大悦城，被万达董事长王健林视为潜在竞争对手。其背景是，自2009年底，中粮旗下的大悦城开端高调在全国“攻城略地”。

其实，早在2009年终中粮集团就正式提出了打造“全产业链的食品企业、全效劳链的城市综合体”的“两链”开展战略。第一条是全产业链链：打造从农产品原料到终端消费者的产业链，为消费者贡献平安、担心、养分、安康的食品。第二条就是全效劳链：是以购物中心为中心，将购物、餐饮、文娱、办公、旅游、寓居等多项城市功用在空间上停止迷信的整合，构成针对目的客户的全效劳链，创立出多功用、高效率、复杂而一致的城市综合地标性修建。

大悦城正是第二条全效劳链的拳头品牌。如今，大悦城已成为高质量城市生活新标志，给商业地产界带来了诸多的创新和推翻。

正如大悦城战略规划那样：“大悦城从2006年筹建以来，2007年做项目，2008年做行业，2009年做品牌，2010年做规划，2011年做一致，2012年做提升，2013年做体验。”其实，这些年来大悦城在高调扩张的同时，也不断在低调修炼内功。与其他的商业地产相比拟，大悦城不只仅是复杂的打造“数字化大悦城”，更是在对商业和业务充沛了解和创新的根底上，让信息技术成为商业革新的中心力气。

Gartner在对2015年10大IT趋向的预测中指出，“各公司内外有组织和无组织的数据将持续整合。”进一步印证到商业地产及批发业，正如Intel在其批发转型的数字化处理方案里曾写道的那样：“批发的将来就是衔接！”

衔接，意味着零碎、使用、数据、剖析、设备、人、物等等要素的衔接。大悦城在“大数据变现”的进程中，就是充沛完成了各种衔接，就像Gartner指出的那样，“每个使用将需求一个剖析使用。”

无须置疑，随着技术的开展，批发业正在自愿改动。技术的开展不时提升着消费者的购物体验，同时进步商家的运营效率和营销效果。一个复杂而普通的使用场景就可以被用来当以例证：旨在将网上购物的便捷引入实体店，基于英特尔?酷睿?i7的Memory Mirror数字“全身镜”可让店内顾客虚拟试穿多套服装，在镜子前或经过智能手机/平板电脑检查、比照多套外型。Memory Mirror经过英特尔集成显卡技术创立不同外型，以便消费者停止社交媒体分享、征求冤家评论，或许立刻选择并在店内购置。

最为国际目前开展势头最好、引领创新、推翻传统的代表，大悦城也有着一套本人的开展逻辑，用大数据来完成企业商业价值的最大化。

因而，ITValue特邀大悦城研策总监张岩停止实战分享，详细讲述大悦城是如何玩转大数据，并完成商业价值的。

以下内容依据大悦城研策总监张岩在“2014IT价值峰会”上的分享编辑整理而成：

大悦城是以“年老、时髦、潮流、品尝”为定位的城市综合体，作为实体商业是如何停止信息化建立、以及大数据运作的呢？这两头阅历过三到四次的思想革新，最后经过零碎建立完成了第一次的革新。树立精密化的运营剖析体系和商业剖析体系之后，才可以取得数据。

任何信息化的提升一定要以业务模型为中心。基于商业原理来说，大悦城的业务中心是以发明销售为目的来展开的，围绕着销售树立了整个设备以及整个零碎体系。在整个设备之外，是树立算法剖析层面。

数据如何停止获取？首先要看消费者跟商户之间是什么的关系，即从全体使用关系看销售关系。这个商业逻辑指点着大悦城信息化的建立。

商户跟大悦城之间的买卖关系，使企业（大悦城）取得了整个买卖数据。为了取得买卖数据，大悦城树立了POS零碎、会员积分零碎等。在这些零碎的上面，对每天540万条的买卖数据，开端发明以预测销售为中心的商业剖析。经过这些买卖数据可以剖析出商户的销售情况。同时，还可以做到提早60天预测出商品销售将会到达什么程度，再依据预测后果指点最终运用什么运营办法来停止运营支持。

大悦城跟消费者之间的关系，是以消费行为研讨为中心。即研讨消费者跟大悦城之间是如何互动、如何发生购置的。把整个消费者的行为应用各种方式来停止预测，比方预测客流量、预测全体消费者的忠实度变化等目标。

真正具有商业价值的体系，要能看出哪个商户关于大悦城的运营最有价值。在第一次革新时期，停止绩效管理，停止数据的整理跟积存，每个零碎各司其职，各种业务零碎精准完成目的。

