中国领先的IT技术网站
51CTO旗下网站
分析一家传统行业如何用O2O来拥抱大数据
当前，传统产业纷纷跨界互联网，尤其是零售百货业更积极地向O2O转型，利用大数据来提升产业效率，其转型背后原因，一来从供给端看，传统产业生产效率低，加之日益高起的房租、人力成本以及电商冲击，急需互联网信息技术升级来提升效率；二来从需求端看，懒人经济下的消费需求升级，消费者对于服务体验的要求越发苛刻，这也反过来倒逼零售业的服务升级，从需求端进一步刺激供给端的加速转型。也许这也是商业地产plus互联网+，打造智慧商场的初心。
作者：佚名来源：数据挖掘与数据分析| 09:51
当前，传统产业纷纷跨界互联网，尤其是零售百货业更积极地向O2O转型，利用大数据来提升产业效率，其转型背后原因，一来从供给端看，传统产业生产效率低，加之日益高起的房租、人力成本以及电商冲击，急需互联网信息技术升级来提升效率；二来从需求端看，懒人经济下的消费需求升级，消费者对于服务体验的要求越发苛刻，这也反过来倒逼零售业的服务升级，从需求端进一步刺激供给端的加速转型。也许这也是商业地产plus互联网+，打造智慧商场的初心。
来过上海的朋友一定都知道坐落于市中心最黄金地段的购物中心&&来福士广场，但或许你不知道这家Mall背后的操盘手是谁？今日不妨一起来看看它背后的凯德集团，这家在华坐拥64个购物中心，几十家服务公寓，多套住宅房产，年服务6亿人次消费者的商业地产领军者如何用大数据思维来打造O2O产品。
智慧商场：互联网+商业地产
所谓智慧商场是凯德新上线的凯德购物星2.0 beta版，可通过微信及手机站登陆，即可快速注册成为会员，轻松实现网上浏览商户信息，快速获取商场服务资讯，随时随地查看商场活动。凯德购物星2.0 beta版与百度、美味不用等互联网知名企业或垂直电商领军企业合作，融合了数字时代消费者互动、即时、快捷的一站式体验，能够搜索商场美食即可网上排队领号，预先搜索商场停车信息，领取各类优惠卡券进行电子化消费，同时积分兑换范围十分广泛。随着平台开发与合作的不断推进，还将会有团购、秒杀、领取红包等更多丰富功能体验陆续推出。背后折射出凯德的三大经营理念改变：
一、用户体验为先
1、意识与角色的转变
以前商业地产的服务对象是零售、餐饮等品牌方，而较少直接面向消费者提供服务，除了周年庆、年度大促等Mall级别的活动外，日常更多的是品牌方承担面向消费者服务的重任。这也意味着由2B转向2C的服务意识与角色转变是其最大的挑战。难点在于：1.目标对象的需求发生变化，以往只需要招商引资，做的是品牌规划与组合，现在更需要理解关心消费者的需求；2.以往是单纯靠线下的提供活动及基于地理位置来引流，现在需要线上线下结合，内部基于大数据做营销，外部与流量方合作。在互联网思维的浪潮下，我们很欣喜地看到了诸如凯德、万达等商业地产巨头转型的勇气与决心。
2、面向消费者的全套服务体系
站在用户逛百货的体验前、中、后三个阶段，提供不同的贴心一站式服务，比如：1）体验前的搜索商场地图导航与停车信息，提前查阅各大品牌的促销与热销产品资讯；2）体验中的商场内导航，一边逛街的同时一边提前搜索商场美食并可网上排队预约，提高效率免去不必要的排队时间；3）体验后，领取消费优惠券，累计积分参与兑换等。更棒的体验在于，收藏下线下体验后的消费者喜欢的产品，要是现场犹豫回家心动了，还能线上订购直送到家，真正的实现线上线下的联动。
体系转变的本质差异，是由原先卖方思维转变为现在的买方思维，即以前我有什么我就提供什么，现在是消费者想要什么我就给什么，并且尽可能地在消费者购物体验的每一个使用场景与环节上细心设计。例如，有时在购物逛Mall的过程中当你选择了A商品，大数据会推荐购买这个商品的用户还购买了B商品，如果你愿意购买B商品可以有什么优惠，既为消费者提高购买决策的效率，降低成本，又为商户增加组合营销的机会，提高坪效。
二、合纵连横，借力打力
借力微信、大众点评、百度直达号等亿级平台企业建立流量入口，并在垂直类目与餐饮排队等位（美味不用等）等垂直领域的佼佼者合作，提供完整的闭环服务体验。在底层架构上，商业地产运营方将铺设商用WiFi、商场导航、完善会员积分兑换体系等基础设施，便于以开放的心态搭建生态，并且在这个生态下明确自身定位，哪些是核心环节，哪些自身有优势的，哪些找外部合作方提供，术业有专攻，整合每个领域的专家，实现共享共赢。
