苏宁张近东:发展未来智慧零售 需实现大数据牵引

简介:

移动互联网的应用发展,让实体零售和电商长期对立发展的格局发生了根本改变,未来零售何去何从也引发了行业热议。两会期间,全国政协委员、苏宁控股集团董事长张近东表示,未来零售是智慧零售。发展智慧零售,要创新零售业态,变革流通渠道,从B2C转向C2B,实现大数据牵引零售。

  张近东(资料图片)

作为中国最大的实体零售企业,苏宁历时7年从“+互联网”到“互联网+”,彻底转型为线上线下融合的互联网零售企业。张近东介绍说,智慧零售是运用互联网、物联网技术,感知消费习惯,预测消费趋势,引导生产制造,为消费者提供多样化、个性化的产品和服务。

面向未来,新的智慧型零售到底该是什么样?

“不管什么时代,零售业态的创新永远要围绕商品经营,专业细分品类,提高供应效率、提升服务品质。”张近东表示,面对电子商务的分流,传统大卖场和百货商场出现闭店现象,而生鲜超市和购物中心却逆势发展、越开越多。“只有打造与商品属性最匹配的实体场景,才是最佳的零售业态创新。”

近年来,消费者利用移动端进行网购占比近80%,日渐成为网购的主渠道。“移动端的崛起给了我们很好的启发。”张近东称,未来实体零售渠道的变革,要么是让实体渠道越来越贴近顾客,要么是让顾客越来越容易和喜欢接近实体渠道。这便是他认为未来零售渠道变革的方向。

苏宁在线上易购做得风生水起的同时,两年时间开出2000多家线下易购新店,这些新店进乡镇、进小区,充分贴近顾客。在一二级城市商圈,苏宁大规模升级云店,开发母婴店、超市店,进购物中心、建苏宁广场,让顾客能够开车到店、举家逛店。丰富的业态和渠道,正是苏宁基于匹配不同商品与贴近细分用户群体,融合移动互联网进行的智慧零售创新。

随着IBM智慧地球概念的提出,大数据、云计算在各行各业得到广泛应用。许多人都认同未来是大数据应用时代的零售,智慧零售的核心是数字零售,表现在大数据的挖掘与趋势分析上。张近东认为,传统实体零售看得到顾客,看不清顾客行为,更看不出顾客未来的行为趋势。在网购平台上,顾客行为被完整记录,加以一定的算法模型,就可以预测顾客未来的行为趋势。

“大数据永远是过去时数据,和未来趋势没有必然因果关系。”张近东称,大数据的价值不在于算,而在于做。“要大胆假设趋势、快速推进实践、动态调整计划。大数据在智慧零售的变革中,最重要的是改变传统零售的B2C供应链管理模式,建立由零售商发起的C2B反向驱动供应链管理模式,通过数据牵引,发展逆向供管,精准匹配供需关系,打造数字化的供应链增值能力。”

近年来,苏宁探索并初步形成规模发展的效应,与美的、海尔、惠而浦等近百家品牌商建立了数据牵引的供应链机制,让用户当“产品经理”。张近东称,大数据就是产品设计生产的“数字化图纸”,每一款产品都是精准供应市场,实现价值最大化,成为驱动供给侧结构性改革的新引擎。从B2C到C2B,是区分新零售和旧零售、智慧零售和传统零售的分水岭。

当前,社交化正成为个性化营销、差异化服务的重要手段,实体零售如何借此东风,乘势转型智慧零售?张近东告诉记者,不能简单地将社交化等同于微博宣传、微信推广,更不能把千军万马搞微商当作是实体零售转型的主导路径。

“零售表面上看是商品交易,本质上是零售企业为用户提供的服务。”张近东表示,随着消费升级,品质消费、个性消费日渐崛起,个性服务、精准服务将超越常规的竞争手段。实体零售插上移动互联网的技术翅膀,通过社交化的用户服务,抓住个性化、差异化的需求,进行精准营销,是实现智慧零售重要途径。


 


  

本文转自d1net(转载)


  

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
机器学习/深度学习 供应链 大数据
【2023Mathorcup大数据】B题 电商零售商家需求预测及库存优化问题 python代码解析
本文提供了2023年MathorCup大数据竞赛B题的电商零售商家需求预测及库存优化问题的Python代码解析,涉及数据预处理、特征工程、时间序列预测、聚类分析以及模型预测性能评价等步骤。
1120 0
|
数据采集 搜索推荐 算法
大数据赋能零售,打造个性化购物新纪元
大数据赋能零售,打造个性化购物新纪元
335 12
ly~
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
1228 2
|
机器学习/深度学习 SQL JSON
图解大数据 | 使用Spark分析挖掘零售交易数据@综合案例
电商与新零售是目前大数据与AI应用最广泛的场景之一,本案例以跨国在线零售业务为背景,讲解使用pyspark对HDFS存储的数据进行交易数据分析的过程,并且对分析结果使用echarts做了可视化呈现。
5110 1
图解大数据 | 使用Spark分析挖掘零售交易数据@综合案例
|
存储 分布式计算 自然语言处理
基于MaxCompute+开放搜索的电商、零售行业搜索开发实践
搜索一直是电商行业流量来源的核心入口之一,如何搭建电商行业搜索并提升搜索效果,一直是电商行业开发者努力攻克的难题。基于传统数据库或开源引擎虽然能够搭建基础搜索服务,但随着商品数据的增多和业务流量的增长,难免会遇到性能瓶颈和效果瓶颈。另一方面,随着电商、直播、云计算等技术的不断发展,越来越多的传统零售企业正在进行互联网云上转型,特别是受近两年疫情等因素的影响,APP、小程序已经成为零售企业重要的业务增长来源。在此背景下,如何快速搭建高效搜索服务成为零售行业上云及转型的难题。
1784 0
基于MaxCompute+开放搜索的电商、零售行业搜索开发实践
|
算法 大数据 BI
零售行业SAP项目 --- SAP顾问向大数据转型的契机
零售行业SAP项目 --- SAP顾问向大数据转型的契机
|
传感器 搜索推荐 算法
医疗保健、零售、金融、制造业……一文带你看懂大数据对工业领域的影响!
随着大数据技术的兴起,工业领域在很大程度上发生了变化。智能手机和其他通讯方式的使用迅速增加,使得每天都能收集大量数据。以下是大数据对工业领域的影响。如今,企业大多利用大数据的方法进行决策和管理。