一、不断翻新的零售战场

长久以来，中国的零售业态常以传统的夫妻老婆店为主。直到20世纪90年代，万科旗下的万家超市在深圳成立、第一家物美超市在北京开业，正式拉开了现代零售业序幕。同时段，《关于商业零售领域利用外资问题的批复》于1992年出台，吸引了大量外资厂商家乐福、沃尔玛等纷纷进驻这片草莽之地，中国零售业迅猛发展。1998年，京东成立，2003年淘宝上线。电商时代的新零售登上历史舞台。

回顾这近20年的中国零售发展史，冗杂了现代零售体系内生发展、外企零售体系入驻、电商，多元化的复杂体系缔造了中国零售数字化充满挑战和机遇的生态网络。

在这个混杂的生态体系中，不同业态、渠道、品牌的企业互相竞争、发展，甚至颠覆，玩家众多带来的压力使每一股力量都在拼尽全力地攻城略地，他们在短短的20年内，快速走过了萌新阶段，以最快速度成熟、落地、再革新。超速的变革使得中国零售市场位居世界前列。可以预见的是，这场变革的速度不会降下来，并且在各种先进的技术赋能下，以更快的速度向前发展。

这像悬在零售行业的达摩克利斯之剑，刺激着每一个零售企业的神经，同时刺激着在此环境中成长起来的中国消费者，在代际差异被加速放大的影响下，其消费行为逆向影响着零售业的发展。

中国连锁经营协会彭建真在观远数据2020智能决策峰会暨产品发布会上提到，受零售环境和科技技术影响，当下消费者行为主要有4大显著变化：消费者对于手机或移动设备的依赖显著增加；消费者光顾实体门店的时间在缩短，意愿也在减少；消费者购物渠道日趋多样；消费者偏好逐渐走向健康化、安全化、高性价比。

从一个高维视角来看，品牌、生产、消费者之间的连接在过去20年不断升级、复杂、重组，就像一片荒土上先后造了公路、铁路，以及机场和航线，看似各个主体之间的连接更便捷、更多元，但未必更高效，最终更依赖于整个体系的管控程度。

因此，如何面对超速的变革、如何更好地利用技术赋能，如何利用消费者行为促进零售行业发展都成为零售科技行业的重要命题。

二、零售数字化的枪与炮

最近，上市的完美日记（主体为逸仙电商）在招股书里披露了发展4年上市的财富密码——DTC模式及模式后的强数据驱动。

逸仙电商的全渠道DTC模式指的是通过电商、社交媒体、直营门店“直连”消费者，可以减去传统美妆市场中间分销商的分得的约50%利润，进而提高定价竞争力；除了渠道和营销优势，DTC模式还可以实现更高效的供应链管理、产品研发管理。

而使DTC模式正常运行有两个关键点：

第一，需要建立与消费者连接的数字战略，这要求品牌商需要从管理理念、管理模式上就形成较强的“数据驱动”体系。

逸仙电商在招股书中披露：“利用DTC 模型，可以实时访问大量有关客户行为、偏好和反馈的数据。这些数据有助于我们的业务决策，并使我们能够更好地满足客户的需求。

第二，需要打造适合的数据分析和应用系统，数据驱动的理念需要合适的工具实现。

逸仙电商除了开发和使用传统的SRM、OA、OMS、PLM、POS，还使用KOL管理系统、实时大数据平台以及多个外部系统的集成平台（如物流、仓储、供应商系统），最直观的效果就是从产品概念诞生到产品上市的过程小于6个月，远低于国际品牌7~18个月开发周期。

观远数据创始人兼CEO苏春园在其2020智能决策峰会暨产品发布会上也分享了几个案例。来自河南郑州的蜜雪冰城不到三年从全国3000家门店扩张到1万家，可以通过数据工具和平台将所有门店管理起来，并迅速将类似“草莓摇摇奶昔”的爆品，从单门店、单区域扩展到所有门店。

另一个典型的例子是上海Lily商务时装。目前在全国有1000家门店，可以做到以小时为单位去感受1000家门店的经营脉搏。例如，服装行业里比较经典的258黄金点，即下午2点、5点和晚上8点，不同的点如果指标没有完成，就可以通过数据分析及时追踪是哪些原因导致，是客流、橱窗摆设还是服务问题，找到问题之后，就可以通过及时人为干预抓住其中的增长机会。

