19世纪零售早期形态主要是大型批发商为主，20世纪之初有超级市场的形态出现，21世纪电子商务得到了极大程度的发展。再到现在我们提倡的新零售时代，我们是怎么定义的？
首先核心关键词是以用户为核心。我觉得这个跟百果园的“伟大的顾客”的命题是不谋而合的。第二个是在全业态全渠道的整合，第三个是在线上线下的整合，包括屈臣氏在线上线下做出的一些努力。我们刚好跟屈臣氏在整个数字化建设的过程中有幸合作，一起参与了这个过程。
线下的零售现在有什么样的困境？对屈臣氏来说，他们是“当事人”，会有一方的视角。对于我们这种外部团队，我们也有一些外部视角。因为早前我们主攻的是互联网行业。
我们看到了五个问题：
第一，现在的获客很难，客户留存变得很难，我们跟客户之间缺少链接。
第二，线下商品的复购率低，线下商业可营销手段远没有线上商业多。
第三，我们对客户缺乏了解。我们都在说客户运营，这件事情一定是因地制宜、因材施教的，如果对客户没有了解，很难进行精准服务。
第四，缺少数据驱动。即使我们了解用户，每次做完活动、服务之后，结果是怎样的？问题出在哪？有一个提升的空间，这些都需要用数据进行指导。
第五，缺少用数据运营为服务的经验。可能有好的工具、数据，但缺少好的方法论进行支撑。
我们本身不做零售，我们作为外部服务的视角，也总结了一个方法论。
屈臣氏的胡总提到“三个一”，我们的经营模式是“1+4+1”。
首先是“一个基础”，它是支撑企业全面数字化经营的数据中台。
四个要素，一是建立与用户的连接。之前互联网企业的运营非常高效，因为它跟用户之间的连接是一直在线的；二是我们需要有更新颖的营销手段。以前在线下是不断做活动，有没有更好更新颖的方式？三是用数据指导运营。包括像屈臣氏的胡总提到的，他们利用用户价值模型做了用户分层，这些都是通过数据进行指导的；四是做完所有的事情，一定要有分析和复盘。企业做的所有事情都是实实在在的成本，成本产生的价值是怎样的？一定需要做数据分析和复盘。所以这四个要素也可以总结起来，叫做客户运营中台。
最后是“一项能力”，这就是前面我们提到的五个问题，有了好的工具和方法，但不具备灵活运用的能力，这也是现在的线下企业需要构建的能力，就是怎么用互联网拥有运营用户的能力。
我们讲究用数据连接“人、货、场”，我们分成数据中台层和用户运营中台层，这一部分是给企业IT进行赋能的，核心是数据资产、数据产品、数据服务，以及我们如何给上层的业务部门做运营支撑。业务部门有了这些工具、数据之后，在运营的分析场景上怎样做门店的诊断、用户的洞察？做完分析，一定要用到具体的场景里，线上可能有O2O的微商城，线下也有客流，用户到店后，要进行数据化的导客服务，这些都需要数据来指导。
总结起来就是几个关键词。第一，数据中台层的数据资产；第二，用户中台层的私域流量。现在线上的流量越来越贵了，既然他已经到了我们的门店，在这里产生了消费，有没有可能把他变成自己的用户？第三，我们希望给线下门店产生更强的科技感。比如广泛用电子价签。做生鲜也好，做乳制品也好，像这样的商品保质期非常短暂，顾客对这类商品也非常强的价格敏感度。我们可以用算法结合更好的电子价签这样的硬件，在损耗和销量之间达到非常好的平衡。像互动货架、互动大屏，都是我们可以在线下门店做的数字化尝试。
（PPT图示）这是我们总结出来的企业数字化客户经营全景图，总结出来就是五件事情：一是建平台；二是建设数据资产化；三是构建数字产品；四是发现企业的风险源，有一个关键词叫舆情，就是在各个线上渠道和平台里，包括在私域流量的用户评价里，这些都是舆情；五是影响力的建设。对于企业IP构建这套东西，做完并不是自己在用，一定是业务部门在用，要说服业务部门，这是很先进的科学工具，是有数据作为支撑的，这都是内部的影响，进而把它放大到外部门店去。
