傳統零售行業過去是“許三多”——客戶多、商品多、門店多。到今天還要加上一多——數據多。雖然互聯網的發展以及電商的井噴，使得零售行業在2017年遭受了閉店潮，但從另外一個角度來說，即使在實體、電商競爭均十分激烈的服裝零售領域，也有從大數據中獲利的典型。2018年，實體零售如想逆勢突圍，必須轉型，成為數據管理型企業。

2017年，零售業受到互聯網與電商的沖擊，遭受閉店潮。年初，商超巨頭沃爾瑪宣布全球閉店269家，涉及員工上萬人；萬達百貨近四十家店關閉；天虹百貨、陽光百貨、瑪莎百貨也紛紛淪陷；年底，朋友圈瘋狂流傳《實體店陣亡名單》，除了前面提到的幾家之外，梅西百貨、家樂福、麥當勞、美特斯邦威、李寧等知名品牌也“榜上有名”。

與此同時，Inditex作為擁有Zara、Pull&Bear、Bershka等多個快時尚品牌的母公司，卻在2017年交出了凈利潤上漲10%的成績單，銷售額達到233.1億歐元，成為歷史最高記錄。這種上揚的勢頭更延續到了2017年——根據上周三發布的報告，Inditex集團各品牌開業1年以上的店鋪，在本財年的頭六周里銷售額均上漲了8%。而H&M，則以下降1%的成績惜敗開場。

Zara的成功來自方方面面，最核心的一點，驗證了著名經濟學家郎咸平的洞察：“2000年后成功的企業，成功不是靠創新，而是靠快速反應?！盳ara有一套自己的速射生產系統（rapid-fire production system），信息依靠每個門店經理手中的PDA傳遞給總部，以銷定產、以產定購；他們在POS機、ERP、SCM、CRM與CAD中產生的數據從來都不是彼此孤立的。因此無論是庫存管理、生產模式、與門店配送，都像坐了火箭一般，快到其它品牌無法簡單抄襲。為什么都叫快時尚，但H&M、GAP就是快不過Zara？Inditex的首席執行官Pablo Isla在接受采訪時說：“沒有什么秘訣，我們只是做到了快速響應數據?！?/span>

那么，2018年，零售商如何像Zara一樣，快速響應數據呢？我們根據零售行業的特點，總結了行業數據分析的五大趨勢，供大家參考。

趨勢一：全源數據整合

零售行業門店多、客戶多、Sku多，經常面臨的問題是，銷售數據在一個系統中，客戶數據在一個系統中，商品信息在一個系統中，各個系統之間彼此不相關聯，很難從數據中發現隱藏的問題或商機，更不可能做到像Zara那樣，根據每個門店的信息反饋，將存貨周轉率提至業內最優，比其它品牌高3～4倍。

對于有數據頭腦的決策者來說，明知有大量數據可用，卻難以調動，這種感覺會更加痛苦。往往決策者需要看到某個指標來指導決策，但從提出需求到IT響應，卻需要一周甚至更長時間。到手的數據已然過期，只能用來復盤。

2017年，將有越來越多的零售行業從業人員受益于全源數據整合工具——它可以將零售商散落在本地文件、云端數據與第三方系統中的數據整合在一起，同時運用在線數據處理工具，抽取其中的關鍵指標，形成定制化的數據集。從提出需求到拿到報表，將以小時甚至分鐘計。高薪聘請的數據分析師或數據科學家，將有更多的時間用來分析數據；管理者也能用第一手的數據用來進行銷售布局、調整營銷策略等。

趨勢二：數據分析不再被專業分析師“壟斷”

零售行業包羅萬象，有員工上萬的全球性企業，也有單兵作戰的小店。以前，要進行數據分析，要經過提取數據、清洗數據、建模等過程，必須由專業人員來進行，而且通常要部署一個專業的數據分析部門，花費不菲。但在2017年，即使是便利店主也能深耕數據，這完全是因為交互性數據視覺工具的誕生——僅需鼠標點擊、拖拽，就可以生成各種各樣的圖表，上手性極強，任何人都可以操作。而且，數據視覺融合了人腦科學、管理科學與信息科學的精華，可以激發使用者的商業智能，快速驅動決策?？梢哉f，在這個年代，我們有能力擁抱這種本身具有高度的專業性、但卻更加容易操作的數據分析工具了。而且，這種工具由于依托于云，不需要本地部署，不需要購買硬件，所以價格相對低廉。

