其實，早在2009年初中糧集團就正式提出了打造“全產業(yè)鏈的食品企業(yè)、全服務鏈的城市綜合體”的“兩鏈”發(fā)展戰(zhàn)略。第一條是全產業(yè)鏈鏈：打造從農產品原料到終端消費者的產業(yè)鏈，為消費者奉獻安全、放心、營養(yǎng)、健康的食品。第二條就是全服務鏈：是以購物中心為核心，將購物、餐飲、娛樂、辦公、旅游、居住等多項城市功能在空間上進行科學的整合，形成針對目標客戶的全服務鏈，創(chuàng)建出多功能、高效率、復雜而統一的城市綜合地標性建筑。

 

大悅城正是第二條全服務鏈的拳頭品牌。如今，大悅城已成為高品質城市生活新標志，給商業(yè)地產界帶來了諸多的創(chuàng)新和顛覆。

 

正如大悅城戰(zhàn)略布局那樣：“大悅城從2006年籌建以來，2007年做項目，2008年做行業(yè)，2009年做品牌，2010年做布局，2011年做統一，2012年做提升，2013年做體驗。”其實，這些年來大悅城在高調擴張的同時，也一直在低調修煉內功。與其他的商業(yè)地產相比較，大悅城不僅僅是簡單的打造“數字化大悅城”，更是在對商業(yè)和業(yè)務充分理解和創(chuàng)新的基礎上，讓信息技術成為商業(yè)變革的核心力量。

 

Gartner在對2015年10大IT趨勢的預測中指出，“各公司內外有組織和無組織的數據將繼續(xù)整合。”進一步印證到商業(yè)地產及零售業(yè)，正如Intel在其零售轉型的數字化解決方案里曾寫道的那樣：“零售的未來就是連接！”

 

連接，意味著系統、應用、數據、分析、設備、人、物等等因素的連接。大悅城在“大數據變現”的過程中，就是充分實現了各種連接，就像Gartner指出的那樣，“每個應用將需要一個分析應用。”

 

毋庸置疑，隨著技術的發(fā)展，零售業(yè)正在被迫改變。技術的發(fā)展不斷提升著消費者的購物體驗，同時提高商家的運營效率和營銷效果。一個簡單而普通的應用場景就可以被用來當以例證：旨在將網上購物的便捷引入實體店，基于英特爾酷睿i7的Memory Mirror數字“全身鏡”可讓店內顧客虛擬試穿多套服裝，在鏡子前或通過智能手機/平板電腦查看、對比多套造型。Memory Mirror通過英特爾集成顯卡技術創(chuàng)建不同造型，以便消費者進行社交媒體分享、征求朋友評論，或者立即選擇并在店內購買。

 

最為國內目前發(fā)展勢頭最好、引領創(chuàng)新、顛覆傳統的代表，大悅城也有著一套自己的發(fā)展邏輯，用大數據來實現企業(yè)商業(yè)價值的最大化。

 

因此，ITValue特邀大悅城研策總監(jiān)張巖進行實戰(zhàn)分享，具體講述大悅城是如何玩轉大數據，并實現商業(yè)價值的。

 

以下內容根據大悅城研策總監(jiān)張巖在“2014IT價值峰會”上的分享編輯整理而成：

 

大悅城是以“年輕、時尚、潮流、品味”為定位的城市綜合體，作為實體商業(yè)是如何進行信息化建設、以及大數據運作的呢？這中間經歷過三到四次的思想變革，最初通過系統建設實現了第一次的變革。建立精細化的運營分析體系和商業(yè)分析體系之后，才可以獲得數據。

 

任何信息化的提升一定要以業(yè)務模型為核心?；谏虡I(yè)原理來說，大悅城的業(yè)務核心是以創(chuàng)造銷售為目的來展開的，圍繞著銷售建立了整個設備以及整個系統體系。在整個設備之外，是建立算法分析層面。

 

數據如何進行獲?。渴紫纫聪M者跟商戶之間是什么的關系，即從整體應用關系看銷售關系。這個商業(yè)邏輯指導著大悅城信息化的建設。

 

商戶跟大悅城之間的交易關系，使企業(yè)（大悅城）獲得了整個交易數據。為了獲得交易數據，大悅城建立了POS系統、會員積分系統等。在這些系統的下面，對每天540萬條的交易數據，開始創(chuàng)造以預測銷售為核心的商業(yè)分析。通過這些交易數據可以分析出商戶的銷售狀況。同時，還能夠做到提前60天預測出商品銷售將會達到什么水平，再根據預測結果指導最終運用什么運營方法來進行經營支持。

 

大悅城跟消費者之間的關系，是以消費行為研究為核心。即研究消費者跟大悅城之間是如何互動、如何產生購買的。把整個消費者的行為利用各種方式來進行預測，比如預測客流量、預測整體消費者的忠誠度變化等指標。

