大悦城是属于中粮集团的地产板块的核心业务，大悦城是以购物中心为主的城市综合体，目前全国有5个项目，分别在北京、天津、上海、沈阳，今年还会开烟台，明年会开成都，以及深圳。基本保持一年开一个的速度。呵呵下周去出差就是拿地。所以大家可以看出大悦城应该属于标准的传统零售企业。对于电商和互联网企业来说我们面临的数据获取难度，数据质量、数据复杂性，以及非结构化数据的情况更加严峻。所以对于一个传统的购物中心如何开展大数据问题，我们思考了很久。
那么最终我们通过业务逻辑分析，推导出大悦城的数据战略是做，消费者、品牌、大悦城三者间的价值分析。寻找共同的价值点。改变传统销售向预测销售的转变。定下了这个目标。
在这个目标指引下，最先开始最的是数据的细分和分类，以及数据的采集，但是失败了。而且失败的很彻底。按照标签分类对消费者进行消费引导基本上效果奇差。针对这个问题我们进行了很长时间的分析，为什么适用电商互联网企业的方法在，实体商业上出现问题。在和很多互联网企业进行沟通对标后，发现其实标签思路，维度，算法大家相差不大。但问题出在客群上。大悦城的商业业态从超市到奢侈品到儿童教育到影院到美甲、书店、服装、餐饮、业态品类差异大。而我们的客群从退休大妈，到婴儿，孕妇，情侣，学生。这种构成是超级复杂。而电商的客群纯粹性不会面临这样的问题。
从这次失败我们开始认识到电商的思路并不一定适合实体商业，我们开始自己摸索建立适合大悦城自己的大数据分析体系。那么我们的分析体系是以商业法则和商业逻辑为核心建立模型，将商业模型和业务模型相融合。不在盲目追求维度的细分，和对消费者的标签。举个简单例子，以销售为例，对于商业来说销售是核心，那如何分析销售呢？商业逻辑是，销售额=客流x提袋率x客单价，也就是说今天的销售额是由今天大悦城进来多少客流，这些客人有多少人发生购买，每笔交易金额是多少来决定。因此从大的方面来说，对于销售数据就拆分成这三个维度。其次在对影响销售的客流数据进行细分，什么因素影响客流呢，我们可以看出，推广活动是不是好，商户是不是有新品，以及天气因素、竞争对手因素等等，构成影响客流的二级分析指标。这样针对于一个销售指标的影响因素我们划分了2级指标，所有的维度加起来不超过100种，但能够非常清晰的发现所有的经营问题，和销售增长潜力点。那么在我的分析体系中，可以清晰的看到今天销售还有增长潜力，是因为客流指标未到位，而客流指标低是因为推广部门活动没到位，很清晰的知道业务问题在哪里。另外最大的一个收获是。当我规划完整个分析体系，你会发现最底层的影响因素指标，就是我需要进行系统建设的数据采集点，这样我的系统方案也完善了。那么回头想想，以商业法则建筑整个体系，这才是大悦城的数据分析基础。而不是传统的打标签，维度的细分。在大悦城已知的体系建立后，我们开始深化。还是以客流为例，我们会深入收集消费者的运动轨迹数据，停留时间数据，这些数据与交易之间的关系。
我们看到很多企业也上了wifi定位，客流轨迹收集。然后称是大数据。但大悦城从不这么认为。大悦城以人脸识别系统为基础，识别捕获不同年龄，性别消费者的行动路径，以及购买行为后。针对这个巨大的数据，我们进行了半年的研究，求出了在购物中心里当消费者面临一个岔路口时他的行走选择模式。以及任何两个品牌向邻时，销售的相互影响趋势。这个课题的研究成果最大价值是。我们开发了一个系统，当我对一个还没建设的新项目，我可以通过在图纸上的调整能直接看到各个商户的销售变化，以及客流的变化。我们就可以知道那个商户和那个商户放在一起是最有力的，他们这样组合后客流会如何变化，哪里会出现客流空白，哪里客流密集。哈哈哈，我就可加租金了。这个数据模型才是大数据对于我们业务的贡献，能让我节省数以亿记得金钱，和营销成本。
当然整个模型也是非常复杂和困难的。当大悦城在数据和商业价值分析上走到这步得得时候，我开始非常困惑。大数据的分析展示的相关性，不是因果。但商业一定是因果的，只凭相关性来推断，我不敢做任何执行方案。因为我输不起，一个策略几百万进去，失败了，消费者跑了，我压力太大。所以再说所会员的分析及看法。自从我们放弃消费者标签后，我们一直在寻找如何对会员分类。我们对大悦城70万活跃会员的2年的销售数据研究后发现。在很多企业高度专注会员购买力、到店频次等指标同时，以及推算会员忠诚度的时候，似乎遗漏了一个重要的因素，及时间因素。
在大悦城的会员价值模型里分析发现，会员生存时间对会员销售贡献的高低影响远远大于会员的到店频次、消费金额。依据我们的模型，对会员生存时间为变量的研究发现，一个会员前三个月销售贡献最大，第四个月下滑，因此指导业务部门对所有会员生命周期在地三个月的会员进行营销推广，使其购买金额不下滑，而放弃会员生命周期在1和2月的。这样策略推出不但会员经费节省，反而会员的销售贡献提高了近20%。举了几个例子，我想说的是，大悦城的大数据都是立足自己本身业务。以商业法则为核心开展。而不是照搬。算法，模型是技术。对自己业务的理解，建立分析，采集，管理体系才是王道。
交流互动
张涵诚：
你们是什么类型数据，是结构化，还是非结构化？
张岩：
非结构化，其实今天没谈算法，模型，主要说的是思路。尤其是传统商业的思路和探索。
赵刚：
@大悦城张岩业务理不顺的，数据复杂的，学习模型就起作用了，是不是互联网这种更多？
吴君：
@赵刚业务理不顺，靠机器学习？貌似没成功案例
张岩：
对，但现在我们也在上hadoop，在训练机器学习，我想未来还是不能忽视机器学习的，但有个过程。这个过程必须经过积累，早上早积累。呵呵呵
赵刚：
@innovate511 业务目标是明确，但业务模型并不清哳，恐怕就得靠统计算法。
张岩：
我的理念是，业务模型指导算法。其实就是做事正确与做正确的事之间的关系。
吴君：
@赵刚业务模型体系是需要理顺的。@大悦城张岩对，我很反对做跟业务逻辑完全不搭噶的挖掘尝试，事实证明，类似尝试基本以失败告终！
张岩：
谢谢，讲的是基础。大悦城后面的很多实践大家都可以在各种媒体上搜到。但这些没人会告诉。
吴君：
@大悦城张岩所以为啥要行业资深，否则都找有想法的应届生好了
张涵诚：
@大悦城张岩 数据源是？每日新增多少？实时要求高？分析结果以什么方式和目标人群互动？
张岩：
MIS系统，POS系统，客流系统，会员管理系统。。。很多业务系统收集数据。包括微博、微信数据，ibecons。wifi等等……提供数据来源
陈新河：联盟副秘书长；《软件定义世界，数据驱动未来》@张岩再次感谢张总的精彩分享！
原文发布时间为：2014-06-15
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
