빅데이터를 유통산업과 결합하고 실무에 적용하는 방법
1. '빅데이터'의 상업적 가치
1. 그룹
p>
'빅 데이터'는 고객 그룹을 분류한 다음 각 그룹에 맞는 고유한 조치를 취할 수 있습니다. 마케팅 및 서비스를 위해 특정 고객 그룹을 타겟팅하는 것은 항상 기업의 추구였습니다. 클라우드에 저장된 막대한 양의 데이터와 '빅데이터' 분석 기술은 극도의 비용 효율성으로 소비자에 대한 실시간, 극단적인 세분화를 가능하게 합니다.
2. 현실 시뮬레이션
'빅 데이터'를 사용하여 현실을 시뮬레이션하고 새로운 요구 사항을 발견하며 투자 수익을 개선하세요. 이제 센서는 점점 더 많은 제품에 내장되고 있으며, 자동차와 스마트폰의 확산으로 수집할 수 있는 데이터의 양이 폭발적으로 늘어나고 있습니다. 블로그, 트위터, 페이스북, 웨이보 등 소셜 네트워크에서도 엄청난 양의 데이터가 생성됩니다.
클라우드 컴퓨팅과 '빅데이터' 분석 기술을 통해 가맹점은 이러한 데이터를 거래 행동 데이터와 함께 실시간으로 높은 비용 효율성으로 저장하고 분석할 수 있습니다. 거래 과정, 제품 사용, 인간 행동 등을 모두 디지털화할 수 있습니다. "빅 데이터" 기술은 데이터 마이닝을 위해 이러한 데이터를 통합할 수 있으며 경우에 따라 모델 시뮬레이션을 사용하여 다양한 변수(예: 다양한 지역의 다양한 프로모션 프로그램)에서 가장 높은 투자 수익을 얻는 프로그램을 결정할 수 있습니다.
3. 투자 수익 향상
관련 부서 간의 '빅 데이터' 결과 공유를 늘리고 전체 관리 체인과 산업 체인의 투자 수익을 향상시킵니다. '빅데이터' 역량이 강한 부서는 클라우드 컴퓨팅, 인터넷, 내부 검색 엔진 등을 통해 '빅데이터' 역량이 약한 부서와 '빅데이터' 결과를 공유할 수 있어 '빅데이터'를 활용한 비즈니스 가치 창출에 도움이 된다.
4. 데이터 저장 공간 임대
기업과 개인은 막대한 정보 저장을 필요로 합니다. 데이터를 적절하게 저장해야만 잠재적 가치를 더욱 높일 수 있습니다. 구체적으로 이 비즈니스 모델은 개인 파일 스토리지와 기업 사용자라는 두 가지 범주로 나눌 수 있습니다. 주로 사용하기 쉬운 API를 통해 사용자는 다양한 데이터 개체를 클라우드에 편리하게 배치한 다음 물, 전기 등 사용량에 따라 요금을 청구할 수 있습니다. 현재 많은 회사들이 Amazon, NetEase, Nokia 등과 같은 해당 서비스를 출시했습니다. 통신업체들은 또한 차이나 모바일의 Caiyun 사업과 같은 상응하는 서비스를 시작했습니다.
5. 고객 관계 관리
고객 관리 애플리케이션의 목적은 고객의 속성(자연적 속성 및 행동 속성 포함)을 기반으로 다양한 각도에서 고객을 심층적으로 분석하고 이해하는 것입니다. 이는 신규 고객 증가, 고객 충성도 향상, 고객 이탈 감소, 고객 소비 증가 등을 의미합니다. 중소 규모 고객의 경우 전문 CRM은 확실히 규모가 크고 비용이 많이 듭니다. 많은 중소기업에서는 Fetion을 기본 CRM으로 사용하고 있습니다. 예를 들어 Fetion 그룹에 기존 고객을 추가하고, 그룹의 친구 서클에 신제품 미리보기 및 특별 판매 알림을 게시하고, 사전 판매 및 애프터 서비스를 완료하는 등의 작업을 수행합니다.