其实业内既有大悦城、宝龙这样以自建为主的重模式商业地产O2O，也有凯德、银泰这样借力电商打造O2O平台的轻运营模式，还有万达这样既大规模投入自建又拉互联网BAT入伙合作偷师的全方位布局模式。而凯德选择的&轻模式&易于发挥各方所长，便于迅速复制，值得借鉴。
三、大数据资产
在商业地产领域，消费者逛商场的行动路径与消费行为大数据至关重要。从消费端看，有助于优化用户画像，从而在个性化推荐、组合销售、老客户唤醒等环节上提升用户体验，增强粘性与客单价；从商场运营端看，知道门店的客流量与消费情况，能有利于商场的店铺位置规划。比如：门店缺客流、动线上也没有人，说明整体的规划布局需要改进。如果门店有客流但没有用户进店消费，要仔细思考门店的品牌与定位等问题，从而提升坪效。所以大数据资产的巨大商业价值是凯德坚定转型O2O的关键驱动力。
大数据的核心价值在于商业智能，大到商场的品牌定位、招商规划、品牌组合、市场营销；小至用户的购买过程中的个性化推荐，互联网上积累的浏览记录、电商网站购买记录、加上线下吃喝玩乐的记录，可以完整地丰富消费者画像，帮助其更精准营销，也为品牌商提供销量预测进行库存规划，提高其供应链的生产效率。这也是为什么阿里巴巴花重金战略投资银泰百货，弥补线上消费数据之外的其他线下消费行为数据的价值。
商业地产转型O2O迫在眉睫，能否转型成功取决于三点要素：1）迅速低成本地将线下巨大的存量用户转移到平台上，并保持较高的日活跃量；2）基于用户消费大数据线上线下整合营销的能力，并基于此辅助品牌进行商业智能决策；3）团队迅速学习适应互联网产品运营思维的能力。目前诸如凯德等领军的商业地产商已在互联网的产品运营思维上具有前瞻性，之后发展如何，需看基于以上三点成功要素的执行力，尤其是补强互联网思维的生力军，让我们拭目以待。
【编辑推荐】
【责任编辑： TEL：（010）】
大家都在看猜你喜欢
外电头条外电头条外电
24H热文一周话题本月最赞
讲师：5人学习过
讲师：29人学习过
讲师：5人学习过
精选博文论坛热帖下载排行
本书以Linux Redhat 9.0中文版为基础编写，从易用性和实用性角度出发主要介绍Linux Redhat 9.0中文版的应用知识，通过本书的学习，相信初中...
订阅51CTO邮刊请登录后使用
，还不是会员请
天津滨海新区
从百度新战略看大数据在O2O中的应用
亿欧网&&|&&日
百度董事长兼CEO李彦宏再次重申“互联网正在加速淘汰传统产业”，并提出“从去年五月份到现在，互联网几乎首先是颠覆了媒体，后来颠覆了零售，再往后是旅游，再往后是金融，互联网和传统行业结合成为趋势。
　　日，百度召开第四届技术开放日，本次会议的主要议题是“大数据引擎驱动未来”，这是百度继2012年9月首届“云计算”、2013年7月第二届“框计算”和2013年11月以“轻应用”、“API开放”等为主要内容的第三届技术开放日之后，在互联网与传统产业深度融合的时代背景下，举办的又一次技术性会议，这次大会探讨的核心落在了“大数据”上。　　百度董事长兼CEO李彦宏再次重申“互联网正在加速淘汰传统产业”，并提出“从去年五月份到现在，互联网几乎首先是颠覆了媒体，后来颠覆了零售，再往后是旅游，再往后是金融，互联网和传统行业结合成为趋势。而“技术将改变互联网”、“技术发展的量变将带来世界的质变”；技术（尤其是大数据）怎样在O2O大潮中发挥作用成为让人深思的问题，本文提出一些关于大数据技术在O2O领域应用的思考，期待和业界同行探讨。　　大数据的基本情况和特点　　大数据的概念最早由国际顶级期刊Nature发表的一篇文章（Big data）提出，有人预测IT（Information Technology）时代即将谢幕，将马上迎来DT（Data Technology）时代。　　大数据具有以下特点：　　随着并行计算能力不断提升和数据存储成本的不断降低，大数据以PB或者EB（1EB等于1024PB，1PB等于1024TB）为量级，并且还在以等同于“硬件摩尔定律”的速度（每18个月翻番）增长。　　