新零售的兴起
“未来的十年、二十年，没有电子商务这一说，只有新零售 。”这是马云在2016年的云栖大会上提出的，也是“新零售”这个词第一次出现在人们的视野里，一时间似乎每家品牌商/零售商都在思考自身的新零售转型。
如今，新零售已成为了一个老生常谈的名词。我们也观察到
新零售领域正在通过连通全域数据、重构整体交互的方式来实现传统人、货、场三者的关系。
传统零售模式面临着数据割裂的状态，无法实现品牌商与零售商、零售商与消费者、消费者与产品、产品与服务四个环节的联通，形成闭环。
电商巨头玩家的进入对新零售的整体架构进行了重组及再融合。
在整个新零售领域，由电商平台，互联网巨头，以及传统零售商扮演的玩家开始通过电商模式创新、线下模式创新和融合创新模式尝试新零售下的不同实践。
在这样的大环境下，新风口、新技术、新物种、新玩法不断涌现，资本、新玩家不断涌入，零售行业呈现出了多年来未见的活跃气氛。越来越多的品牌商开始强调以“消费者”为核心，他们希望了解消费者的心理并投其所好，提高经营效益。甚至连奢侈品牌也不得不放低他们高冷的姿态，开始关心起了流量，线上购买和小程序。
新零售的本质
同西方150年以来爆发的零售革命一样，中国从20世纪90年代中期开始，也爆发了一场综合性的零售革命。但无论是百货商店 、连锁商店、超级市场还是电子商务等不同形式，不同阶段的零售发展始终围绕着“成本、效率和体验”展开。
从新零售的特点上来看，我们将其归纳为线上线下同品同质同价。其中体现了成本、效率和体验的全方位融合。为了实现这一融合，在新零售的背景下，渠道依然是核心的要素。线上企业与线下商家的全方位合作即是对渠道概念的进一步拓展，更是对渠道作用的再一次升级。
消费主权时代的到来使得需求越来越个性化和多元化。消费者的关注点从性价比、产品功能等共性特征转向美学设计、价值标签等个性特征，这对产品和零售的适配度提出了更高的要求。消费者正在扮演更加积极的角色，从被动接受和选择到主动影响和创造。这也让品牌方不得不从品牌为中心转变为以消费者为中心。如何整合碎片化的媒介渠道，提供一体化的购物体验，逐渐成为他们真正关心的内容，
零售业的本质没有变过，依然是成本、效率和体验，变化的只是着力点的不同。新零售时代，消费者和渠道的协同组合带来了“无界”和“精准”的两大要求。其背后的支撑很大程度上将由企业的数据能力所决定。
传统零售的数据困局
为了更好的理解传统零售的数据困局，让我们先来看两个例子
家乐福
1995年进入中国的家乐福，以主打线下商超为主。2009年家乐福营业额开始下滑，但直到2016年底，家乐福才开始试水APP和线上购物等尝试。APP的体验反馈相当差，缺少用户数据和浏览行为跟踪，无法有效的将线下的流量吸引到线上。商品方面，品类相对固定，无法提供网红产品。物流方面，不具备自有物流的能力，所以面对新零售的体验，家乐福在消费者，商品销售和物流效率的体验上都非常的差。对市民特别是年轻人的吸引力明显不足。运营模式日渐丧失其应有的活力。
盒马鲜生
2015年成立后，利用两年多的时间打造了独有的“新零售”商业模式，在2017年底开设了25家门店。盒马鲜生的商业模式来自于线上线下的整合模式通过实体门店实现建设品牌与引流、提升消费体验、还作为仓储物流中心，而线下APP则成为主要销售渠道以及搜集与分析消费者的界面。，盒马鲜生基于“吃”的应用场景，把超市跟餐饮结合，建立新零售业态。
根据普华永道2017年零售业的调查，约52%的中国消费者通过移动设备或智能手机购物，41%的中国消费者通过社交平台获取促销信息。相比之下，这一数字在全球仅达到14%和34%。（数据来源pc《中国零售业 智慧开启未来》）随着时间成本的提升，以及大量信息来源可供选择，国内消费者碎片化购物已成为常态。
传统零售业迫切的希望跟上新零售的主航道，但当他们尝试转型的时候，却发现了渠道分散、客户体验不一、成本上升、利润空间压缩等多个困局。当提及传统零售企业面临的巨大挑战时，30%的决策者认为受限于预算，21%认为太多遗留系统需要变更，20%认为难以和现有系统集成。（数据来源pc《中国零售业 智慧开启未来》）