6. 개인화되고 정확한 추천
운영자 내에서는 애플리케이션 스토어 소프트웨어 추천, IPTV 비디오 프로그램 추천 등 사용자 선호도에 따라 다양한 서비스나 애플리케이션을 추천하는 것이 일반적입니다. 상관관계 알고리즘, 텍스트 요약 추출, 감성 분석 등 지능형 분석 알고리즘을 통해 상용 서비스로 확장할 수 있으며, 데이터 마이닝 기술을 활용해 고객의 정확한 마케팅 수행을 도울 수 있습니다. 추가된 부분.
일별 "정크 문자 메시지"를 예로 들어 보겠습니다. 모든 메시지가 "정크"인 것은 아닙니다. 수신자에게 필요하지 않기 때문입니다. 사용자 행동 데이터를 분석한 후 필요한 정보를 필요한 사람에게 전달함으로써 '스팸 문자 메시지'가 가치 있는 정보가 됩니다. 일본 맥도날드에서는 이용자들이 휴대폰으로 쿠폰을 다운로드한 후 식당에 가서 통신사 도코모의 모바일 지갑 할인으로 결제한다. 운영자와 맥도날드는 어떤 버거를 자주 사는지, 어느 매장을 가는지, 얼마나 자주 소비하는지 등 관련 소비 정보를 수집해 사용자에게 정확하게 쿠폰을 푸시한다.
7. 데이터 검색
'빅데이터' 시대가 도래하면서 실시간, 본격적인 검색에 대한 수요도 높아졌습니다. 점점 더 강해집니다. 우리는 다양한 소셜 네트워크, 사용자 행동 및 기타 데이터를 검색할 수 있어야 합니다.
실시간 데이터 처리를 분석과 광고로 연결하는 것, 즉 실시간 광고 사업과 인앱 모바일 광고를 위한 소셜 서비스를 연결한다는 점에서 상용화 가치가 있다.
운영자가 마스터한 사용자 온라인 행동 정보는 획득한 데이터를 "더 포괄적"이고 더 상업적으로 가치 있게 만듭니다. 대표적인 애플리케이션으로는 China Mobile의 "Pangu Search"가 있습니다.
2. '빅데이터'와 유통산업의 결합
많은 오프라인 유통업체들도 데이터 활용을 중요시하며, 축적된 데이터에 대해 다양한 분석을 실시하고 있다. 예측 및 분석. 그러나 특정 판매업의 경우 이상과 현실이 엇갈리는 경우가 많다. 얼마 전 시장의 한 유명 의류 소매업체가 수익성 있는 상장을 추진하던 중 재고가 10억 위안에 육박한다고 밝혔다. 많은 국내 소매업체들은 '빅데이터' 애플리케이션의 이점을 알고 있지만 일단 '빅데이터'를 자체 비즈니스 운영에 통합하면 현재 운영과 매우 큰 비호환성 문제에 직면하게 됩니다. 많은 회사는 이에 대해 매우 신중합니다.
1. 리테일 전략과 '빅데이터' 기술의 결합
리테일 기업이 말하는 '빅데이터'의 가장 큰 가치는 리테일 전략과 '빅데이터' 기술의 결합이다 판매 계획의 실현을 보장하기 위해 최대한 적극적인 소매 전략을 수립합니다. "빅 데이터"는 네 가지 "V"에 주목합니다. 첫째, 대규모 데이터 볼륨(Volume), 둘째, 주로 다양한 구조적 및 비구조적 데이터를 포함하는 복잡한 데이터 유형(Variety), 셋째, 낮은 가치 밀도(Value) 넷째, 데이터 업데이트 및 처리 속도(속도)에 해당합니다.