从构建体系到构建全体零碎

商户相关体系、消费者相关体系、大悦城相关体蓬勃发展的行业不仅给从业者提供了巨大的发展机遇，也带来了全新的挑战。系，这三集体系要作为一个全体来看。进一步来说，与商户相关的买卖零碎，与消费者相关的会员零碎，精密化的管理形式，每一个零碎都可以提供准确的计算数据。任何一个零碎都有本人少量的剖析。比方说在MIS零碎里处置商户的销售数据以及坪效、租金奉献等数据计算，来精准的反响商户与购物中心的奉献关系。在CRM零碎里计算会员的分类以及奉献价值，来反响会员、消费者的情况。在科传零碎里，处置各种赞扬数据与称心度KPI间的关系，来判别整个项目的客群关系。这样从每一个零碎都能精准的计算、反响该零碎内可考量的业务数据的变化情况，来评价该业务的优劣状况。但是假如从公司一致的业务任务角度来看各零碎之间的关系那就不一样了。我们会发现各零碎之间关于同一个业务目的的表现既有正相关也有负相关，假如把零碎作为一个全体来思索，零碎之间的剖析后果就会发生抵触。

#p#分页标题#e#

这就是零碎的复杂性！从业务来看，单一的零碎后果都是正确的。但从总体看来，业务之间互相的关联发作抵触，应该怎样处理？应该怎样思索对其停止计算剖析？

因而我们依照神经网络的算法形式，将各个业务零碎停止业务定位。将不同零碎集中成3大业务集群---商户相关零碎集群、消费者相关零碎集群、项目运营相关业务集群。然后树立hadoop的计算平台，各集群里的业务零碎对各自的业务数据计算后，将后果输入到hadoop平台上。我们再依据需求详细计算的业务事项，依照神经网络算法设计出与项业务相关的二级目标。然后把一切单一零碎计算后果再导入hadoop二级目标体系停止二次的输出，经过这个输出再停止业务辨认。抵消费者、商户、大悦城，三个关系综合评分得出最终的累计后果。这进程其实就是我们倡导的零碎模糊化，就是将单一零碎精准的计算后果，经过hadoop神经网络算法，将精准的后果模糊化，而计算出更多对业务展开有指点意义的后果，而不是依赖独自的零碎。

这是所谓的零碎定位模糊化。否则，随着数据量的庞大，任何两个数据放在一同剖析，一定有后果，但这个后果不一定是正确的，而关于其它的关系，能够就是对的。之后再停止二次计算，再加上一套神经网络的算法，这样就能看到全体的数据量曾经开端翻番了。

“去中心化”就是要“去销售化”

处置好数据的构造关系之后，就开端考虑真正的大数据层面，即去中心化。任何互联网思想都停止去中心化。而我们要说的去中心化是“去销售”为中心化，不是以销售作为商业零碎在建立的重心。那怎样来了解去中心化？

在我所说的第一次革新中是商业零碎的建立，但是如今是开端思索销售之外的业务价值。以前的零碎是以商业作为中心目的，但如今整个销售来源更多的是依照中心之外停止延伸的价值发生，离销售中心越来越远。从发现的后果数据当中发生的后果、发生的商业价值就会越高，但同时发生的数据量越大，技术难度也会越大。

举一个复杂的例子来阐明在全体形式下的“去中心化”。当企业谈销售时，客流是一个十分重要的要素。假如树立一个复杂的零碎就能晓得客流量，将会给企业带来很多的便捷，由于客流量关于整个消费的引导都起到十分大的作用。但是，只晓得大体客流量与业务增长，是不够的，还需求有更精准的客流量比方，顾客几点来，几点客流顶峰，几点客流高潮。假如在客流高的时分，就开端做行销活动，这样企业的收益就会添加。

关于客流数据的统计剖析，假如能晓得顾客是成人还是孩子，那么企业的销售将会再上一个层次。所以需求辨别做成人跟孩子的数据零碎。当晓得来客是成人或孩子的时分，假如可以区分顾客的性别，就可以针对不异性别的需求停止效劳了。所以，大悦城又添加了面部辨认的零碎。这些辨认的面部数据有了之后，又在此根底上添加了统计顾客在商场全体的运动线的零碎。顾客怎样在商场运动？有WIFI盯着。WIFI晓得哪个门店客流多，假如销售不好，就需求让那个店面提升管理。

