业内人士：传统零售业应以数据为能源实现智能化运营

　　中新网6月13日电 近日，2019年第十七届中国ECR大会在山东青岛举行，本届大会以“数字协同 新智零供”为主题，邀请来自国际国内零售业界的顶尖零售商、制造商、科技公司、咨询公司、物流公司等数百家企业的900多名代表共同参与。

　　会议期间，恺士佳信息科技有限公司CEO吴承峰接受了中新网专访，他认为，传统零售业目前正面临渠道分散、客户体验不一、成本上升、利润空间压缩等多个困局。他们更早的采用了商业套件，传统的ERP、CRM等系统，通过数据仓库来管理企业的商品数据，客户数据，企业运营等数据。这些数据之间以相对独立的方式运行了几十年，横向扩展性差，数据拉通性也不够理想，最终造成的是实体门店、电商、社交自媒体内容平台、CRM会员系统的数据割裂严重。

　　吴承峰表示，新零售体系下，要求传统品牌商/零售商以消费者运营为核心，以数据为能源，实现全链路、全媒体、全数据、全渠道的智能化运营。首先，应建立企业数据中台，数据拉通能力是企业进行业务运营，用户洞察与体验优化的基石，把零售主数据、动态数据集中处理，沉淀到数据中台中，作为唯一可信数据来源的数据中台在其中可以对接多样的业务前端，支持业务前端的灵活变化。

　　此外，他认为，还要建立统一身份识别体系，不仅要采集用户的线上数据，更需要采集线下的数据，这样才能让用户的行为数据从独立的信息孤岛，真正串联起来，实现由点到面的质变，对消费者进行全景分析，分析内容兴趣偏好、购买偏好、态度偏好等，基于这些数据，为品牌的决策提供数据支持。

　　当前，在人工智能与云计算能力的加持下，人工智能技术将对现有零售进行再造。在吴承峰看来，数据驱动决策是零售经营与人工智能结合的最佳形态，传统需要依靠人凭感觉拍脑袋的决策，人工智能时代则是通过数据赋能优化决策过程。

　　他分析，人工智能的核心在于机器学习，零售企业持续多年经营积累了海量数据，可以为机器学习奠定良好的数据基础；结合人工智能后的进一步的决策、执行、评估循环，则更强化了机器学习的不断闭环，从而使得决策更加精准有效。

　　人工智能对于零售经营的支持需要结合具体的经营场景，按需采用人工智能实现随需应变的决策输出，在关键零售经营应用场景实现智能决策；场景化意味着轻量化、碎片化，吴承峰表示，可将一个经营决策过程拆分为若干环节，分别予以赋能，促销决策过程，可拆分为促销选品推荐、促销价定价建议、促销销量预测等；会员营销场景下，智能选品、精准营销触达，客流预测等，同时也可以将这些环节整合联动，获取更大的价值。