이러한 특성에 따라 비즈니스 데이터가 생성될 때 이에 상응하는 전략적 대응을 적극적으로 수행하면 기업은 시장 전략 조정을 위한 더 많은 시간과 여지를 확보하게 됩니다. 이는 큰 강에 대한 홍수 최고치 경고와 유사합니다. 상류의 최고점에서는 어떤 일이 발생하며 하류에서는 어떤 종류의 대응이 이루어져야 할까요? 이 수준에서 데이터를 사용해야 직접적인 비즈니스 가치를 가질 수 있습니다. 이는 비즈니스를 안내할 수 있는 판매량, 월별, 판매 계획 비율 데이터와 비교할 수 없습니다. 예를 들어, 온라인 비즈니스에 참여하는 실제 소매업체는 상품이 계획대로 판매될 수 있도록 상품 그룹에 대한 15분 판촉 기간 동안 세 가지 비상 전략 세트를 준비하는 경우가 많습니다.
물리적 비즈니스 분야에서는 데이터와 마케팅에 관한 사례가 많다. 이전 버전은 미국 월마트의 맥주와 기저귀 간의 데이터 관계입니다. 미국 여성들은 집에서 아이를 돌보기 때문에 퇴근길에 남편에게 아이를 위한 기저귀를 사달라고 부탁하는 경우가 많은데, 남편은 기저귀를 사면서 좋아하는 맥주도 사준다고 합니다.
맥주 매출과 기저귀 매출 사이에 긍정적인 상관관계가 있다는 사실을 알고 추가 분석을 하던 중 이런 구매 상황을 발견한 분석가는 서로 다른 카테고리에 속한 두 제품을 함께 배치했다. 이 발견은 판매자에게 새로운 판매 믹스를 제공합니다. 물론, 이 이야기를 아무리 많은 소매 체인이 알고 있다고 해도, 무리한 일이라 할지라도 일일 매출에서 이 같은 조합을 찾는 것은 드뭅니다.
따라서 리테일 전략설계는 유통업계에서 '빅데이터'가 가장 큰 가치를 갖는 곳이자, '빅데이터'가 직접적으로 뒷받침할 수 있는 사업이기도 하다.
2. 소매업체는 '빅 데이터'에 대해 올바른 태도를 유지해야 합니다
비즈니스 리더는 먼저 '빅 데이터'의 발전에 주의를 기울여야 하며, 회사의 데이터 센터에 주의를 기울여야 합니다. , 고객 데이터 수집 데이터는 기업 마케팅 운영의 첫 번째 목표입니다. 둘째, 회사 내부 인력을 교육하고 데이터 수집을 위한 소프트웨어 및 하드웨어 메커니즘을 구축하고, 셋째, 비즈니스 요구에 따라 수집해야 할 데이터를 결정합니다. 기업의 기존 데이터나 향후 방향을 기반으로 인프라 구축 계획은 처음 세 가지 목표를 어떻게 달성할 것인지에 대한 것입니다.
이러한 기본적인 IT 업무에 기업은 실질적인 투자를 하고 표준화된 정보 팀을 구축해야 합니다. 중국 비즈니스의 가장 큰 부분을 차지하는 중소기업 및 영세 소매업체는 불가능해 보이고 역량도 충분하지 않습니다. . 그런 변화에 직면하다.
대·중견 유통업체들은 자체 사업과 이익 축적으로 인해 이러한 수요 추세에 따른 비용을 감당할 수 있었다. 중소기업과 영세 기업은 여전히 급속한 발전을 겪고 있습니다. 대기업과 마찬가지로 모든 측면에서 투자하면 곧 새로운 IT 도구에 압도당하거나 큰 손실을 입을 것입니다.
그러나 이것이 중소기업에 기회가 없다는 것을 의미하지는 않습니다. 실제로 IT의 발달은 모든 기업에 동등한 선택권을 제공했습니다. 클라우드 컴퓨팅의 광범위한 적용은 이러한 것을 가져왔습니다. 변경.
중소규모 소매업체로서 자체적으로 '빅데이터' IT 시스템 구축을 고려할 필요는 없습니다. 따라서 이러한 기업은 에너지, 비용 및 능력 측면에서 적합하지 않습니다. 기업의 IT 시스템을 활용할 수 있습니다. 적합한 서비스 제공업체에 시공을 아웃소싱함으로써 기업 자체의 모든 에너지를 상권 발전에 쏟을 수 있습니다.
