大数据对1号店的分析与应用带来的改变

      大家都在说大数据，那么大数据给数据分析从业人员日常工作带来了那些变化，讨论这个议题前首先要了解传统数据与大数据的区别，传统数据与大数据的区别主要可以从4V的角度去解释，比如数据结构方面，与之前的数据库相关技术相比，大数据可以处理半结构化或非结构化的数据。这将使计算机能够分析的数据范围迅速扩大。此外，大数据还弱化了因果关系。大数据分析可以挖掘出不同要素之间的相关关系。人们不需要知道这些要素为什么相关就可以利用其结果，在信息复杂错综的现代社会，这样的应用将大大提高效率。

      大数据与传统数据的区别，进而引发数据分析方法的改变，比如观测一个现象不必再去抽样，可以直接整体观测，进而避免抽样误差；此外，大数据还让人们脱离了对算法和模型的依赖，数据本身即可帮助人们贴近事情的真相，当数据足够多的时候，不需要了解具体的因果关系就能够得出结论。

      既然大数据给我们的分析带来如此大的转变，那么大数据如何落地呢？下面我将就大数据在1号店的相关应用与大家做个简单的分享。

大数据在1号店的应用

      首先我简单的谈谈1号店的大数据应用思路，关于1号店的大数据应用从数据框架上讲大致可分为六大层面，数据源、镜像层、整合层、汇总层、集市层和应用展现层。整个层面主要应用到SparkRpython等开源工具，而在数据展现上则用Tableau+java实现。由于今天时间有限，整个层面涉及的内容非常多，这里就不展开讲述。

      在数据源的六大层面基础上，1号店主要将数据应用在精细化运营、自动化、个性化推荐、库存管理和风险管理等五大方面。

1）精细化运营方面，主要通过数据对运营活动、产品、流程进行持续改进优化，达到持续提升运营效率的目的。这个过程涉及数据分析、数据挖掘与用户研究，并将数据贯穿到主题场景式营销、用户生命周期管理、单品/单店铺管理营销中去；

2）库存管理方面，1号店数据在库存管理方面的应用主要集中在对库房分拣流程的优化以及基于销售预测的库存优化上，我们1号店通过以15天作为一个时间节点考量安全库存，并基于销售预测达到自动补货订购的效果。

3）个性化关联购买，这一方面是大家都非常熟悉，比如人人推荐，物物推荐等，在1号店，关联购买是比较常见的做法，比如使用生鲜合单使得生鲜作为引流品类，带动了其他商品的销售，同时，生鲜又可以多和食品以及其他类目开展促销活动，以提升共同的销售，促进其他类目带动生鲜的销售。

4）个性化，顾客360度标签化推荐。通过不同的用户标签分组，比如有的用户喜欢团购，有的喜欢凑单，还有的喜欢进口食品等，通过多维度的标签分组进而组织对应的营销策略，进而达到提高转化率的目的。

5）风险管理，1号店的风险管理应用主要是利用数据分析对黄牛用户的识别打击上。通过天网系统对黄牛用户的特征提取，生成黄牛用户的规则库，用来拦截和识别黄牛账号并实时拦截订单和一系列风险行为。

大数据分析案例分享——销量预测分析应用

     前面简单的介绍了1号店的几个大数据应用方向，最后分享一个大数据分析案例介绍今天的分享议题。

【案例背景】如何通过销售预测实现自动PO？

【主要分析步骤】

1、梳理销量预测工作流程

2、列出影响销量的主要因子

3、销售预测数据整理和探索

4、销量预测模型建立和选取，当指标少于8个怎么选择，当多模型都满足时又怎么选择？模型选择的决策树分析法。

5、模型评估，例如效果良好满足实际周销量=0（或者负数，空值）并且预测周销量<=0.2*预测序列均值;实际周销量不等于0。

最后是模型应用环节，也就是实现销量预测自动化PO的效果。