微电汇CEO王志国:大量零售数据碎片化,具有高价值的数据还处于沉睡状态

本文主要是介绍微电汇CEO王志国:大量零售数据碎片化,具有高价值的数据还处于沉睡状态,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

图丨微电汇CEO 王志国

王志国告诉笔者:“目前,整个零售线下布局还处于一个比较传统与分散的状态,大量零售数据碎片化,不能完整整合、串联和精准匹配,从而导致系统运营低效,难以规模化复制,同时具有高价值的数据还处于沉睡状态,未被有效挖掘及应用。”


记者 | 郭敏

官网 | www.datayuan.cn

微信公众号ID | datayuancn


“全部商品一律1折处理”、“工厂倒闭清仓处理”等字样,经常出现在二三线城市的大街上。看到高档店面橱窗上贴着“疯狂甩卖”等促销标语,很多人不禁感到实体店面不行了。


其实从2013年开始,各地陆续出现了关店潮,很多传统的大型百货商场、购物中心纷纷关闭。据《中国连锁百强》显示,2015年,55%的企业净利润下滑,新开门店同比下降16%,关闭门店同比上升39%。2016年,零售行业的“噩梦”仍在持续,沃尔玛宣布关闭全球269家实体店;万达百货位于宁波、青岛、沈阳、芜湖等地的近四十家店关闭……


大量零售数据呈碎片化状态


在零售行业发展的历史长河中,20世纪90年代以前,百货商店的市场份额高达60%,长期保持着一统天下的单一局面。之后,为了满足消费者多元化需求,大型综合超市、超级市场、便利店、专业店、专卖店、家居中心、仓储商场等新型零售业态得到快速发展,成为中国零售业规模扩大的主要动力。


然而,在历经30年的快速发展后,零售领域的多数市场已经趋于饱和,产品的同质化竞争却愈演愈烈,并且无论是线上还是线下,吸引客流越来越难,争夺消费者的成本越来越高,企业无力承担,于是就出现了上文的“闭店潮”。除此之外,电子商务的繁荣也是导致线下门店走向末路的“因子”。


近年来,电商行业及时抓住了80后、90后等主力消费人群的喜欢定制、崇尚娱乐、善于互动等消费属性,并率先利用云计算、大数据、人工智能等技术,改善了物流、资金流和信息流,较大程度的提升了整体业务效率,降低了投入成本。


而部分线下门店依然坚守以“产品和用户”为导向,在互联网技术的发展和普及下,用户对商品、品牌信息的了解多于商家对消费者信息的了解,门店单靠原来的信息不对称来维持传统的价格体系和商品价差已难以为继。


“在大数据时代,零售的本质正在被重新定义:利用数据对用户进行洞察,在精准把握用户需求的前提下,实现顾客成本的最小化和顾客价值的最大化。”微电汇CEO王志国如是说。对顾客的年龄、职业、喜好、购物行为等数据进行分析,可以帮助零售商在会员层面、商品层面以及运营层面做出更好的策略。


王志国告诉笔者:“目前,整个零售线下布局还处于一个比较传统与分散的状态,大量零售数据碎片化,不能完整整合、串联和精准匹配,从而导致系统运营低效,难以规模化复制,同时具有高价值的数据还处于沉睡状态,未被有效挖掘及应用。”


为了解决这些问题,“微电汇”顺势而出。


化“碎”为整,用数据驱动运营


“微电汇”是一个全场景零售SaaS平台, 以零售大数据为中心,打通线下上游供应链数据,一站式聚合全渠道营销、全生命周期CRM、移动/社交电商和智能数据分析服务。并通过人脸识别、人工智能等技术精准描绘会员画像,让零售企业更好的了解顾客和商品,满足消费需求,挖掘更多消费潜力。


微电汇的应用场景分为以下两类:


第一类是帮助传统零售企业进行数字化、智能化升级的服务,重构人、货、店的关系。


人:对应SCRM会员系统、智能化导购等平台——在门店安装设摄像头,对进店的顾客进行识别,通过人脸识别建立全纬度会员画像,进行精准化营销推送与分析;