현재 일부 IT 소프트웨어 개발 운영자는 전통적인 소매 기업을 위한 기본 클라우드 서비스 플랫폼을 출시하여 중소기업 및 소규모 상업 기업에 대기업 및 초대형 기업과 동일한 기본 환경 및 시스템 아키텍처를 제공하고 있습니다. 소규모 기업에서는 목표와 적절한 단계를 명확하게 계획하고 필요에 따라 클라우드 플랫폼을 사용하면 됩니다. 막대한 초기 투자와 예측할 수 없는 운영 비용이 필요하지 않습니다.
3. 소매업체의 '빅데이터' 실제 적용
1. 대상
'빅데이터'에 관한 최초의 이야기는 미국에서 일어났습니다. .대형 슈퍼마켓 타겟. 임산부는 소매업체에게 귀중한 고객 그룹입니다. 하지만 그들은 일반적으로 Target에서 임신용품을 구입하는 대신 산부인과 전문점을 이용합니다. 타겟이라고 하면 청소용품, 양말, 화장지 등 생활필수품을 떠올리는 경우가 많지만, 타겟에는 임산부에게 필요한 모든 것이 있다는 사실을 간과하는 경우가 많습니다. 이를 위해 Target의 마케팅 담당자는 Target의 고객 데이터 분석 부서에 의뢰하여 임신 2기의 임산부를 식별하는 모델을 구축했습니다. 미국에서는 출생기록이 공개되는데, 일단 아이가 태어나면 갓 태어난 산모는 엄청난 제품 할인 광고에 둘러싸여 있기 때문에 임신 2기에는 최대한 빨리 조치를 취해야 한다. Target이 모든 소매업체보다 먼저 어떤 고객이 임신했는지 알 수 있다면 마케팅 부서는 이들에게 맞춤형 출산 할인 광고를 조기에 보내고 귀중한 고객 리소스를 조기에 타겟팅할 수 있습니다.
어떤 고객이 임신했는지 정확하게 판단하려면 어떻게 해야 하나요? Target은 회사에 베이비 샤워 등록 양식이 있다고 생각하고 이러한 등록 양식에 있는 고객의 소비 데이터를 모델링하고 분석하기 시작했으며 곧 매우 유용한 데이터 패턴을 많이 발견했습니다. 예를 들어, 모델은 많은 임산부가 임신 2기 초에 무향 핸드 크림을 대량으로 구매하고, 임신 첫 20주 동안 칼슘, 마그네슘, 아연을 보충하는 Centrum 정제와 같은 건강 관리 제품을 구매할 것이라는 사실을 발견했습니다. 마지막으로 타겟은 25개 대표상품의 소비 데이터를 선정해 '임신 예측 지수'를 구축했다. 이 지표를 통해 타겟은 작은 오차 범위 내에서 고객의 임신 상태를 예측할 수 있어, 타겟이 임산부를 대상으로 조기에 할인 광고를 할 수 있다. 고객.
가맹점이 자신의 사생활을 침해했다는 느낌을 고객이 느끼지 않도록 임신과 관련되지 않은 상품에 대한 할인 광고 중 임산부용품에 대한 할인 광고를 혼합하여 타겟팅합니다.
이러한 '빅데이터' 모델을 바탕으로 타겟은 새로운 광고 및 마케팅 계획을 세웠고, 그 결과 타겟의 임신용품 매출이 폭발적인 성장을 보였다. 타겟의 '빅데이터' 분석 기술은 임산부 고객층을 넘어 다양한 고객층으로 확산되기 시작했으며, 타겟이 '빅데이터'를 활용한 2002년부터 2010년까지 타겟의 매출은 440억 달러에서 670억 달러로 증가했습니다. 10억.
