大家好！很荣幸今天能有机会跟各位分享这个主题，这个主题范围相当大，包含了三部分：人工智能、大数据、还有新零售。第一部分先说到人工智能，人工智能经过了几十年的开发，终于近年来才在产生了一个关键性的进步，就是《机器学习》的成熟。第二是大数据，我想很多人可能会看过这本书叫《大数据》，大数据是两位专家提出来的，也是2012年才发行的中文版。因此，这些技术从研究到成熟到应用，目前都还在一个比较前沿的状态下。 今天分享主要有几点：

1、目前大数据跟人工智能在新零售使用的一些场景模型。

2、案例分享。

3、数据湖的概念与Hadoop技术架构。

4、未来的趋势

      世界知名的人工智能专家、创业先驱李开复在他去年出版的一本《AI·未来》里提到“整个中国的人工智能即将领先全球”，他提醒了我们其实中国拥有最大量的电商数据，最大量的交易，这些大数据,而且还在高速增长。

      有人问现在电商的增长是不是放缓了？准确地说应该是增长率放缓，但是每年订单量与营收的增长数都还在增加，这个电商的营收与订单量的数量级是全世界第一。因为我们现在的基底量更大，所以看起来好像是增长率放缓了。

      我们知道机器学习需要非常大量的数据，刚好中国具备了独一无二、得天独厚的条件，数据量越大的时候，《机器学习》的算法成果越好，所以这个部分中国已经站在了一个制高点。

      我们先看一下网上销售的数据预测，在2017年我国网络零售额增长率为26.3%，虽然经历增长率放缓的过程，但是预估在2022年或者2023年整个网上销售总零售额将会突破两万亿。预计这些增长不会主要来自于传统的这些电商，它的增量会主要来自于新零售O2O线上线下的融合，全场景、全渠道的增量。

      新零售跟传统的电商有什么不一样，为什么它特别需要大数据、人工智能的支持？在此我们需要先了解新零售的成长动力与基本概念：

      这是我个人提出的一个基本的模型，AI+大数据应用的新零售场景分为线上、线下，根据距离远近又各自分为内圈、中圈、外圈三层。他的核心部分有传统以来一直提到的《人、货、场》三大要素，这三大核心要素没有变。但是在新零售全渠道经营环境下，我认为《场》又可以区分为线上与线下，在这个半圆球形的上面是代表线上，例如这个《场》就在各位的手机上，你装了一个生鲜电商O2O的APP（可能是多点、盒马、永辉等等），用它下单、线上逛超市。线下的部分，这个《场》就是实体的卖场。现在看到几个电商主要的集团，它都开始并购实体连锁店，来进行线上线下融合的全渠道经营。

      由近到远的话我们看，线下部分最近的内圈就在实体门店内，门店内人工智能、大数据协助我们做什么事？更远一点的中圈就是我们所谓即时配送范围内：半小时也好、一小时也好能够送达的3公里半径，因为O2O是即时达。

      第三圈（外圈）是超过配送3公里半径以外的范围，也就是一个体系的门店在即时配送时效以内覆盖不到的那些范围（>3公里），这个是不是也会应用到大数据呢？答案是需要的！因为潜在客户在这个范围还是存在的。

      线上部分的最内圈的我个人认为是《月活客户》MAU，这是我们常用的指标之一，这个月你下过一次单就算是月活客户。一般30天内的月活客户，很可能你会再下第二次单，这是最接近我们线上《场》的核心客户。

      线上的第二圈就是我们的《目标客户》，可能你三个月前下单后来忘记了，也许体验不好你暂时不买，我怎么样把你激活。

      线上的第三圈我认为就是《潜在客户》，例如有很多老人家其实他们很需要O2O超市服务，因为他们可能行动不方便，他们唯一的困难是使用APP。以线下实际距离来说也许他位于3公里半径以内，但是以线上经常使用O2O服务的客户来说它属于第三圈，因此这是O2O需要努力发展的潜在客户之一。

      这些线上线下的订单、消费行为等数据，需要我们建立好大数据的数据库。不管是传统的关联式数据库也好、Hadoop的数据湖也好，我们才能设法通过智能化的一些分析，得到对于这些连续出现大数据有一个深入的分析结果，英文是Insight，我们常常翻译为《洞见》。新零售为什么有这么大量的数据呢？第一是订单量大，第二是在各场景连续不断地搜集数据。

      这个图是毕马威咨询所提出来的，其中一个关键就是如果要做好to C的大数据，就要需要给客户做标记。例如：各位为什么经常吃个饭就被邀请扫描二维码，加入微信公众号等等，这就是在对单一客户做标记。为了取得由单一客户的标记数据，新零售的公司都希望你除了用支付工具付款以后，也能关注公众号。经过标记的客户，才有后面准确的大数据，他才能记录并知道你的消费行为、每一个订单发生在哪一位消费者的身上。

