极海赋能新零售 — Smart Retail 2018智慧零售国际峰会
近两年，“新零售”的概念像巨浪一样席卷了很多行业，无论是行业中的创新者还是观察者都在试图去摸清“新零售”的脉络。在这样一个新浪潮出现的时候，我们面临的是一个真正的商业范式大变革，一切商业都能快速地智能化，未来就是智能商业的时代，那么零售企业需要拥有什么样的DNA才能抓住这样的历史机遇？
▼
9月20-21日，Smart Retail智慧零售系列国际峰会2018年度大会在上海盛大开幕，赋能新零售是Smart Retail2018的主题，力邀200+主流零售品牌商的超过700位总监及以上级别代表共聚上海，共同分享交流如何把握时代契机赋能新零售。
极海作为唯一一家提供位置驱动的智能决策的企业代表出席大会，与众位业界大咖分享如何采用地理的视角和方法赋能零售决策智能。
阿里巴巴集团学术委员会主席曾鸣对新零售有非常独到的见解：“新零售之所以新，就在于它的新基因，是数据智能和网络协同与零售商业场景融合一体的结果，数据成了未来最重要的生产资料，算法成了未来最重要的流水线。”
其中非常重要的就是通过算法对海量数据的处理，极海正把商业决策变成机器决策，通过算法让我们的数据更智能，基于数据和算法的数据智能可以真正让未来的商业决策自动化、智能化。
我们回到零售场景里，来说明这个问题，现在稍有规模的品牌，都希望了解自己的用户，了解门店的客流和周边的情况，评判不同位置的门店品效，传统的方式是去线下调研，我们想到的是用数据去勾勒周围的世界。
而数据对实际情况还原的好坏，直接决定了据此决策的优劣。
最常看到的方法就是用四边形、六边形的格子去评价某个区域的人口、房价、商业环境。为什么大家不约而同的都在用这样的方式呢？是因为我们手头的数据绝大多数都是点数据，学校是一个点、东方明珠是一个点、每次定位是一个点，甚至居民小区名也是点数据，我们希望用一种快速的方法来描述地理空间，并且把这些数据统统放进去，进行多维度分析。因此，一种简单有效的办法就是铺网格。但我们的真实需求是，我们想通过奥运村的各个小区房价来反映整个区域的房价水平，想通过每个手机基站的联机数来反映一定区域内的人口水平，但这种标准化格网，却把数据本来应有的特征信息统统抹平。
比如，有些格网把房屋劈成了两半，格子里面既有湖泊又有建筑。
如果这里有居住人口，是不是意味着他们都住在水里呢？可见，用这样的方式去分析数据，由此得出的决策信息质量会大打折扣。或许我们把格网做小做细是不是能解决问题呢？当然没问题，网格只有巴掌大都行，但这些格网里填什么数据呢？
我们的做法是事先把画像中相邻相似的特征找出来，最大限度的区分不同特征，区分越细致越好。就像玩秘密花园涂色游戏一样，我们把采集到的特征点颜色填到这些做好的区块里，就能更加真实的反映实际情况。比如图一是用网格生成的蒙娜丽莎，图二则是用极海的办法生成的蒙娜丽莎。
图一
图二
▼
因此，对于城市，极海希望能够做一套能够更准确反映城市状况基本单元，每个单元地理属性比较均一，填入自己的数据，得到一份独一无二的城市色彩，作出更好的数据决策。做这份数据，我们自己要求自己一定要针对全国范围达成四个目标：
>>>> 这份数据是能够定期更新的，新修的道路新盖的城区要能及时反映
>>>> 所有城市采用相同的生产标准，避免数据质量层次不齐
>>>> 我们的城市轮廓和边界要贴合实际，要无缝覆盖，清晰光滑
>>>> 最后，尺度要尽可能精细，满足精细的数据分析任务
比起打格子，要达成这些目标复杂多了。
经过长期的实践，我们积累了足够的边界数据，也找到了最适合的算法，完成了心目中的秘密花园数据，我们称之为“自然街区”。
再举个例子我们用路网和通行速度点历史数据可以计算等时到达圈。可以准确的知道外卖30分钟的配送范围到底什么样，我们可以计算5分钟、10 分钟、15 分钟车程到达的不同范围，同时给这些范围制定不同的营销策略，比如说5分钟推打折券，10分钟安排班车，15分钟的为特殊商品，投放户外广告。
目前这些智能数据已经被多家领先的零售连锁企业采用。
有了更智能的数据，下一步，则是『数据赋能解决决策的问题』这里则需要落地的平台和模型。我们拿零售门店选址来举例：
很多零售企业都有快速扩张的诉求，比如luckin coffee和麦当劳，麦当劳的官网上公告在2022年前要新增2000家门店。那么我们有没有办法，让这件事情变得轻松可行、高效精准呢？
我们为一些国际著名零售企业服务，探索出了一整套基于智能地图的零售选址决策方案，帮助类似需求的企业，来实现他们快速扩张的目标。
这个解决方案我们总结为三步，第一数据整合、第二系统流程、第三决策模型
传统选址方式中，主要的精力花费在对外部资料的收集调查上，但是现在利用大数据技术则可以大大提高了效率降低成本，整个选址的决策的过程主要涉及对物业内外部数据的综合分析，我们将人的数据、区域商业环境的数据、同业竞争、交通设施， 填入自然街区，然后从各个维度评估物业商圈的整体水平，保证最终门店快速扩展目标的达成。
完成了数据整合，第二步就可以来构建标准流程的选址系统。简单的说，选址有两个大的步骤，一个是规划，一个评估。规划是从宏观的角度告诉开发人员应该优先考虑那个城市，进入到一个城市，再考虑自有门店、竞争对手门店、潜力的基础上，还有哪些区域可以布点的。
评估则是比较微观的层次，是了解候选点周边的微观环境，人、区域环境、竞争、交通。微观的评估我们最终希望给到用户一个决策的依据，总体的评分。
准备好了数据，梳理了流程，怎样才能帮助开发人员每天推荐一个候选点呢？
第三步，我们通过机器学习的方式去学习门店销售相关的指标，比如销售额、会员数、到店率，了解成功的门店周边的商圈特征，从城市视角去评估哪些商圈有潜力但是还没有门店覆盖，这些信息会快速推荐给开发人员。
回顾整个解决问题的过程，我们发现地图起到很大的作用，通过位置信息能整合多源数据、生成更智慧的数据，承载更全面的分析流程，融合AI技术，从而最终实现智能化的选址洞察与决策建议。
随着极海在数据赋能，智慧决策方向的专注投入，我们希望极海在零售业的服务边界不断的得到突破和扩展。
今年年初，极海与IBM达成合作，共同探索智能地图在国内零售门店智能化运营上的落地。IBM 看中了极海的三大核心能力，第一是智能的地理数据，第二是承载的云平台，第三是创新技术的落地。
正因为这些优势，IBM和极海走到了一起，基于智能地图，和人工智能的技术。为每个门店开发选址，货品合理组合，需求的预测，持续优化数学模型，用数据和新技术给零售企业在新时代赋能。
新零售的本质是因为新技术的驱动，是因为数据成了未来最重要的生产资料，算法成了未来最重要的流水线。这是取代工业时代的钢铁和电驱动的流水线，这两个最根本的生产力的变化。未来新零售的本质离不开数据、算法、人工智能这些最前沿的技术。
极海，作为位置驱动的智能决策领导者，致力于提供地理维度的数据、算法、人工智能的技术服务，赋能零售数据智能、机器智能。
往期精选
关注极海