2. ZARA
ZARA의 의류 한 벌당 평균 가격은 LVHM의 4분의 1에 불과합니다. 하지만 두 회사의 재무 연차 보고서를 되돌아보면 ZARA의 세전 가격이 나와 있습니다. 매출총이익률은 LVHM그룹보다 23.6% 높다.
(1) 고객 요구 분석
ZARA 매장에서는 카운터와 매장 구석구석에 카메라가 설치되어 있고, 매장 매니저는 PDA를 가지고 다닙니다. 고객의 의류 패턴 선호도, 단추 크기, 지퍼 스타일 및 기타 작은 조치와 같은 고객의 모든 의견을 기록하는 것이 목적입니다. 매장 점원이 지점장에게 보고하면 ZARA 내부 글로벌 정보망에 업로드되어 하루에 최소 2번씩 본사 디자이너에게 정보가 전달되며, 본사에서 결정이 나면 즉시 생산 라인으로 보내져 고객에게 전달됩니다. 제품 스타일을 변경합니다.
매장 문을 닫은 후에는 영업사원이 매일 체크아웃을 하고, 진열대 안팎의 상품 재고를 조사하며, 고객의 구매 및 반품률에 대한 통계를 작성한다. 매장현금 데이터와 결합하여 당일 거래 분석 보고서를 작성하고, 당일 상품의 베스트셀러 순위를 분석한 후, 해당 데이터를 ZARA 창고 시스템으로 직접 전송합니다.
생산 및 판매 결정을 내리기 위해 대량의 고객 의견을 수집하면 재고율이 크게 감소합니다. 동시에 ZARA는 이러한 전화 및 컴퓨터 데이터를 기반으로 유사한 "지역 동향"을 분석하고 색상 및 스타일 생산에 있어 고객 요구에 가장 가까운 시장 부문을 만듭니다.
(2) 온라인 매장 데이터와 결합
2010년 ZARA는 유럽 6개국에 동시에 온라인 매장을 설립하여 인터넷상의 막대한 양의 데이터 연결성을 높였습니다. . 2011년에는 미국과 일본에서 각각 온라인 플랫폼을 출시했으며, 온라인 매장에서는 매출 증대와 더불어 양방향 검색 기능과 데이터 분석 기능도 강화했습니다. 이는 생산 측의 의견을 재활용할 뿐만 아니라 의사결정자가 목표 시장을 정확하게 파악할 수 있도록 하며, 소비자에게 보다 정확한 패션 정보를 제공하며, 양측 모두 '빅데이터'의 이점을 누릴 수 있습니다. 분석가들은 온라인 상점이 ZARA의 수익을 최소 10% 증가시킬 것으로 추정합니다.
또한 온라인 상점은 거래 행위 외에도 활성 제품이 출시되기 전의 마케팅 시금석이기도 합니다. ZARA는 일반적으로 먼저 인터넷을 통해 소비자 의견 조사를 실시한 후, 온라인 피드백을 통해 고객 의견을 수집하여 실제 배송되는 제품을 개선합니다.
ZARA는 인터넷상의 방대한 데이터를 오프라인 매장에 대한 사전 테스트 지표로 간주합니다. 인터넷에서 패션 정보를 검색하는 사람들은 일반 대중보다 의류에 대한 아방가르드적 선호도, 정보 지식, 트렌드 창출 능력이 더 높기 때문이다. 또한 인터넷을 통해 ZARA를 처음 접하는 소비자들은 실제 매장을 방문하여 소비하는 비율이 높습니다.
이러한 고객 데이터는 생산 측면에서 사용되는 것 외에도 ZARA가 속한 Inditex 그룹 전체의 다양한 부서(고객 서비스 센터, 마케팅 부서, 디자인 팀, 생산 라인 및 기타 부서 포함)에서도 사용됩니다. 채널 등 이 엄청난 양의 데이터를 바탕으로 각 부서의 KPI가 형성되어 ZARA 내 수직통합의 주축을 완성하게 됩니다.
