1號店董事長於剛：大資料的應用價值和潛力不可低估

英特爾公司的創始人之一戈登•摩爾在1965年發現了一個驚人的趨勢，即積體電路晶片上所集成的電路的數目每隔18個月就翻一番，該發現被業界譽為摩爾定律。 後來也有被描述為微處理器的性能每隔18個月提高一倍，或價格下降一半；或用同等價錢能買到的電腦性能(速度和儲存量)每隔18個月翻一番，等等。

40多年在人類滄海桑田的歷史上僅僅是彈指一揮間，摩爾定律卻見證了電腦的資料處理和儲存能力從K(Kilobyte)到M(Megabyte)到G(Gigabyte)到T(Terabyte)的變遷。 尤其是互聯網的出現，讓我們急速地跨入了大資料(Big Data)時代。 其主要的驅動力有以下幾點：

1、隨著社會經濟的發展和個人收入的增加，人們的個人化需求開始凸顯。 而企業要去高效地滿足這些個人化的需求則需要大量的資料支援。

2、互聯網的出現和相關技術的發展讓海量資料的收集和分析成為可能。 互聯網的特徵又導致這些資料能夠被高速度和大容量的傳播。

3、互聯網引入了由使用者產生資料的模式。 這種模式的特徵是多源頭，低成本，更及時。 當然，這些資料的真實性和可靠性需要被核證。

4、構建在互聯網基礎上的電子商務和傳統零售比較的優勢之一就是資料的可獲得性。 電子商務可以即時得到顧客的來訪源頭，在網站內的搜索、收藏、購買行為，以及購買的商品間的關聯性。 這些資料可以説明企業更精准的為顧客服務。

5、人工智慧、資訊系統和決策科學的發展促進了多種分析方法及工具的推動，包括資料採礦，顧客行為模型，決策支援，等等。

資料(Data)是原始和零散的，經過過濾和組織後成為資訊(Information)，將相關聯的資訊整合和有效的呈現則成為知識(Knowledge)，對知識的深層領悟而昇華到理解事物的本質並可以舉一反三則為智慧( Wisdom)。 所以資料是源頭，是決策和價值創造的基石。

資料的應用大致分以下幾個步驟：a.資料獲取、核實與過濾；b.在資料倉儲內的分類和儲存；c.資料採礦以找到資料所隱含的規律和資料間的關聯；d.資料模型建立和參數調整；e.基於資料的應用開發和決策支援。 下面用實例來說明。

1、美國醫藥網站WebMD根據懷孕的女性使用者填寫的受孕資訊定期給使用者寄EDM，提醒母親在該時間點的注意事項，需要攝入的營養，產前的生理變化和要做好的思想準備，產後的恢復，寶寶的育養和健康，等等｡

2、1號店利用對大資料的分析給顧客發送個人化EDM。 若顧客曾經在1號店網站上查看過一個商品而沒有購買，則有幾種可能：a.缺貨，b.價格不合適，c.不是想要的品牌或不是想要的商品，d.只是看看｡ 若在顧客查看時該商品缺貨則到貨時立即通知顧客；若當時有貨而顧客沒有買就很有可能是因為價格引起的，則在該商品降價促銷時通知顧客；同時，在引入和該商品相類似或相關聯的商品時溫馨告知顧客。 另外，通過挖掘顧客的週期性購買習慣，在臨近顧客的購買週期時適時的提醒顧客。

3、淘寶在2012年推出了淘寶時光機｡ 該應用通過分析顧客自註冊為使用者以來的行為，用幽默生動的語言告知顧客淘寶的成長，和該使用者相類似喜好的其他使用者的統計行為，對該顧客經過分析後對其喜好的瞭解和對其行為的預測，等等。 用生動的文稿和個人化的資料、拉近了和顧客的距離｡

4、Google的Adsense對顧客的搜索過程和其對各網站的關注度進行資料採礦｡ 並在其聯盟內的網站追蹤顧客的去向，在聯盟網站上推出和顧客潛在興趣相匹配的廣告，精准化行銷，提高轉化率｡

5、Amazon近幾年推出了FDFC(Forward Deployed Fulfillment Center)的概念，以加快對顧客配送的速度。 Amazon的訂單履行中心分兩個層級：FC和FDFC，其中FC品種更齊全，而FDFC在物理位置上更靠近目標市場，但品種重點容納針對目標市場的熱銷商品，顧客的大部分需求可以通過FDFC來滿足， 不能滿足的長尾商品則由FC來滿足。 這樣顧客急需的商品多數可以通過FDFC以更快捷和低成本的物流來完成。 由於熱銷商品是隨著時間和季節而改變的，故將什麼商品儲存在FDFC的決策是動態調整的，而此決策的依據就是對顧客需求的分析和預測。

　　各種應用的例子難以窮舉，但趨勢十分清楚：大資料的應用價值和潛力不再被人低估。 但並不是所有企業都能在大資料這個金礦裡真正挖到金子的。 只有那些有遠見有視野，重視系統，捨得投入，吸引了優秀的分析和系統人才的企業才會有所斬獲。