      接下来谈AI+大数据在新零售的应用有哪些可能的项目。先谈一下大家现在朗朗上口的“客户画像”。比如说我们要针对消费者进行消费频次、客单价、年龄、学历、常常会加购的行为进行分析跟分群。最后得出分群结果，可以称为《客户画像》。

      在这个《智能化大数据新零售应用》的思维导图里面，右边第一个就是是《客户画像》，它可以用在精准营销，这些精准的营销包含他的喜好、购买趋势，这个趋势里面包含他可能会购买上限。其次是《客户消费行为》的精准调研。稍后我们会在案例里面说明。

      在思维导图的左侧，第一个应用主题是《商圈分析》，可以包括开店的建议，或者是选品的优化，不同的商品在不同的商圈有不同的推荐。

      目前我们可以看到好多家数据分析都能做到小区别，事实上跟各位讲可以做到每一栋楼。例如各位知道中国每天最大量的O2O订单是哪家？毋庸置疑是美团，据说是一天高达两千万单，如果他都能够好好地分析，这里面可以找到有价值的商业情报无法估计。

      图左侧第二个应用主题是《营运分析》，我们的季节性商品，冬天卖火锅，夏天卖冰淇凌，门店的数据比如所谓的数据驾驶舱，就是仪表管理（Dash Board Management），你在O2O门店可以有一间作战室专门给店长看的，现在来客数多少，喜欢买什么，是不是买断货了，断货来不来得及补，有没有紧急处置的手段，同时未来在城市级或者是以物流中心为准的综合数据驾驶舱如何设置跟管理？都是很重要的挑战，因为整个新零售的数字化营销它是即时性的，需要有即时数据透过仪表管理来即时反馈给管理者。

      新零售它和传统的生意不一样，它需要额外的工具，例如：我们传统的零售行业、消费品行业基本上可以视为普通汽车，它正常就是高速120公里，城市60公里，甚至严管区三四十公里，不能开太快，你不需要特别的驾驶技巧，但是在新零售行业，你需要的是F1等级的赛车手认证，因为每件事情都在非常快速地发生。

      我们接下来看一下案例，第一个是多点，多点的部分我们看到这是它手机App里有社区拼团的画面，也就是说不只是在做日常的拿单销售，我还发动小区的团长来做拼团，然后我们也发现小区拼团能卖的产品可以走向更高端，为什么？因为如果有加入这个小区微信群的各位嘉宾就知道，呼朋引伴，很容易让你觉得别人家在吃我也要吃吃看，这是社区拼团。多点以900万的流量在今年荣登流量冠军榜。当然其他好多家也都在非常快速地追上来。

      整个来说多点系统强调的是营销一体，营是营运的部分，营运分成线上跟线下，线上的营运是包含哪些呢？比如说黄花鱼促销，北京在多点配合下有160多家店，是每家都上黄花鱼还是其中100家上、另外60家不上，怎么选？这些全是线上运营要做的事，有没有智能的建议，还是全得用人呢？你说我没有的话，我用人也扛得住，那两百家店扛得住，两万家店扛得住吗？两万家店对中国来讲绝对不算多的。未来新零售在消费品这部分如果成熟的话，我认为是在五到十万家，才能够覆盖前80%的消费量的城市，让多数的人都能很快在三公里半径内买到O2O的超市服务。

      在商品管理跟运营机制上面，这是多点公告的数字，门店的运营商品从16000品降低到5000品，而且销售额还增长，这就是有名的北京联想桥店，现在很多超市老板来北京参观就去看，面积砍一半，业绩翻一倍，效益有四倍，为什么？不用的商品、没有效益的商品不要再卖了。这些无效的面积可以做前置仓，可以出租给其他店铺增加收入。

      对于门店的整个现在的运营情况，在数据驾驶舱里有来客分析，门店的热力图，中间是商圈的今天的订单的分布，还有一些是履约的配送，到底送完了没有，送了几单，有没有拒收的，有没有不在的，比例有没有达到公司的KPI要求。各位去自动结账台，有人觉得反正没人看，我晃一下不扫，还是要放到购物袋里行不行呢？不行的，其实是有监控的，这都在后台可以看得到。