ZARA가 추진하는 대규모 데이터 통합은 나중에 ZARA의 Yingdes Group 산하 8개 브랜드에서 학습되고 적용되었습니다. 미래 패션산업에서는 테이블 위의 디자인 역량 외에도 테이블 밑의 정보/데이터 전쟁이 더욱 중요한 보이지 않는 전장이 될 것으로 예상된다.
(3) 데이터의 신속한 처리, 수정 및 실행
H&M은 항상 ZARA를 따라잡고 싶었고 제품 프로세스를 개선하기 위해 '빅 데이터'를 적극적으로 사용했지만 결과는 다음과 같습니다. 둘 사이의 격차는 점점 더 벌어지고 있습니다. 왜 그럴까요?
가장 큰 이유는 '빅데이터'의 가장 중요한 기능이 생산 시간을 단축해 생산 측에서 고객 의견을 바탕으로 빠르게 수정이 가능하기 때문이다. 하지만 H&M의 내부 관리 프로세스는 '빅데이터'가 제공하는 방대한 정보를 뒷받침할 수 없습니다. H&M의 공급망에서는 패턴 제작부터 배송까지 약 3개월이 소요되는데, 이는 ZARA의 2주와 전혀 비교할 수 없습니다.
H&M은 디자인과 생산의 거의 절반을 스페인에서 유지하는 반면 H&M의 생산지는 아시아, 중남미 전역에 분산되어 있는 ZARA와는 다르기 때문이다. 국경 간 통신에 소요되는 시간은 생산 시간 비용을 증가시킵니다. 결과적으로 '빅데이터'는 당일 각 권역별 고객의 의견을 반영하더라도 즉시 개선될 수 없다. 정보와 생산의 분리로 인해 H&M 내부 '빅데이터' 시스템의 실효성은 더욱 커진다. 제한된.
'빅데이터' 운영 성공의 열쇠는 정보 시스템이 의사결정 과정과 긴밀하게 통합되어야 하고, 소비자 요구에 신속하게 대응하고, 수정하고, 즉시 의사결정을 실행해야 한다는 것입니다.
3. 아마존
아마존은 2012년 말까지 별다른 광고 사업을 추진하지 않았다. 아마존이 실시간 광고 거래 플랫폼을 출시할 예정인 것으로 알려졌다. 페이스북과 구글에 도전하세요. DSP(Demand Side Platform)라고도 알려진 이 실시간 광고 거래 플랫폼을 통해 광고를 통해 타겟 소비자를 만날 수 있습니다. 광고주는 "수요측 플랫폼"에서 웹사이트의 미사용 광고 공간에 대해 입찰할 수 있으며, 입찰에는 특정 조건을 충족하는 광고 슬롯과 소비자가 포함됩니다.
아마존이 개발한 '수요측 플랫폼'은 '광고주가 인터넷에서 많은 사용자에게 다가갈 수 있도록 돕고, 고객이 구매하려는 제품에 대한 관련 정보를 빠르게 찾을 수 있도록 도와준다'는 개념이다. 수요측 플랫폼'은 Amazon 최초의 플랫폼이 아니지만 풍부한 데이터를 기반으로 합니다.
아마존이 광고주와 공유하는 정보에는 두 가지 유형이 있습니다. 하나는 패션에 대한 열정, 전자 제품 사랑, 엄마 되기, 커피 사랑 등 사용자의 온라인 행동을 기반으로 한 일반적인 분류입니다. .; 두 번째는 사용자의 상품 검색 기록입니다. 소비자들의 실제 쇼핑 정보에 대해서는 아마존이 아직까지 공유에 포함시키지 않은 것으로 보인다. 광고주가 실제 소비 기록을 알 수 없더라도 잠재 고객의 상품 검색 기록은 알 수 있지만, 아마존이 온라인 광고 시장에 본격 진출한다면 업계 생태계는 크게 바뀔 수 있다.