 

真正具有商業(yè)價值的體系，要能看出哪個商戶對于大悅城的運營最有價值。在第一次變革期間，進行績效管理，進行數據的整理跟積存，每個系統各司其職，各種業(yè)務系統精準完成目標。

 

從構建體系到構建整體系統

 

商戶相關體系、消費者相關體系、大悅城相關體系，這三個體系要作為一個整體來看。進一步來說，與商戶相關的交易系統，與消費者相關的會員系統，精細化的管理模式，每一個系統都能夠提供精確的計算數據。任何一個系統都有自己大量的分析。比如說在MIS系統里處理商戶的銷售數據以及坪效、租金貢獻等數據計算，來精準的反應商戶與購物中心的貢獻關系。在CRM系統里計算會員的分類以及貢獻價值，來反應會員、消費者的狀況。在科傳系統里，處理各種投訴數據與滿意度KPI間的關系，來判斷整個項目的客群關系。這樣從每一個系統都能精準的計算、反應該系統內可考量的業(yè)務數據的變化狀況，來評估該業(yè)務的優(yōu)劣情況。但是如果從公司統一的業(yè)務工作角度來看各系統之間的關系那就不一樣了。我們會發(fā)現各系統之間對于同一個業(yè)務目標的體現既有正相關也有負相關，如果把系統作為一個整體來考慮，系統之間的分析結果就會產生沖突。

 

這就是系統的復雜性！從業(yè)務來看，單一的系統結果都是正確的。但從總體看來，業(yè)務之間相互的關聯發(fā)生沖突，應該怎么解決？應該怎么考慮對其進行計算分析？

 

因此我們按照神經網絡的算法模式，將各個業(yè)務系統進行業(yè)務定位。將不同系統集中成3大業(yè)務集群—商戶相關系統集群、消費者相關系統集群、項目運營相關業(yè)務集群。然后建立hadoop的計算平臺，各集群里的業(yè)務系統對各自的業(yè)務數據計算后，將結果輸出到hadoop平臺上。我們再根據需要具體計算的業(yè)務事項，按照神經網絡算法設計出與項業(yè)務相關的二級指標。然后把所有單一系統計算結果再導入hadoop二級指標體系進行二次的輸入，通過這個輸入再進行業(yè)務識別。對消費者、商戶、大悅城，三個關系綜合評分得出最終的累計結果。這過程其實就是我們提倡的系統模糊化，就是將單一系統精準的計算結果，通過hadoop神經網絡算法，將精準的結果模糊化，而計算出更多對業(yè)務開展有指導意義的結果，而不是依賴單獨的系統。

 

這是所謂的系統定位模糊化。否則，隨著數據量的龐大，任何兩個數據放在一起分析，一定有結果，但這個結果不一定是正確的，而對于其它的關系，可能就是對的。之后再進行二次計算，再加上一套神經網絡的算法，這樣就能看到整體的數據量已經開始翻番了。

 

“去中心化”就是要“去銷售化”

 

處理好數據的結構關系之后，就開始思考真正的大數據層面，即去中心化。任何互聯網思維都進行去中心化。而我們要說的去中心化是“去銷售”為中心化，不是以銷售作為商業(yè)系統在建設的重心。那怎么來理解去中心化？

 

在我所說的第一次變革中是商業(yè)系統的建設，但是現在是開始考慮銷售之外的業(yè)務價值。以前的系統是以商業(yè)作為核心目的，但現在整個銷售來源更多的是按照中心之外進行延長的價值產生，離銷售中心越來越遠。從發(fā)現的結果數據當中產生的結果、產生的商業(yè)價值就會越高，但同時產生的數據量越大，技術難度也會越大。

 

舉一個簡單的例子來說明在整體模式下的“去中心化”。當企業(yè)談銷售時，客流是一個非常重要的要素。如果建立一個簡單的系統就能知道客流量，將會給企業(yè)帶來很多的便捷，因為客流量對于整個消費的引導都起到非常大的作用。但是，只知道大體客流量與業(yè)務增長，是不夠的，還需要有更精準的客流量——比如，顧客幾點來，幾點客流高峰，幾點客流低潮。如果在客流高的時候，就開始做行銷活動，這樣企業(yè)的收益就會增加。

 

對于客流數據的統計分析，如果能知道顧客是成人還是孩子，那么企業(yè)的銷售將會再上一個檔次。所以需要分別做成人跟孩子的數據系統。當知道來客是成人或孩子的時候，如果可以區(qū)分顧客的性別，就可以針對不同性別的需求進行服務了。所以，大悅城又增加了面部識別的系統。這些識別的面部數據有了之后，又在此基礎上增加了統計顧客在商場整體的運動線的系統。顧客怎么在商場運動？有WIFI盯著。WIFI知道哪個門店客流多，如果銷售不好，就需要讓那個店面提升管理。

