巨量数据不仅挖掘需求、亦能创造需求
- DIGITIMES企划
-
说起零售业Big Data应用，同样位居全球营运规模前三大行列的Wal-Mart、Tesco，都已树立足以让同业后进起而效尤的应用范例，其中的奥妙，相当值得一探究竟。
摩斯汉堡曾透过小白板，披露过这麽一段话：简单的事重复做，即可做专家；重复的事用力做；就可做赢家。新时代的企业，必须颠覆传统，凡事以顾客需求为依归，进而持之以恒、紮紮实地思考商品布局略，再藉由严明的纪律来贯彻执行，方可循序渐进扩大事业版图。
上述法则，对于百货零售等服务型产业尤其适用；然而，此类企业如何掌握顾客需求，仅倚靠直觉猜测？凭藉问卷调查？抑或单纯仰赖POS交易数据？这些途径，固然都有几分道理，但都失之偏颇、片段，甚至与事实多所悖离，更值得采纳的进取之道，无疑就是巨量数据分析！
对岸的淘宝网，迄今上架商品项目已突破10亿，注册会员人数超过5亿，单日流量高达20亿人次之谱，依此规模而论，实已堪称全球最大的网络购物平台而当之无愧。由于
流量庞大，因而每天为淘宝网创造1.5 PB巨量数据，可作为洞察顾客需求的坚实基础。
个人精准推荐 赢得顾客好评
然而淘宝网所拥有的数据，不仅涵盖结构化数据、日志(Log)、文字…等多样化型式，且存在着商品、品牌、卖家与买家等错综复杂的维度，其间更夹杂了诸如恶意评价、非法交易等低品质数据，倘若意欲凭藉传统分析工具，必然难以看出端倪；着眼于此，该公司遂决定以Hadoop为基础，发展定制化MySQL数据库、定制化HDFS(Hadoop Distributed File System)、开原码OceanBase、数据视觉化呈现Garuda，以及数据查询界面glider等一系列巨量数据应用工具，藉以推出名为「一淘网」的个人化精准推荐服务。
时至今日，消费者只要在一淘网查找商品，即可一并获得3类精准推荐结果，分别是「同样观看此商品的人还看了什麽」、「购买此商品的人还买了什麽」与「看过本节的人也在看什麽」，并搭配露出相对应的广告信息；藉由此项服务的推出，淘宝网成功形塑了「猜你喜欢」的惊艳形象，使其更加坐稳了全国内大陆最大购物搜索引擎的宝座。
相同的应用思维，当然也屡屡出现于欧美大型零售业者，且运用的精巧程度，更加让人啧啧称奇。英国最大的量贩零售业者Tesco，在1994年创立了网络购物平台Tesco.com，此后不到两年时间，便一跃成为全球流量最大的家庭购物网络，甚至被伦敦居民视为网络菜市场；由于Tesco兼具实体及虚拟代理，许多消费者也频频穿梭在虚实平台中购物，使该公司得以汇集庞大的顾客购物历程数据。
有了如此丰沛的资源，使得Tesco可以运用巨量数据分析技术，洞察每一位会员的基本属性与偏好，如此一来，当消费者登入Tesco.com准备进行购物，便毋需在成千上百种品项中「翻山越岭」，而可在个人化的「Favorites」园地中，快速挑选到自己所欲购买的商品，且精准度甚高。
在此前提下，乐于进入Tesco.com进行购物的人流，总是络绎不绝，显见Tesco已经靠着巨量数据分析技术，成功刺激了消费者持续购物的慾望，从而带动商品销售量的上扬，Tesco也拜销售量能的提升所赐，对于上游供应商的议价能力，也跟着变强了，不仅有利于谈定更为低廉的进货价格，亦取得了要求供应商配合诸多事项的主导权，例如货品只要稍稍不符Tesco缺省的尺寸、规格或品质上的要求，便直接剔除不予进货，连带有助于大幅减少消费者购得瑕疵品的机率，少了客诉，对于Tesco的忠诚度也随之提高；换言之，一切的正向循环，其实都始于巨量数据分析应用。
