主题：零售和数据

首先做下说明，解答某些读者的疑惑。本公众号所讲的零售是泛零售的概念，传统零售都是指实物商品的零售，而我们所讲的零售根据售卖标的的不同，分为商品零售和服务零售。都归属于泛零售的范畴。在以后推送的文章中还会有更深入详细的阐述。

现在回到本文的重点，今天主要讲的是零售和数据。首先来看数据，数据有两个维度，一个是数值，例如一个数字、一段文字、一段音频、一张图片等等；另一个是赋值，也称为打标签，这个在AI领域是个基础工作，例如姓名、性别、销售额、支出等等。赋值一个数值，就是一个数据。拿一个形象的比喻来说，数值和赋值就像一张平面表格的行和列，行和列的重合处就是数据。零售的数据是最为复杂的数据之一，复杂的关键就是赋值的多样性。
从数据我们引出目前火热的大数据，我的理解来说，大数据目前有两个层面，一个是大量数据，这是一级层面；另一个是大的数据，这是二级层面。目前，很多大数据的应用都还集中于一级层面大量数据，主要有数据采集、数据汇总等。从零售业来说，零售运营开始，就是一个天然的数据数值生产的过程，只要运营不停，根据数据赋值的不同，数据的产生和累积就是不断增加的。从零售信息化来说，目前零售业各个系统的应用，都实现了大数据的一级层面，在数据采集、数据汇总、数据存储等领域有了成熟应用。大量数据，对于一个成熟的零售业态来说，不是一个瓶颈问题。而在大数据的二级层面，零售相对来说应用甚少。这也是目前大数据的一个误区，一谈大数据，就比较数据的物理量级，而忽视了大的数据这一层面。事实上，我认为，大的数据才是大数据的核心。
理想的零售数据应用流程：前期赋值，数值生产，数据汇总，二次赋值，算法匹配，数据分析，三次赋值，算法匹配，数据分析......赋值是大数据二级层面的基础工作，是大的数据的基础，也是很多人所说的小数据的体现。前面所述流程是在数据量一定的基础下的不断深化的过程，实际应用中是动态多级循环砌套的。零售数据应用主要两个方面：趋势分析和决策分析。趋势分析依靠大量数据，这是目前零售信息化的方向。决策分析依靠对数据的不断剖析，也就是大的数据，目前很多商业BI系统号称做决策分析，但只是趋势分析，并不是真正的决策分析，它们的基础还是大量数据的依托。
因此，未来零售或者说明天的零售，在数据应用上，将围绕大的数据展开，要想在零售AI上有所突破，关键点也是大的数据。在无人零售的热点过后，最容易成为资本热点的是大数据中的大的数据，最佳切入点是大的数据的基础——赋值。