2012년 아마존의 광고 수익은 약 5억 달러였으며, 2013년 광고 수익은 10억 달러에 이를 것으로 예상됩니다. 이는 향후 몇 년 동안 Amazon의 수익 성장을 위한 새로운 원동력이 될 것이며, 더 중요하게는 Amazon의 비즈니스 중 가장 높은 이윤폭 중 하나가 될 수도 있습니다.
4. 월마트
2011년 월마트의 전자상거래 수익은 아마존의 5분의 1에 불과했고 그 격차는 해마다 넓어져 월마트는 디스커버를 따라잡으려고 노력했습니다. 디지털 수익 증대를 위한 다양한 모델. 결국 Wal-Mart는 소셜 네트워킹 사이트를 통한 모바일 상거래에 진출하기로 결정했습니다. 이를 통해 Wal-Mart의 내부 판매 결정에 더 방대하고 빠른 정보를 입력할 수 있게 되었습니다. 월마트의 각각의 구매 제안은 방대한 양의 데이터 계산의 결과입니다.
2011년 4월 월마트는 전문 분류 소셜 네트워킹 웹사이트인 코스믹스(Kosmix)를 미화 3억 달러에 인수했습니다. 코스믹스는 기업을 위해 인터넷상의 방대한 양의 정보(빅데이터)를 수집하고 분석할 수 있을 뿐만 아니라, 이 정보를 개인화하여 최종 소비자에게 구매 제안을 제공할 수 있습니다. (결제 정보 추적이 아니었다면 이러한 미묘한 소비자 습관은 어려울 것입니다.) 이해하기 위해) 매장 순찰에서 발견됨). 이는 Walmart가 사용하는 "빅 데이터" 모델이 고객 요구를 "마이닝"하는 것에서 소비자 요구를 "창조"할 수 있는 것으로 발전했음을 의미합니다.
월마트 자체는 다양한 비즈니스 분석 행동에 적합한 대규모 데이터 시스템입니다. 그 포괄적인 기능은 세계 최대의 소매 산업(특수 독서) 거대 기업으로서 월마트는 주변에 200만 명 이상의 직원을 보유하고 있습니다. 전 세계에는 총 110개의 초대형 유통 센터가 있으며 매일 10억 개가 넘는 정보를 처리합니다. 데이터의 양이 너무 많기 때문에 월마트 '빅데이터' 시스템의 가장 중요한 과제는 모든 결정을 내리기 전에 실행 비용을 최소화하고 새로운 소비 기회를 창출하는 것입니다.
코스믹스가 월마트를 위해 만든 '빅데이터' 시스템은 '소셜 게놈(Social Genome)'으로 불리며 트위터, 페이스북 등 소셜미디어와 연결된다. 엔지니어들은 매일 최신 뉴스를 활용하여 현재의 사회적 이벤트에 대응하고 소비자 수요를 창출하는 제품을 출시합니다. 분류 범위에는 소비자, 뉴스 이벤트, 제품, 지역, 조직 및 뉴스 주제가 포함됩니다. 동시에 소셜 네트워크의 빠른 뉴스 흐름 특성을 고려하여 Walmart 내부 '빅 데이터' 연구소는 모바일 인터넷 액세스와 결합된 추적 시스템을 특별히 개발하여 거대한 사회적 역학을 관리 및 추적하고 더 많은 정보를 처리할 수 있습니다. 매일 10억 개 이상의 정보가 제공됩니다.
'사회적 게놈'은 다양한 방식으로 활용될 수 있습니다. 예를 들어 Walmart Labs의 내부 소프트웨어는 Foursquare 플랫폼의 체크인 기록을 통해 블랙 프라이데이에 다양한 지역의 소비자가 가장 자주 구매한 품목을 분석한 다음 다양한 지역에 대한 구매 추천을 제공할 수 있습니다.
위 내용은 빅데이터가 유통업계와 어떻게 결합되어 실제 전투에 적용되는지에 대해 에디터가 공유한 관련 내용입니다. 자세한 내용은 글로벌 아이비를 팔로우하시면 더 유용한 정보를 공유하실 수 있습니다
>