这样的零碎，离所谓的中心越来越远，但商业价值越来越高。所以，去中心化就是打破以销售为中心的思绪。以销售为中心建的一切的零碎概念，其实都是资源型的。

让数据从“资源型”变为“效劳型”

真正让商业以“去中心化”去运转，就需求全方位的效劳投入，整个企业要由“资源型”向“效劳型”转变。

以客流量为例，没有客流零碎的时分，就无法辨认出客流量关于业务的作用。后来我们运用了红外客流零碎，经过客流进入商场大门时对红外探测设备的阻断，使红外客流零碎可以计算出有多少客流进入，并向零碎后台提供客流量的变化数据。这个最大的意义就是，第一次晓得客流的可视化，从而经过销售数据的变化和客流数据的变化，确立了销售与客流的关系。有了客流的数据之后，可以真正看到客流的价值和真正的运营数据。在取得客流总量后，我们又设置了图像客流零碎，头像客流零碎可以经过双摄像头的辨认探头，计算图像的高差，因而可以辨认出进入商场的客流是大人还是孩子，同时图像客流零碎还可以停止区域内的图像追踪，这样经过图像客流零碎数据可以看到，客流在这个区域停留了多长工夫，每团体的运动方向。这时分你会发现，图像客流零碎互联网电子商务和移动商务消费渠道的普及，使得支付市场将在不久的将来继续呈现更加美好的增长前景。辨认的客流方向数据中，最大的价值并不是每天进入商场多少人，出去多少人。而是经过进出客流量的数据计算出，目前究竟有多少客流滞留在购物中心内。而这是红外客流零碎所不能提供的在，滞留数据对运营的指点意义更大。

#p#分页标题#e#

用客流来界定商场的销售，也就是电商的拜访量大小成绩。这其实跟究竟有多少人不成反比，真正有关的是滞留了多少客流。当发如今商场销售工夫内的消费人很多时，就会发现，全体是有销售增长的提升空间的。我们经过计算后台客流滞留数据来婚配计算销售的低谷，当销售十分低的时分，假如单一项目外面客流十分低，而不必思索整个商场滞留量多少。晓得滞留量的多少，从而调整客流低的状况，再来做促销活动，整个销售就会提升。

在取得客流的滞留数据后，从关于运营的指点来看，我们可以计算滞留数据、客流数据、销售数据这三方的关系，经过计算这些关系，可以运用三个变量来发现全体运营成绩。随着客流零碎的全体提高，晓得出去的成人还是小孩、是男还是女、年龄岁数的时分，就发现可以做的营销、商户销售等等，可发掘空间更大。

但是，这些数据十分费事。我们经过面部辨认零碎数据，可以看到客流的属性数据跟整个客流变化数据是完全不一样的。随着第一次可以取得整个消费者数据，就可以树立智能的剖析和运转模型。

商业定位跟客户称心度之间也是相关联的。整个关联次要是内部要素，而关于真正的销售自身，销售额变化带出关联性整合成绩。由于晓得了整个商场出去的是男性还是女性，就可以指点商户关于商品做出调整。假如商户的商品跟消费者差太多，同时也会对整个项目停止指点。比方说，经过整合客流属性剖析会发现，其实更多的是偏大龄化的东西。因而把整个定位从年老少淑型改成了大淑型，这种调整之后整个楼层销售增长10%，这个是数据剖析发明的一些价值。

除了客流的属性，更多的是客盛行进的道路。所以，大悦城添加了WIFI的客流剖析零碎。经过监测消费者在整个商场外面的活动轨迹，就可以晓得消费者是不是常常经过这里，假如消费者常常在这里过，这家店的销售可以做的更好。

有了WIFI零碎可以失掉的人地位之后，就可以再提供效劳来以企业数据的全体预测为中心。但是，会发现整个客户的数据量翻倍式的增长，而获得的效果是商业的转化率进步3%到4%，这曾经是是十分好的。

经过以上的阶段，发现数据都是经过设备取得的。但是数据面前的东西是什么？还是需求企业本身去思索。真正预测的客流量的增长变化，首先要关于整个区域客流变化停止预测，搭建客流的预测模型，经过模型察看大致的区域客流的状况。依据这个方式再对整个商业停止调查剖析。

从1.1亿次到26.4亿次计算面前的客流剖析

以上做的只是一点点区域数据剖析，能不能把整团体做成单点人的剖析和预测？即经过模型来预测人在不同空间的运动形式。

参考气候学的观念：美国国度陆地与大气管理局在测算整个北美的暴风零碎，有一个模型，每一条线都是每条飓风所经过的中央。做客流研讨，就是把每团体当成集体，即跟着主流走也有团圆的逻辑，把它的模型自创过去。