为什么数据中台很火？简单做一个比较，数据中台跟传统数据应用的对比下有什么优势？首先是规模上，在传统的数据应用场景里，能处理的数据规模非常小。现在我们讲大数据和数据中台，基本都是PB级的。第二个是数据的多样性，以前只能处理一些结构化的数据，本身在系统里，但还有大量非结构化和半结构化数据，这些都可以被使用起来。第三个是数据的实时性，就像胡总提到的要做推荐，推荐这件事情一定是实时的，不能在现在的场景下给你推送过去你需要的东西，这是没有意义的，所有这些都需要我们进行实时计算，这对我们的算力有非常大的要求，这也是我们在传统的数据库时代不太能够做到的，这是我们本身在能力上的差别。
在应用场景上的差别：第一点，预测。第二点，以前只能看结果数据，当有了更大的数据和更高算力之后，可以对未来做一定的预测，但预测这件事情本身有一个概率，我们永远追求的都是每次预测更大的概率是对的，让我们更多规避行为。第三点，智能，可以做更多商业智能决策模型。
（PPT图示）这是数据中台的价值体系，做完所有的事情，尤其是对于IT部门来说，一定要论证有什么样的价值。往往我们会把价值分两部分，一部分是在后端的管理侧，在组织的管理效率上，会对员工进行画像，对员工的工作状态树立各种各样的指标，也可以看资源的使用效率。在前端的经营侧，最核心的资产一定不是所谓的商品实物资产，一定是客户资产。进店时有用户身份的识别，还有画像识别，这些都是资产。包括对人跟货的归因分析，这也是资产。包括在各个部门渠道把用户线索展示下来，沉淀在自己的私有流量池。包括扫码购、小程序的微商城，我们也会做很多的投放，会有大量的线索被收集进来，这都是我们应该施加影响的。
讲完我们总结的方法论，我也想简单跟大家分享一下我们是怎么来做这件事情的。其实不管是给屈臣氏也好，还是我们跟其他企业的合作中，我们总结了一些心得经验。
首先，在服务过程中我们沉淀下来了一个平台，叫惟数平台，专门帮企业搭建平台。围绕大数据平台进行构建，在计算层会有很多计算引擎，在平台层从最开始的数据采集、数据同步、数据开发到运维监控、数据质量的管理、权限管理等等都有。提供了平台的开发层之后，中间这一层就是我们的数据资产，数据资产基本是围绕数据开发平台来产生的。在数据应用里有哪些？第一个是围绕着客户的画像洞察分析，就是如何打标签，如何进行圈人，如何进行人群管理。第二个是有大量的计算引擎，包括做查询的引擎、分析的引擎、推荐的引擎、数据可视化的引擎，这些都是为了把数据放在一个一个应用场景中进行服务的。第三个是数据API，有一套数据中台，还会有很多的业务系统，我的业务系统要用到我的能力，那一定是通过数据的API来传输的。最上层是实实在在的应用场景，比如我们怎么做可视化报表，怎么做圈层的精准营销，怎么做千人千面的个性化推荐，不同的企业一定也有自己的个性化场景。
这是数据中台建设过程中最重要的一环，就是客户数据资产的闭环。第一步要做什么事情？就是整个客户数据资产的建设，总共有三步，第一步是采集。现在是一个非常好的时代，不管是线上还是线下，我们都有非常多非常丰富的数据采集手段。比如在第三方的媒体投放，不管是用户点击曝光的数据，还是表单内的数据，都可以被采集回来。包括线下可以提供免费wifi服务，或者摄像头等等，可以采集到线下的客户数据，包括像第三方的外部渠道，都开放了API接口。
做完数据采集之后，在客户数据资产这件事情上，最重要的事情就是做把控。因为在不同的渠道或者不同的应用场景里，都有一个属于它的ID，但这些ID可能是不一样的，有些是手机号，有些是Face ID，需要归拢到同一个人身上，建立全景画像，有价值维度、偏好维度等等。