大数据具有4V特征，即规模大(Volume)、变化快(Velocity)、种类多(Variety)和价值密度低(Value)。　　大数据计算的研究应重点聚焦在3个I：近似性（Inexact）、增量性（Increment）和归纳性（Induct）。　　大数据技术如何在O2O领域发挥作用　　对大数据进行深入分析与动态挖掘，由于数据样本足够大，将形成大量反映事物本质和原貌的规律，这些规律将“复盘式”地反作用于数据的产生过程，并为传统行业提供前所未有的深度优化与智能决策，直到形成运营方式与产品的“颠覆式”质变。　　以百度的大数据引擎为例，该技术包含3个重要组件。“开放云”、“数据工厂”和“百度大脑”。运用深度神经网络构建的“百度大脑”，其计算能力目前已经相当于2-3岁小孩的智商。　　交通运输部科技司赵冲久司长提到“大数据时代的智慧交通”，并抛出很多感知交通、数据交通、掌上交通和人性交通等新提法。对于交通管理部门，真正落地地做事要远比概念更能体现“人性交通”，比如在会场小编萌生出一个想法，能否让每个公交车司机的手机共享其GPS位置，将这些位置数据发布到一个公交位置查询平台上，每个乘坐公交的市民手机安装“公交位置查询APP”，这样就能以订阅的方式查看自己想要乘坐的公交车什么时候到，合理安排等待时间，这样上班族们就不必在数九寒天里站在公交站旁因为等车而冻得直哆嗦了。当然，如果在“公交位置查询APP”中植入广告，我想效果应该会比公交车里的LED公交媒体强得多。　　企业在用大数据技术指导O2O时应该注意些什么　　在大数据研究方面的门槛越来越高，需要协同计算才能达到最佳的计算效果，在O2O领域，各个移动互联网应用无时无刻不在生产数据，而数据分别存储在各家公司或应用的数据库服务器中，在大数据背景下，单打独斗已无法胜任深度的数据分析与挖掘，与同行之间、与上下游之间进行有效的大数据协同分析将为整个产业链带来巨大价值。　　如今数据管理信息系统已经不能满足传统企业的要求，传统企业需要的是基于大数据的智能优化与辅助决策。在数据资源方面，传统企业应充分利用现有大数据资源，如腾讯的社交大数据、阿里巴巴的商品和交易大数据，百度的基于搜索的“通用”大数据。　　在大数据获取方面，不能只停留在PC互联网，应从多渠道广泛获取数据，甚至创造新的数据获取方式。如基于多种传感器的可穿戴设备、自建区域wifi网络、LBS技术等等。　　传统制造业应充分重视大数据的优化与指导作用。在生产管理信息化和过程控制自动化的基础上，制造业马上将全面进入工艺制造智能化的时代，在大数据技术与O2O技术的推动下，传统的制造行业势必将迎来腥风血雨般的革命性“颠覆”。　　通过大数据分析，传统企业应对用户体验更加重视，大数据将帮助部分传统行业彻底克服信息不平衡、数据不透明、管理低效甚至交易潜规则化等问题，相信在大数据技术的支持下，O2O将快速向前推进。　　关于百度大数据技术在O2O发挥作用的思考　　（1）大数据存储与大数据呈现方式　　百度已经构建具有超大规模存储、分布式计算能力的开放云，目前对于解决国内大数据需求方面应该足以胜任，如何在保护企业数据资产的前提下，促进行业内多企业联合协同进行大数据挖掘，是需要思考的问题，建议在实施机制、成果共享规则方面进行规划，从而运用技术促进行业内大多数企业共同进步。　　（2）构建并共享大数据优化共性技术　　目前百度数据工厂已经在交通、医疗和金融领域与行业专家展开合作，但不可能解决所有行业的问题，所以百度应该在开放云和数据工厂的基础上，进一步开放大数据挖掘与分析共性技术，将共性技术模块化，形成定制工具包，向O2O创业者与传统行业专家推行，O2O创业者与传统行业专家协同使用这些大数据分析与优化工具，形成一系列基于大数据的智能优化与辅助决策方案，助力O2O快速发展。　　百度在中国搜索引擎市场已脱颖而出。针对大数据技术与O2O技术的优化与推进，是百度的优势所在，更是职责所在。　　随时随地了解最新ICT产业资讯，请扫描二维码，或搜索"chnsourcing"，关注中国外包网官方微信。
作者：王彬
已有0条微评 |
还可以输入 140 个字
新浪微博评论
12月30日下午消息，今日网易传媒针对昨日内部动员大会...