因為這種工具的誕生，高級分析將不再被專業分析師“壟斷”，中小微型的零售企業也可以利用數據驅動管理；另外，只要愿意，企業人人都可以擁有自己的管理看板，僅抽取自己最關心的指標，用精準的數據來指導自己的工作；最后，無論是自己分析、還是與它人分享，可視化圖表都要比單純數字或文字的報表更加直觀，更能促進決策。

趨勢三：讓企業的響應速度跟得上數據的生產速度

想跟上Zara腳步的企業很多，但至今沒有出現“第二個Zara”，何解？

很大一個原因是因為，企業的響應速度追不上數據的生產速度，而這是數據驅動運營的關鍵。拿Zara與H&M的速度戰來舉例，兩個企業看到T臺走秀（獲取靈感）的時間是一樣的，但H&M從打版到出貨需要3個月左右的時間，Zara僅需兩周。如果信息不能在第一時間被消化、利用，其時效性就無法保證，而世界千變萬化，過期的信息就等于錯誤的信息。

如何讓企業的響應速度跟得上數據的生產速度？首先，一手數據需要直達一手分析。以前的商業智能，需要做大量的重復性工作，即使是格式相同的周報、月報，每一次需求都代表著一系列的工作；但2017年，一手數據可以直達一手分析：只要用數據處理工具制作一次數據流，并基于該數據流制作一次分析看板，以后的工作量就是點擊一次鼠標、選擇自動更新源數據的事兒。其次，一手分析需要直達決策人。企業各層級、各職能的負責人，不再基于一份復雜的報表，拆分自己最需要關注的部分，而這部分指標可能還并不精確；他們只需要擁有一個自己的管理看板，并選擇實時更新即可。最后，一手決策需要直達執行團隊。無論是生產、供貨、配送、還是運營，都能第一時間拿到決策、看到支持決策的數據以信任決策、最終執行決策，完成從數據到行動的全過程。只有數據－分析－決策－執行全部秒級響應，才能保證企業的響應速度跟得上數據的生產速度。

趨勢四：移動分析加速零售行業發展

數據的分析與分享，只能在PC端實現嗎？如果報告的接收人是常年需要輾轉各地的CXO、是銷售、是買手等不能朝九晚五對著電腦的角色，那么再好的工具，是否都無法實現“即時響應”了？當年，Zara為每個門店的經理定制了PDA，保證了信息的無障礙流通，堪稱業界創舉。我們不禁想象，如果零售產業鏈上的每一個關鍵節點，從CXO、生產部門、供應商、配送中心、到門店等，都能通過移動端來共享信息，那么很多問題，都將不再是問題。

2018年，零售實體店將與大數據全面整合，這不光是說傳統零售行業都要往線上商城上轉移陣地，而是說，實體店也能利用數據來優化整個業務鏈條。其中最關鍵的工具之一，就是支持移動端分析的溝通協作工具。有了它，CXO即使人在機場，也能基于數據輸出決策；運營人員即使全天在外，也可基于數據調整自己的推廣渠道；銷售團隊更能隨時隨地掏出手機，基于數據展示自己產品的優勢。移動分析工具突破了時間和空間的限制，全方位助力企業管理數據化。

趨勢五：機器學習帶領零售業走向科技密集型產業

除此之外，機器學習、人工智能的發展也能為零售帶來機遇。H&M“回收舊衣”，除了環保，也有節省生產資源的目的。而Zara則在生產源頭就利用機器來規劃每一塊布料的使用，確保剪裁方式是最節省的?，F在，AI、機器學習等可能對于某些傳統零售企業來說還有點遙遠，但也許用不了幾年，AI就會進入廣大企業，替代人工完成一些日常的工作，帶領零售行業從“勞動密集型”產業走向“科技密集型”產業。屆時，有用數據的增量會比今天更加可觀——我們是否做好準備，迎接新智慧？