做完数据资产的建设之后，资产这件事情一定是要变现的，主要是在经营、运营、服务的过程中来体现，用自己的数据更好做投放，并指导运营部门更好地做精细化运营，包括门店里的导购人员怎样根据用户的画像以及千人千面的推荐能力，第一时间把用户可能需要的更基本的商品和服务推荐给他。包括做完所有事情之后的报表，需要更快更实时进行生产。最终产生的结果就是，对整个企业来说，我们可运营的用户规模放大了，所以可以进行更多、更精细、更丰富的运营活动。
（PPT图示）这是我们总结出的核心一环，这是一个很复杂的网状结构，所以说一定要放在大数据时代才能做这件事情，因为很多时候是我们通过算法算的，有时候是简单规则就能匹配出来。最终我们想实现的是一个结果，所有不同渠道里用户留下来的数据，一定要归拢到同一个人身上。
这是用户画像的生产过程，构建起数据结构后，需要构建用户画像。
这里有一个示例，对不同企业来说，构建用户全景画像的维度一定是不一样的，因为每个企业本身的KPI和运营的核心方向都是不一样的。
讲完整个数据资产，就要说一下做运营。我们有自己的一个产品，叫惟客宝。一方面，做企业分析运营的数字化，包括对门店的分析，对市场舆情的分析，包括用大数据进行门店选址。门店相当于神经末梢，一定要拿着这些能力，变成更好的经营效率。前端门店有哪些东西可以用？比如导购，需要跟企业微信结合起来，持续建立与用户之间的联系，把商品在第一时间内推到消费者手上。第二个，要有更广阔的渠道，不管是经营线上微商城，还是本身的门店。第三个，不管是线上门店还是线下微商城，都要做到千人千面。第四个，会员系统。第五个，营销工具。过去我们会看到有一个奇迹版的公司——拼多多，虽然很多人不信，但有一点他们做的很好，可以在不同的用户群做不同的营销活动，像拼团、秒杀，现在市面上所有的公司，没有一家公司能在这件事情上玩过拼多多。
（PPT图示）这是我们标准化的应用场景，这个是典型的导购大屏的应用场景，不见得是真实场景中划分的应用形态，主要是当顾客进店的时候，因为我们在后端已经把人脸识别、会员ID等等数据都进行了打通，当这个会员进店的时候，我们可以在第一时间匹配到他所有完整的数据，并且在第一时间给导购人员推荐他需要什么样的商品和服务，甚至包括销售的话术建议，都可以进行推荐。对于不同的销售人员来说，不同线索产生的转化率是完全不一样的。
我们也有各种营销工具，包括拉新应该用什么样的营销工具，留存应该用什么样的营销工具，都是有学问和方法的。之后再怎么做圈层营销？我们之前给一家4S店做了方案。比如想推奔驰的车，怎么找到这些人，怎么把券发出去？做完这些事情，我们一样要看数据，我们总结了一个“门店健康模型”，是基于增长模型和独立模型综合出的门店健康度，包括客户体验健康、客户本身健康、团队组织健康、产品健康等方面综合评价每个门店的状态。
产生数据之后，会有一些结论跟指导，比如现在是不是流失率太高了。当门店末梢发生了指标异常，可以给总部产生反馈，就是需要什么样的支持解决问题，这些都是可以通过营销手段来解决的。
我们也分析了小程序客流报表，包括他们到店之后如何做提醒。当然，不管是销售、会员、流量各种各样的分析化报表我们都有，也可以定制很多企业需要的不同报表。
最后做一个总结。WakeData本身是一家很年轻的公司，虽然它很年轻，但不管跟很多企业都建立了广泛和深度的合作。在现在这个时代，如何唤醒企业的数据，让企业更懂用户？这个非常重要，因为经营品牌，其实就是在经营自己的用户。
我们在过去的时间里，有幸跟很多优秀的公司在整合企业数字化建设过程中一起努力，感谢这些公司能给WakeData机会，一起来做这件事情。