前Oculus主任研究员、伊利诺伊大学香槟分校教授史蒂...
北京时间12月30日消息，Twitter会不会添加“编...
点击排行榜
周点击排行榜
月点击排行榜数据仓库（3）
大数据（4）
在O2O项目中强调电子化和数字化，因此数据是个很关键的基础工作。而围绕数据，那么经常提到的客户主数据和数据仓库、大数据是什么关系呢？今天我们简单来聊聊，帮助大家理顺一下思路。
O2O强调的是客户体验，所有的流程和场景都离不开人，都是以人为本。所以，O2O项目中，对人的数据非常关注，尤其是用户的主数据模型的设计，以及对应主数据模型的数据采集、用户ID的统一等等，而基于主进行ID统一和主的，可以称之为“统一客户数据管理”，我们一般简称为UCM（Universal
Customer Master）。
在对人进行统一后，基本上是形成大会员系统，通过会员ID进行统一和唯一识别，这样形成了对客户的主数据（基础数据）的统一。但是企业一定是需要对整体业务数据的分析，这就意味着要建立DW（DataWarehouse）数据仓库，在DW里面进行数据的抽取清洗完善，并进行建模和分析，形成不同主题的数据集市，再通过BI工具进行统计分析展现和数据可视化。
但由于当前企业的数据量越来越大，而且非结构化数据越来越多，对非结构化数据的处理需求也越来越紧迫；同时海量的结构化数据当数据量增长到10TB以上，可能就会遇到性能瓶颈，这时候就需要构建大数据平台如Hadoop或者类似Spark等平台进行重构。
实际上，大数据平台不是万能的，它的优势在于海量数据的存储和运算，但不善于对结构化数据的业务和事务处理。所以，类似Hadoop大数据平台适合做大数据量的存储、ETL和运算，但不适合做企业的业务系统和。
如果企业既要做业务系统，又需要海量数据和高并发，那么这种情况不要采取大数据平台，而是可以采用内存数据库+内存计算的技术，可以实现大数据量的业务系统。比如12306的系统平台，以前经常死机卡顿，但现在明显感觉快多了不死机了吧？就是因为用了内存数据库和内存缓存计算技术。而内存数据库技术，类似SAP的HANA和Oracle的内存数据库，都是可以考虑的。
同样，大数据在查询统计上也不如关系型数据库。大数据平台因为结构不同，所以对一条数据的查询和对数万条数据的查询可能都是一个效率，而关系型数据库当对处理后的小数据量的查询特别快。因此，统计分析时会选择一个方式：大数据平台将数据清洗整理运算之后，加载到一个关系型数据库，再通过SQL或者BI工具进行统计分析展现，这样效率最高。
是不是太专业了？说到底，一个合理的大数据平台的架构可能是：
针对关系型数据库，建立企业统一的ETL机制和接口规范，按照统一规则或者基于企业数据总线对接全部业务系统，抽取清洗数据源后到数据源历史库，再分别根据UCM的需要加载或者平抽到UCM的临时库、根据DW的需要抽取到数据仓库的ODS。
针对非结构化数据，通过大数据平台进行海量数据收集、归档和索引。并提供专用的大数据查询工具满足常规数据查询和动态的数据分析。尤其要确保既能满足实时的数据细节获取也能满足批量的与关系型DW的。
UCM在大数据平台上清洗整理合并后形成UCM基表库，根据需要加载到关系型数据接口准备主数据分发服务，服务的对象包括业务系统、企业数据仓库和数据集市、以及大数据平台。分发的渠道则仍是统一的ETL平台。
根据抽取过来的ODS数据进行整理格式化和迁移转换，在DW进行建模和形成数据集市，比如有关联分析、有画像分析、有购物篮分析等等不同主题，最后根据分析的需要将所需数据加载到关系型，通过BI工具进行统计分析和可视化展现，或者实现移动端报表展现
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：3638次
排名：千里之外
转载：12篇
(4)(1)(1)(1)(2)(12)