“原来说零售消费是一批货，一群人，今天讲的都是单店、单品、单时、单度、单客、单次，所有的经营元素，不断地在被拆细。过去几年，最大的技术浪潮就是算法和算力不断增强，让企业能够更细颗粒度地去洞悉问题和机会，这也是商业最本质的逻辑：在合适的地点以合适的方式给顾客合适的商品服务。”在谈到目前零售数字化现状时，苏春园如是表示。

如今，零售行业数字化的理念已经深入人心，其衍生的数字化工具也将带来巨大的市场空间。

整个数据体系工具主要可以分为几大阵营：

• 第一、最开始计算机对数据最重要的需求是存储，因此早期的数据体系围绕数据库的改进进行。1970年Codd提出的关系型数据库，并在随后10年内快速产业化，诞生了IBM、Oracle等数据库巨头；

• 第二、之后发展起来就是以BI为主体的数据分析和决策系统。20世纪70年代诞生了第一批如SAP、Siebel 和 JD Edwards等BI服务商，并经过不断发展逐步奠定了目前主流的数仓 OLAP 数据挖掘的商业智能分析体系。

• 第三、由于互联网的普及，大数据、数据安全也逐步走上台前，而整个数据分析的体系也在传统BI的基础上向敏捷化、智能化、细颗粒化发展。

数字化的理念，敏捷化、智能化、细颗粒化的数据分析和应用工具就是零售数字化的枪与炮。

三、望见粒子，观远数据的灰科技

 针对零售消费领域的新变化，苏春园提出，科技服务企业需要将“黑科技”转变为“灰科技”，而灰科技主要具备三个特征：首先一定是真正地为用户服务，产生业务价值；其次是能上山下乡地落地；更重要的是它是一个不断进化的过程，并且更多的是技术之上的实践。

从基因上来说，观远数据的定位是希望给客户提供AI BI的能力，目前，观远数据已具备适合当下零售数字化转型的核心特征——敏捷化、智能化、细颗粒化。2019年，观远数据产品共迭代了48次，2020年还未结束，观远数据产品已经更新85次。观远数据联合创始人兼CTO 张进发布了“一站式智能数据分析3.0平台”，主要包含三条产品线：Universe数据开发、Galaxy数据分析、Atlas云。张进表示，三条产品线就像人类探索宇宙一样，Galaxy像便携式的望远镜随时打开，探索决策奥秘；在面对复杂化的决策流程时， Universe像强大的基座可以帮助企业望向外太空；而在深耕行业不断实践的过程中，Atlas则像星图一样帮助企业沉淀行业最佳实践。

• Galaxy 数据分析：应用于企业数据采集、智能ETL、可视化自助分析、数据大屏、数据门户等数据分析和决策场景，为企业快速构建敏捷智能数据分析平台。

• Universe 数据开发：提供全方位的数据开发框架，为数据开发者提供数据接入、任务调度、AI模型实验室、插件拓展与存储等服务，有效管控数据产出时效与质量。

• Atlas 云应用：提供基于云计算的高可用部署方案和云巡检服务；同时，将丰富的行业实践经验抽象沉淀为AI BI云应用，助力企业快速深度挖掘商业数据价值。

性能提升方面，Universe平台从10亿行的数据规模提升到100亿行，可以帮助企业面对更大巨量数据时做到敏捷高效决策。在提到观远数据如何在发展多年的BI市场破局时，苏春园告诉亿欧：“除了技术能力，我们更长期在零售行业的业务理解和打磨会形成真正产生价值的行业方案，这也是我们灰科技概念的由来。”

事实上，实际部署和使用过程会由于企业的业务形态和成长阶段千差万别。观远数据平台的一站式智能分析产品矩阵，可按企业个性化数据分析决策需求进行自由组合，始终陪伴企业客户成长的每一阶段——平台「一站式」理念贯穿至产品架构及服务全流程，让企业不同角色在不同时期完成不同场景的分析和决策需求，以此实现降本增效和业务增长。

长期专注在BI AI、长期深耕在零售场景，观远数据将在零售数字化的浪潮里找到自己的发展之道，从灰科技中发现更大的数据价值。

本文来源于亿欧，原创文章，作者：施展。转载或合作请点击转载说明，违规转载法律必究。