Wal-Mart利用Big Data 拉抬业绩并兼顾环保
至于早在90年代，即写下了「啤酒与尿布」传奇故事的Wal-Mart，一向擅长于从细微的消费者习惯中找寻机会点，自然不会错过Big Data这场盛宴。该公司为巨量数据所展开的军备布局，着实可谓洋洋洒洒，比起上述的Tesco更是壮观，先是在2011年四月出资3亿美元买下精于分类社群媒体信息的Kosmix，使其能够及早从 Tweeter、Facebook等网站掌握消费者购物意向，更大费周章在内部设立了巨量数据实验室(WalmartLabs)，专责追踪川流不息的社群媒体动态，从而有能力针对不同时段、不同地区的消费者的采购偏好，使得Wal-Mart即便面向南辕北辙的不同消费族群，也能提供精准的商品推荐服务。
在2012年期间，传来让人不禁为之瞩目的信息，Wal-Mart与脸书(Facebook)达成合作协议，彼此将互相开放数据，也就是说Wal-Mart可借此取得消费者在Facebook上的购物信息，而Facebook也借此将战线从在线转到线下，期望在实体销售部分有所突破；足以显示这两家各据一方的重量级业者，都将巨量数据视为营运更上层楼的关键转捩点。
于是乎，任何可能影响消费者采购意向的关联谱图，举凡消费者本人、商家、家人、亲戚、同事、同学，乃至于社群媒体的网友，几乎都已纳入Wal-Mart的巨量数据分析脉络之中；也难怪这家始终居于全球零售业龙头的企业，如今不但有能力挖掘潜藏在消费者内心深处的真实需求，更能进一步创造需求，重新定义市场的消费模式。
如果说Wal-Mart热情拥抱Big Data，只是「唯利是图」亟欲不断冲高业绩，那未免也太窄化了巨量数据分析应用的格局。事实上，Wal-Mart也靠着Big Data大幅推升企业形象，蜕变为致力推动绿色环保的典范业者。
该公司如何利用Big Data做环保？在2011年期间，其宣布启动备受业界关注的碳标签计划，要求上游供应商都必须予以响应，利用碳标签揭露碳足迹，唯有碳排放量低于缺省标准而通过认证者，才能准许上架，若供应商拒不配合，便将从Wal-Mart合作夥伴行列中剔除；而碳标签上的碳足迹，一路详实记载每项商品在生产、运输过程中，所耗用的水资源，以及产生的温室气体排放数量，如此庞大的信息，都将汇整于后台环保数据库，而在数据处理过程中，Big Data技术无疑发挥了重大的关键助力。
看完了东西方大型零售业的巨量数据分析应用之道，回过头来看台湾零售业，纵使仍有进步空间，但可喜的是，已经开始萌芽。
例如若干利用数码看板经营广告业务的业者，在便利商店播放广告的同时，即能透过营幕侦测前方观众的年龄、性别及一切行为，举凡哪一类型观众，经常在某一时段赴便利商店购物，买了哪些商品，偏好驻足观赏哪一段广告影片，全都可以钜细靡遗地记录下来，这些记录，无疑就是可供善加运用的巨量数据素材，一旦加以分析，即能产出许多宝贵的商业致胜线索。
比方说，每当下午稍晚时段，许多刚刚放学的学子，都习惯聚集在便利商店，且不时采购诸如关东煮、包子等简易食材，而数码广告业者历经长时间数据收集与分析后，从中找出大致的定律，一来可以向锁定学生消费诉求的业主提供情报，以便在特定短暂时间，集中火力播送广告，而非像过去般乱枪打鸟、漫天洒网，徒然耗费大把行销资源在不恰当的时间或地点，真正的TA却鲜少接收得到相关信息。
另一方面，这些分析成果，亦可作为便利商店(或其他类型的零售业者)的营运情报，延续上述案例，每逢学生放学之前，便预先备妥足够数量的关东煮或包子，以免因准备不及而错失垂手可得的商机。这些案例看似简单，但却蕴藏无限可能，颇值得相关业者予以参考。