 

這樣的系統，離所謂的中心越來越遠，但商業(yè)價值越來越高。所以，去中心化就是打破以銷售為中心的思路。以銷售為中心建的所有的系統概念，其實都是資源型的。

 

讓數據從“資源型”變?yōu)?ldquo;服務型”

 

真正讓商業(yè)以“去中心化”去運行，就需要全方位的服務投入，整個企業(yè)要由“資源型”向“服務型”轉變。

 

以客流量為例，沒有客流系統的時候，就無法識別出客流量對于業(yè)務的作用。后來我們使用了紅外客流系統，通過客流進入商場大門時對紅外探測設備的阻斷，使紅外客流系統能夠計算出有多少客流進入，并向系統后臺提供客流量的變化數據。這個最大的意義就是，第一次知道客流的可視化，從而通過銷售數據的變化和客流數據的變化，確立了銷售與客流的關系。有了客流的數據之后，可以真正看到客流的價值和真正的經營數據。在獲得客流總量后，我們又設置了圖像客流系統，頭像客流系統可以通過雙攝像頭的識別探頭，計算圖像的高差，因此可以識別出進入商場的客流是大人還是孩子，同時圖像客流系統還可以進行區(qū)域內的圖像追蹤，這樣通過圖像客流系統數據可以看到，客流在這個區(qū)域停留了多長時間，每個人的運動方向。這時候你會發(fā)現，圖像客流系統識別的客流方向數據中，最大的價值并不是每天進入商場多少人，出去多少人。而是通過進出客流量的數據計算出，目前到底有多少客流滯留在購物中心內。而這是紅外客流系統所不能提供的在，滯留數據對經營的指導意義更大。

 

用客流來界定商場的銷售，也就是電商的訪問量大小問題。這其實跟到底有多少人不成正比，真正有關的是滯留了多少客流。當發(fā)現在商場銷售時間內的消費人很多時，就會發(fā)現，整體是有銷售增長的提升空間的。我們通過計算后臺客流滯留數據來匹配計算銷售的低谷，當銷售非常低的時候，如果單一項目里面客流非常低，而不用考慮整個商場滯留量多少。知道滯留量的多少，從而調整客流低的情況，再來做促銷活動，整個銷售就會提升。

 

在獲得客流的滯留數據后，從對于經營的指導來看，我們可以計算滯留數據、客流數據、銷售數據這三方的關系，通過計算這些關系，可以使用三個變量來發(fā)現整體經營問題。隨著客流系統的整體進步，知道進來的成人還是小孩、是男還是女、年齡歲數的時候，就發(fā)現可以做的營銷、商戶銷售等等，可挖掘空間更大。

 

但是，這些數據非常麻煩。我們通過面部識別系統數據，可以看到客流的屬性數據跟整個客流變化數據是完全不一樣的。隨著第一次可以獲得整個消費者數據，就可以建立智能的分析和運轉模型。

 

商業(yè)定位跟客戶滿意度之間也是相關聯的。整個關聯主要是外部因素，而對于真正的銷售本身，銷售額變化帶出關聯性整合問題。因為知道了整個商場進來的是男性還是女性，就可以指導商戶對于商品做出調整。如果商戶的商品跟消費者差太多，同時也會對整個項目進行指導。比如說，通過整合客流屬性分析會發(fā)現，其實更多的是偏大齡化的東西。因此把整個定位從年輕少淑型改成了大淑型，這種調整之后整個樓層銷售增長10%，這個是數據分析創(chuàng)造的一些價值。

 

除了客流的屬性，更多的是客流行進的路線。所以，大悅城增加了WIFI的客流分析系統。通過監(jiān)測消費者在整個商場里面的流動軌跡，就能夠知道消費者是不是經常經過這里，如果消費者經常在這里過，這家店的銷售可以做的更好。

 

有了WIFI系統可以得到的人位置之后，就可以再提供服務來以企業(yè)數據的整體預測為核心。但是，會發(fā)現整個客戶的數據量翻倍式的增長，而取得的效果是商業(yè)的轉化率提高3%到4%，這已經是是非常好的。

 

經過以上的階段，發(fā)現數據都是通過設備獲得的。但是數據背后的東西是什么？還是需要企業(yè)自身去考慮。真正預測的客流量的增長變化，首先要對于整個區(qū)域客流變化進行預測，搭建客流的預測模型，通過模型觀察大致的區(qū)域客流的情況。根據這個方式再對整個商業(yè)進行調查分析。

 

從1.1億次到26.4億次計算背后的客流分析

 

以上做的只是一點點區(qū)域數據分析，能不能把整個人做成單點人的分析和預測？即通過模型來預測人在不同空間的運動模式。

 