同时，还参考了地质学：地质探矿的时分，沿着一个矿自在增长。经过这两种模型，我们完成了大悦城本人的特有预算模型。大悦城任何一点客流，在线下跟限定的两点之间挪动时，在全体的模型率领之下，停止客流的计算。

5月12号，大悦城初次模仿出客流的情况。零碎中，白色是整个客流的密集区，绿色是比拟少的区区域。对客流情况的成功监测，是一个十分大的成就。但是跟客流的实践状况停止比照，会发现还有很大的差距。气候学跟地质学的这个公式，转变过去没有障碍的关系，但是关于生活来说，就是一堵墙，会抵消费者障碍。

#p#分页标题#e#

这个状况虽然还是很不如意，但是十分接近。在计算客流的时分，客流会向周围散射。这种状况该怎样处置？就是把客流切割成小方格，明白的晓得客流高处向低处分散。所以大悦城制造了少量的根底数据点，每个大约0.5平米的面积，一层楼是3万个，一个11层的修建体，到达了33万个，全楼有308滞留点。从每一个点外面出来的一团体经过33万个的算法，以此计算到达了1.1亿次。这个关于全体的零碎前面的管控平台提出了一个十分高的技术要求。

而做这些的效果是什么呢？企业可以十分清楚地晓得每个消费者在项目外面看到的这个项目墙是圆角，还是直角，通道的宽窄，休息区，洗手间等等关于消费者的分散发生的影响。这些客观要素关于整个运动所影响的关系，消费者客流密集的白色区向蓝色区不是平滑的过渡，而是其他的要素影响的。这样才干十分准确地晓得消费者怎样停止项目的活动。晓得整个的分散影响之后，再看运动的轨迹与重合度，人怎样样走的，就是这些轨迹关于客流密度的影响。

再比方，零碎中蓝色的是商户业，白色到蓝色的颜色过渡就是客流运动的轨迹。绿色的线就是计算出来消费者在楼里是怎样运动的。

假如运动的线十分直的，那么消费者就是直线运动，用图形可以模仿出来。假如有一个小的封锁型空间，消费者沿着这个线出去之后发现不对还可以本人走出来。他们并不是沿着一条路走出来的。后期把一切的关系模型在整个数据外面停止细心的计算，关于一个楼有8000条途径和33万个数据点，26.4亿的计算量。

这个可以使企业十分明晰地晓得客流的团圆性，就是客流沿着这条主路走的时分这个量多少，当四周团圆时客流到达多少，客流的运动整个停止了模型化。在全体的计算当中，底层处置是十分不规则的算法。

计算这个有什么用？它可以经过公式来充沛地模仿计算出一个项目的客流剖析状况。当顾客要进大悦城一个新的商业区的时分，在没有建立之前就可以计算出来这个项目的客流怎样样运动，通道是不是重新改，在建好之后就不需求再思索这些成绩了。

甚至可以详细到，这个项目的客流这么运动，销售将是什么状况，项目没有卖出之前就晓得销售到达了多少。招商人员只需把主页在下面停止改换，就可以看到，全体客流变化的程度可以被十分明晰的表现出来。另外，还可以明晰的看到，以后这一套方案的客流究竟怎样样走，究竟哪个方案客流价值最高。

静态的区域价值剖析零碎，大悦城做一个推行活动或许一个销售活动时，把限定条件输出，就可以做一个区块的价钱变化。有哪些跟销售发生关系，随着关系的不同每个区块都会发作变化。因而，在整个战略执行之前就能晓得，竞争对手假如运用这个政策会对区域价值发生怎样的影响，并且在销售之前可以晓得整个业态的变化、以及整个区域投放的点。

关于一个没有运营项目的新城市来说，经过零碎可以建立并模仿大悦城，晓得这一块中央究竟合适不合适，竞争关系是怎样样的战略。

关于大数据来说，全体的中心就在于剖析才能，这些剖析才能首先构成指点的动线，这些都是大数据所驾驭的中央。很多大数据效劳商只能提供一些后方的数据采集，但是这些剖析才能一定是对商业的了解。假如商业不了解，就不晓得客流应该怎样样走适宜、租金的关系是什么样的……因而，做大数据要由企业本身去做的。（编辑/秦丽）