忽略的一點(diǎn)是大數(shù)據(jù)也并不是沒(méi)有缺點(diǎn)，需要充分重視如何回避大數(shù)據(jù)帶來(lái)的負(fù)面效果。正如維克托?邁爾在撰寫《大數(shù)據(jù)時(shí)代》一書的同時(shí)，還寫了另外一本名為《刪除》的書，就是要告訴我們，大數(shù)據(jù)是一把雙刃劍，在運(yùn)用的時(shí)候一方面必須處理好數(shù)據(jù)與隱私之間的界限，另一方面也必須要處理好已掌握的數(shù)據(jù)的取舍問(wèn)題。