      第二个部分讲一下阿里的地动仪，目前国内大数据做得最好的，我个人觉得最完整、最深入、最长期、最持续、数据量最大还是阿里集团。

      2017年的云栖大会上阿里集团包含了有关地动仪的功能，他可以跨公司集成大数据的分析，相当有开创性。我们可以看到阿里投资了很多不同的产业公司，有新零售的、有传统电商的、有传统超市，各位有没有想到比如阿里在收购大润发的时候，周边的超市只要不是大润发的有多紧张！因为阿里有跨界的大数据。很多人去买东西的时候会用到支付宝，支付宝是阿里集团的，阿里集团的地动仪已经跨公司打通了，所以很简单它只要把相同大润发的商圈半径五公里以内所有的超市支付宝的付款记录跟大润发超市的客户做个比对，找出没去过大润发的客户润，这就是第一波促销对象的名单。立刻给你的支付宝发券到大润发有优惠，是不是立刻抢占市场份额。

      我们可以看到地动仪它还提供对于商圈的分析，潜在客户的分布，门店的布局、竞争的对手还有这个门店会产生的销售收入的预估。都能有精准的大数据支持。

      讲完阿里，我们讲它所投资的居然之家金源店。在去年阿里集团确定投资居然之家后，只用了不到一年的时间，迅速改造了居然之家的旗舰店金源店，快速达成整个从传统的居家行业向新零售转型，所以新零售不是只有生鲜，未来的各种零售都有可能，只要有实体店，都有可能会变成O2O的全渠道经营。它最特别的地方，它的导购环节人脸识别可以给你推荐喜好商品，第二个部分是《装修试衣间》，有个3D模拟的软件。它有各种风格，你喜欢法国的纯白的那些有雕花的家具吗？还是你喜欢中式的、古典的那种气息的，你可以选颜色，它会帮你做3D彩图，你可以带着全家大小去看。爷爷说白色不好看，不喜欢白色，换个颜色，跟你实际的成品非常接近。

      我们看结账环节，直接让你用手机淘宝刷就可以了，同时记录你的订单，比如你刚刚选了哪个桌子、哪个壁纸、哪个地砖很难记得住，因为有很多颜色、很多花样，但是你刚刚已经在3D图上看过了，刷一下二维码，所有的订单会一字不差记录下来，第二直接用支付宝付账，这就是秒付账、秒记录，提供3D图给你，接下来你就等着这些材料、家装的东西送到你家进行装修。

      门店的后台，可以利用整个店里面布满了摄像头进行人脸辨识，对于你逛街的轨迹，你今天到底是来买一个热水器的，还是想要把整个卧室做一次重新装修，从热力图里面针对特定客户的逛街的轨迹，很容易就会辨别出来。

      我们看完三个案例以后，自然需要考虑怎么样去计算这些大数据？我们很快地讲一下Hadoop工具，在2009年，整个阿里集团做的数据架构改善。它把整个集团的大数据的分析从Oracle改成了Hadoop，Hadoop这个工具很新，2008年才由谷歌发布的。现在不要说会，光听过的人都很少，但是我们可以看到2013年的消息上面，阿里自己说我已经有一百个PB已经整理过的数据，一百个PB是多少？就是一千个TB。一般我们常用的硬盘有一个T，它有十万个这种一个T的硬盘。这么多的数据，而且是已经清洗过，能够对全中国的曾经在阿里集团任何一个地方消费过的客户资料来做深入的分析。

      在新的大数据《数据湖》架构下，把数据分成结构化和非结构化两个部分，结构化各位现在都有，订单资料、客户资料、产品资料等等，那些都已经在我们的关联式数据库里面的格式，但是微信或是其他自媒体的数据怎么记录、哪些对我有用、我怎么去搜集？这些都是很大的问题，它有非结构化数据处理部分，处理好之后就变成数据湖，你可以想象每天每时每分每秒不断有数据进来，这个湖的水越来越满，最后抽出一点精华，精华就是对于实时也好、对于过去也好，它会产生数据分析的一些洞见，这些洞见可以赶快提交给我们的管理人员，通过智能化营销的方式，把这些信息发给客户。

      最后说到未来的趋势，有三点：

      1、因为需要很多数据，但是不是每个公司都那么大，所以需要不同行业的合作来交换这些数据。也就是说二十世纪的最重要的矿产是石油，二十一世纪最重要的矿产是大数据挖矿的结果，数据才是稀有的金矿。

      2、除了通过机器学习以外，还有一个方法叫做知识图谱，就是说假设有一个香草口味的冰淇凌，你要怎么测试它受消费者喜欢的程度，可以有个AI能看懂的流程，知识图谱是无比巨大的工程，我们应该暂时不用担心AI会统治世界。

      3、人工智能还没办法取代我们营销的创意，因为人工智能目前还不会发明羊蝎子火锅的配方，它只能记录哪个配方受欢迎，同样是羊蝎子火锅配方，哪个更受欢迎？如何改进？还得靠人来设计与营销。

      所以我想我们未来还有很好的发展空间，使得人工智能在物流产业、新零售产业进一步发展相关的应用。