參考氣象學的觀點：美國國家海洋與大氣管理局在測算整個北美的暴風系統，有一個模型，每一條線都是每條颶風所經過的地方。做客流研究，就是把每個人當成個體，即跟著主流走也有離散的邏輯，把它的模型借鑒過來。

 

同時，還參考了地質學：地質探礦的時候，沿著一個礦自由增長。通過這兩種模型，我們完成了大悅城自己的特有預算模型。大悅城任何一點客流，在線下跟限定的兩點之間移動時，在整體的模型帶領之下，進行客流的計算。

 

5月12號，大悅城首次模擬出客流的狀況。系統中，紅色是整個客流的密集區(qū)，綠色是比較少的區(qū)區(qū)域。對客流狀況的成功監(jiān)測，是一個非常大的成就。但是跟客流的實際情況進行對比，會發(fā)現還有很大的差距。氣象學跟地質學的這個公式，轉變過來沒有阻礙的關系，但是對于生活來說，就是一堵墻，會對消費者阻礙。

 

這個情況雖然還是很不如意，但是非常接近。在計算客流的時候，客流會向四周散射。這種情況該怎么處理？就是把客流切割成小方格，明確的知道客流高處向低處擴散。所以大悅城制作了大量的基礎數據點，每個大概0.5平米的面積，一層樓是3萬個，一個11層的建筑體，達到了33萬個，全樓有308滯留點。從每一個點里面出來的一個人經過33萬個的算法，以此計算達到了1.1億次。這個對于整體的系統后面的管控平臺提出了一個非常高的技術要求。

 

而做這些的成果是什么呢？企業(yè)可以非常清楚地知道每個消費者在項目里面看到的這個項目墻是圓角，還是直角，通道的寬窄，休息區(qū)，洗手間等等對于消費者的擴散產生的影響。這些客觀因素對于整個運動所影響的關系，消費者客流密集的紅色區(qū)向藍色區(qū)不是平滑的過渡，而是其他的因素影響的。這樣才能非常精確地知道消費者怎么進行項目的流動。知道整個的擴散影響之后，再看運動的軌跡與重合度，人怎么樣走的，就是這些軌跡對于客流密度的影響。

 

再比如，系統中藍色的是商戶業(yè)，紅色到藍色的色彩過渡就是客流運動的軌跡。綠色的線就是計算出來消費者在樓里是怎么運動的。

 

如果運動的線非常直的，那么消費者就是直線運動，用圖形可以模擬出來。如果有一個小的封閉型空間，消費者沿著這個線進來之后發(fā)現不對還可以自己走出來。他們并不是沿著一條路走出來的。前期把所有的關系模型在整個數據里面進行仔細的計算，對于一個樓有8000條路徑和33萬個數據點，26.4億的計算量。

 

這個可以使企業(yè)非常清晰地知道客流的離散性，就是客流沿著這條主路走的時候這個量多少，當周圍離散時客流達到多少，客流的運動整個進行了模型化。在整體的計算當中，底層處理是非常不規(guī)則的算法。

 

計算這個有什么用？它可以通過公式來充分地模擬計算出一個項目的客流分析情況。當顧客要進大悅城一個新的商業(yè)區(qū)的時候，在沒有建設之前就可以計算出來這個項目的客流怎么樣運動，通道是不是重新改，在建好之后就不需要再考慮這些問題了。

 

甚至可以具體到，這個項目的客流這么運動，銷售將是什么情況，項目沒有賣出之前就知道銷售達到了多少。招商人員只要把主頁在上面進行更換，就可以看到，整體客流變化的水平可以被非常清晰的體現出來。另外，還可以清晰的看到，當前這一套方案的客流到底怎么樣走，到底哪個方案客流價值最高。

 

動態(tài)的區(qū)域價值分析系統，大悅城做一個推廣活動或者一個銷售活動時，把限定條件輸入，就可以做一個區(qū)塊的價格變化。有哪些跟銷售產生關系，隨著關系的不同每個區(qū)塊都會發(fā)生變化。因此，在整個策略執(zhí)行之前就能知道，競爭對手如果使用這個政策會對區(qū)域價值產生怎樣的影響，并且在銷售之前能夠知道整個業(yè)態(tài)的變化、以及整個區(qū)域投放的點。

 

對于一個沒有運營項目的新城市來說，通過系統可以建設并模擬大悅城，知道這一塊地方到底適合不適合，競爭關系是怎么樣的策略。

 

對于大數據來說，整體的核心就在于分析能力，這些分析能力首先構成指導的動線，這些都是大數據所駕馭的地方。很多大數據服務商只能提供一些前方的數據采集，但是這些分析能力一定是對商業(yè)的理解。如果商業(yè)不理解，就不知道客流應該怎么樣走合適、租金的關系是什么樣的……因此，做大數據要由企業(yè)自身去做的。