货:通过微电汇的商品雷达来搜集快销品行业的数据,帮助零售企业分析商品的走向和趋势,进而实现供应链的优化;


店:通过微电汇的门店罗盘来搜集消费者在三公里之内的购物偏好和特征数据,然后通过人脸识别摄像头进一步准确和丰富会员画像,帮助门店优化选品、促销。


最后,通过运营魔方实现会员、商品、门店、行业等纬度综合可视化数据BI,提升运营效率、精度和转化率。


第二类是帮助品牌商构建直达消费者的新营销通路,通过大数据分析来提高供应链效率。


微电汇主要聚焦三大核心行业:商超便利、品牌服饰、“专营专卖”。据中国连锁经营协会统计,在连锁便利行业有三百个品牌,十万家门店,微电汇的市场占有率已经达到10%。GAP、李宁、红豆男装等品牌服饰都是微电汇的座上宾,北京吴裕泰连锁茶庄、浙江嘉兴五芳斋粽子等百年老店也都在使用微电汇平台。


以往的经历,让王志国意识到,越来越多的零售企业开始认可大数据发挥出来的价值,零售行业依靠数据智能驱动运营的时代即将到来。


零售行业与新技术的结合迫在眉睫


从业至今,王志国已经在零售行业“摸爬滚打”了十五年。2002年,王志国进入了国内知名零售ERP海鼎公司担任架构师;2006年,王志国带着以往积累的经验和对技术的热爱加入了创业大军,成立了志承软件。发展至今,志承软件已经成为国内领先的新零售SaaS服务商。


谈及创业的初衷,王志国坦言:“我比较喜欢零售行业,零售围绕着人的衣食住行,和人息息相关,所以这十五年来我没有换过行业。我也特别喜欢像大数据、人工智能这样的技术,把这两个事结合起来是很有意义的。”


想必这也是王志国推出“微电汇”的初衷,“微电汇”三个字具有深刻的含义:“微”代表了以微信所兴起的移动互联网、物联网趋势;“电”一语双关,既是电商,又指传统零售业的门店;“汇”指的是希望通过零售大数据与人工智能,将移动互联网、电商和实体零售三者汇聚起来,帮助传统零售业实现数字化智能化转型升级。


由腾讯联手京东在今年11.11期间推出的“京腾无界零售解决方案”,预示着第四次零售革命的到来,改变的不是零售,而是零售的基础设施。零售的基础设施将变得极其可塑化、智能化和协同化,推动“无界零售”时代的到来,实现成本、效率、体验的升级。


“微电汇”的解决方案与无界零售概念不谋而合,王志国表示:“未来三年零售行业会进入快速发展的状态,微电汇在近十年的打磨过程中,产品愈发成熟、团队愈发专业,正好赶上市场的爆发期。”


在采访接近尾声时,王志国向数据猿记者透露,微电汇已经成为微软加速器北京第十期入选团队。众所周知,微软加速器在创业领域拥有“比哈佛还难进”的口碑。微软加速器第十期招募历时70余天,包括材料筛选和线上线下至少三轮面试,经过层层甄选与激烈角逐,微电汇最终从近千份提交申请的创新企业中脱颖而出,成为微软加速器第十期入选企业中唯一一家新零售SaaS平台。


王志国表示:“微电汇将与微软强大的云计算技术深度融合,打造基于Azure云的智能零售SaaS平台。结合微软AI底层科技,实现语音识别自助购物和全触点数字营销;结合微软Power BI的零售大数据分析,优化零售经营策略,打造新一代全场景智能零售解决方案。”


(文/郭敏)

这篇关于微电汇CEO王志国:大量零售数据碎片化,具有高价值的数据还处于沉睡状态的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/185927

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

hdu1565(状态压缩)

本人第一道ac的状态压缩dp,这题的数据非常水,很容易过 题意:在n*n的矩阵中选数字使得不存在任意两个数字相邻,求最大值 解题思路: 一、因为在1<<20中有很多状态是无效的,所以第一步是选择有效状态,存到cnt[]数组中 二、dp[i][j]表示到第i行的状态cnt[j]所能得到的最大值,状态转移方程dp[i][j] = max(dp[i][j],dp[i-1][k]) ,其中k满足c

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X