零售业是最传统的买卖双方互动平台。早在电子商务和移动商务崛起前，零售商们就以别出心裁的产品陈列，极具竞争力的价格和有效的销售技巧吸引了众多买家。随着科技的发展，现代技术正逐渐渗透进传统零售业。

　　2017年，零售业仅仅在美国的总销售额就超过了5万亿。为满足日益增长的需求和提供更优质的用户体验服务(86%的客户表示他们愿意为更好的购物体验支付更多费用)，传统零售业逐渐向技术化转型。

　　大数据和零售业

　　零售企业常面临的大数据技术难点，包括：

　　1.确保数据准确度

　　一旦引进大数据技术，零售商们的首要任务就是确定究竟收集什么数据。只要是有数据的地方，就会有很多和实际业务诉求无关的多余数据。例如：与客户付款方式密切相关的是他们交易的金额。由于单人单次交易可能涉及多种付款方式，零售商还需考虑如何准确识别以区分。再比如：研究客户购买的商品时，如果客户突然改变了常规付款方式，使用了亲戚的信用卡进行购买，那么零售商很可能因此遗漏收录这位客户本次购买商品。由于客户行为的难以预测性，零售企业在应用大数据技术时，一定要尽力确保所收集的数据都是自身业务确确实实需要的。

　　2.融合多渠道数据

　　即使是中型零售商，也通常配置至少如下三个软件：管理库存，前端交易数据存储和客户关系管理(CRM)软件。由于不同软件数据存储格式的差异性，想要融合各个数据存储系统中的数据，从而进行统一分析，着实是个技术难点。尽管数据仓库技术(ETL)已在尝试抽取和交互转换，但融合多元渠道数据目前仍是零售商面临的一大挑战。

　　3.确保数据合规

　　即使是一个正在考虑引进大数据技术的欧盟零售商，也明白GDPR(通用数据保护条例)对大数据应用的影响。数据合规性和数据安全，是零售商必须面对的两大挑战。从加固服务器防火墙，到执行重复渗透测试，再到内部安全审计，确保数据安全已成为零售企业必不可少的工作内容。鉴于数据泄露现象猖獗(例如： Equifax最近就发生了这一问题)，确保数据安全是零售企业成功应用大数据技术的必要前提。

　　4.储备大数据技术人员

　　应用大数据技术并非易事。每一个需要收集数据的节点(例如：通过眼睛扫描仪追踪客户目光来识别客户浏览的商品，或者在库存管理软件中更新商品出入库记录)，都需要人工运维的投入。技术人员若不具备相应专业技能，那么所收集数据的准确性也将难以保证。

　　5.及时给出商业洞察

　　一款大数据软件可以帮助零售商抽取，交互转化，加载数据(ETL)，甚至可以从纷杂数据中分析出规律和趋势。尽管这些功能点的设计初衷很好，但实际应用中，产出分析结果的效率，可能无法满足零售业的时效性。零售业信息快速迭代的特点，需要大数据技术快速提供商业洞察，以留有充分时间给后续的具体落地执行。然而，商业洞察分析往往需要经过多次董事会会议和审批周期，花费大量时间才能最终成型。对此，有些人提出使用“实时”大数据解决方案，但配置“实时”洞察任务技术上也将花费不少时间。

　　6. 赢得客户信任收集更多数据

　　人们总喜欢抨击那些为商业利益而收集数据的所谓大公司。此类行为一旦被揭露，便会立即成为零售商们的公关噩梦。因此，在采取必要措施确保数据安全的同时，零售商也必须确保客户授权提供的个人信息仅限于以安全可靠的方式，服务于客户自身。

　　结语

　　挑战越大，机遇越大。HBR的一项研究表明，使用数据分析搭建“全链路体验”的公司，其股价最高上涨8.5倍之多。甲骨文公司的一份报告称，大数据技术可助零售商提高60%运营利润。如果开发人员和数据科学家们在应用大数据技术时三思而后行，那么上述种种困难和挑战都将迎刃而解。毕竟，大数据技术将引领下一波技术热潮，如果您从事零售业，那么大数据分析绝对是帮助您解密客户行为的最佳解决方案。