大数据：未来零售的推进器

在零售数字化方面，马克华菲做出了很多探索，取得了不错的效果。但要说用数据全方位驱动零售，从目前来看，还为时尚早。马克华菲现在要做的，首先是深化数据意识，其次是在一些业务环节进行数据应用的尝试。

在左敬东看来，大数据是一个虚拟的概念，并不是数据库放在马克华菲就叫马克华菲大数据。从大数据之大来说，任何企业甚至国家都不可能拥有全部的大数据。你有的数据，别人可能没有。别人有的，你也可能没有。“所以，首先，我们一定要采集和积累自己的数据，保证第一手数据的完整性和精确性。然后，一定要利用社会资源，跟其他的数据源进行交互整合，再结合我们自己的商业逻辑来应用数据。所以，阿里的数据银行是数据源之一，腾讯的DMP（数据管理平台）也是。”左敬东说。

不同数据源进行交互，一个最直接的结果是，零售三要素人货场的颗粒度会急剧细化。左敬东解释说，比如你原来只用10个标签来定义消费者，性别就分男女，现在你可能会增加一些标签，像IT男、暖男之类的，维度越来越多，颗粒度越来越细。

人货场颗粒度变细，还带来了三者之间更多元的关系。现在，左敬东研究最多的就是什么人买什么货。如果人和货原来的颗粒度都是10个细分，那么10×10，就是100个交叉。现在颗粒度增加10倍，达到100个细分，两者的交叉点就变成1万个。

颗粒度细化后，对精准营销无疑最有帮助。阿里提出了千人千面，但左敬东认为现在做不到绝对意义上的千人千面，还是用聚类的方法，看这1万个交叉点中，有多少个相对成一个聚类群，然后抽取它的特征来做营销。营销可能是新零售数据驱动在目前阶段最成熟的实践。

除此之外，左敬东也在尝试用试衣数据来影响产品设计。前面我们提到过，马克华菲运用RFID技术采集了每件衣服的试穿数据。通过分析每款衣服的上架时间、试穿次数和成交数量，可能发现这样一种现象：某款衣服试穿率很高，但成交率很低，为什么？一种结论是，这款衣服看上去很好看，但穿上去不舒服，问题可能出在面料或版型。怎么确定到底是面料还是版型呢？左敬东的想法是，让消费者自己说出来。他正在设计一种新功能，能让消费者对试衣做出评价和反馈，把这些数据采集下来。一旦找到问题症结，设计师就能改进自己的设计。

左敬东还讲到了用大数据来改善铺货。就在采访的前一天，长春片区的门店出了点状况。他们按照往年的惯例，在这个时间点上了春装，但是今年长春特别冷，现在上春装根本卖不动。显然，这样铺货“太教条了”。左敬东说，现在天气数据都是实时的，而且全部公开，如果在运用原有模型规划铺货时，用这些天气数据加以辅助，铺货节奏肯定更合理；再结合库存、地域等数据，铺货节奏甚至能精确到单个门店和具体日期。

在大数据的应用上，左敬东特别强调了一点，那就是算法。如果没有算法模型，光有数据是没有用的，数据本身给不了有价值的结论。只有经过算法模型的梳理和运算，数据才能转化为有用的结论。当然，算法模型得由企业自己来制定，而且不同企业的算法模型各不相同，因为企业的商业逻辑是不一样的。左敬东希望利用人工智能，实现算法模型的自动化：“至少先把你的判断逻辑做进去，能帮你解决80%的问题。其他疑难杂症，人工先做，等到真正实现人工智能，就能机器学习，自动优化算法了”。