大数据帮助零售商瞄准移动客户

ZDNet至顶网软件频道消息：2012年思科视觉网络指数(VNI)预测，到2016年，将有价值近190亿台设备连接到网络(相当于地球上每个人有2.5个设备)，而2011年仅为103亿台设备。这个数据并不令人惊讶，因为移动设备的日益普及，特别是智能手机和平板电脑，正在推动这种爆炸性的增长。

不断增长的移动设备将产生巨大的数据量。事实上，思科预计，在三年内，全球IP流量将达到1.3泽字节(1泽字节相当于1,099,511,627,776千兆字节)，这是非常庞大的数据。

但是，面对这些移动设备产生的庞大数据量，很多零售商并没有做好准备。移动行业预测分析产品供应商Medio联合创始人兼首席技术官Brian Lent表示，如果没有实时分析和数据科学家，大数据仅仅是一堆无用的数据，“你可以有效地手机和存储大量数据，但是如果你不知道如何利用这些数据、如何分析数据以及投入运营使用，你就无法获得这些数据的真正价值。”

零售商需要开发预测模式来识别和挖掘移动客户，并制定有效的促销和激励机制来留住客户和减少客户流失。他同意这种说法，即数据是21世纪的石油。

随着移动购物正在成为电子商务的发展趋势，零售商必须专注于收集和分析有价值的新的数据，“在大数据领域广泛应用的Hadoop等技术是分析数据的关键，”他表示，“但是，实时组件(在我们的例子中，也就是指预测分析)才是让大数据具有可操作性的关键。”

他指出，零售商应该采取几个步骤来实现这一目的，例如设计移动工具来收集丰富的数据，例如设计Android、iOS和HTML 5应用程序。

“在我的职业生涯中，我学到的最宝贵的经验教训之一就是：如果你不记录每一次点击或者事件，你就无法挖掘这种信息的价值，”Lent表示，“所以你一定要确保你部署了全面的方式来记录所有的数据，并将这些数据放入大数据框架中。”

正确的预测模型可以帮助零售商留住客户，例如允许零售商向目标客户提供相关的广告、优惠和促销活动的信息。他表示：“以平衡的方式来实现这一目标的唯一途径就是，通过我们所说的闭环优化，也就是，用户点击移动应用程序，然后我们将点击数据记录下来，并向客户提供相关推荐。”

Lent表示，客户信息和预测分析只是数据科学经验的三分之二，另外的三分之一是：人类专家。“我们称之为信息行业的‘粉红色独角兽’，这些包括数据科学家、预测分析科学家。例如在零售行业，这些专家需要不断尝试新技术，并为该行业选择适合的分析技术。”

Lent看到大数据逐渐成为营销问题，而不是技术问题，属于企业的首席营销官的工作，而不是首席信息官的工作。他表示：“首席营销官需要投入更多资金到IT，因为在营销领域，首席营销官正在推动对大数据的需求。”