那么是什么造成了这些困局？又是什么让传统品牌商/零售商无法有效的整合自身的渠道资源，更好的实现以消费者为中心？为什么有着互联网基因的零售企业就能打破这些困局呢？
答案或许正是传统品牌商/零售商过早的拥抱了现代化IT建设。其庞大厚重的IT基础设施无法支撑全渠道时代下，随需应变的数据能力要求。
比起有着互联网基因的零售企业，他们更早的采用了商业套件，更早的使用传统的ERP，CRM等系统，通过数据仓库来管理企业的商品数据，客户数据，企业运营等数据。这些数据之间以相对独立的方式运行了几十年，横向扩展性差，数据拉通性也不够理想，最终造成的是实体门店、电商（自建官方商城或入驻平台）、社交自媒体内容平台、CRM会员系统的数据割裂严重。为了满足新零售时代下对于消费者和渠道利用的要求，传统品牌商/零售商开始被迫的使用独立部署的方式响应业务发展带来的需求。应用烟囱一个接一个的竖起。让本身就无法实现数据拉通的IT架构雪上加霜。
对于IT部门，他们有心无力，既缺乏转型的技术能力，又得不到企业内部的有效重视。对于业务部门，缺少有力的IT能力的支持，创新的业务实践也无法快速展开，更别提拥抱新零售了。
突围困局建立数据能力
今天，以数据智能推进品牌建设，精准运营用户，已经是全球众多品牌的“战略标配”。数据越精准，企业产品开发的风险便越小，生产成本和损耗也会变得更低。，企业对消费者的感知也会更精确，营销费用也比较低。而这些数据，靠传统渠道是无法获知的。
新零售体系下，要求传统品牌商/零售商以消费者运营为核心，以数据为能源，实现全链路、全媒体、全数据、全渠道的智能化运营。从上图的零售业数据应用金字塔模型中我们能看到，用户唯一ID（用户画像），数据拉通能力是企业进行业务运营（成本，效率），用户洞察与体验优化（体验）的基石。，对于传统零售业，数据能力的建设需要从三个方面进行考量UNI-ID，数据中台建设，应用场景规划。
UNI-ID（统一身份识别体系）
目的
品牌商/零售商想要了解他们的顾客，必须先回答以下6个问题
WHO——顾客是谁，他们到底长什么样子，有什么偏好？
WHEN——他们一般什么时候来，多长时间来一次，一次来多久？
WHERE——他们一般都会去哪些位置，这些位置之间有什么联系
WHAT——他们来的时候都做了一些什么事情
WHY——为什么要做？可不可以不做？有没有替代方案？
HOW ——他们是怎么做这些事情的？如何提高效率？如何实施？方法是什么？
在全渠道时代，这些问题的答案分布在不同的消费，行为，兴趣，社交等数据中。为了勾勒出真实的用户，我们就需要建立基于消费个体/群的身份识别体系。汇聚碎片化的用户信息，对应到个人/群体，才能360度地描绘出基于消费个体/群的画像，帮助企业更好地进行消费者资产管理。进而对这个虚拟的人进行全景分析，分析内容兴趣偏好、购买偏好、态度偏好等，基于这些数据，为品牌的决策提供数据支持。
做法
很多企业的管理者都已经意识到，在新零售的环境下，不仅要采集用户的线上数据，更需要采集线下的数据，这样才能让用户的行为数据从独立的信息孤岛，真正串联起来，实现由点到面的质变。
为了实现UNI-ID，可以从两种方式进行切入
运营驱动型UNI-ID
不是每一个传统的品牌商/零售商都可以一蹴而就的实现UNI-ID的能力建设。面对割裂严重，甚至是残缺少量的用户数据，企业需要一个较长的改造过程。在这期间，回归本源，通过运营流程的设计引导用户按企业希望的方式提供关联性数据，可能是一个更加理性和有效的方式。
所谓的运营驱动型UNI-ID，是指品牌商/零售商先以可作为唯一ID的手机号码或者身份证号来标识不同的顾客；通过对现有渠道数据采集方式和内容的梳理，分析线上、线下不同用户触点间为了达到统一身份识别所存在的差异；针对这些差异，设计对应的运营流程来补全缺失的数据。如线下表单注册，到店注册好礼，手机互动等。逐渐积累数据过渡到以数据驱动的UNI-ID的建设上来。
数据驱动型UNI-ID
数据驱动的UNI-ID属于相对高阶的玩法，需要企业已经积累了一定量的消费者数据，且在多个渠道上有不同的触点可以不断跟踪获取消费者行为的增量数据（如Wi-Fi指纹、MEMS、蓝牙推送、NFC会员卡、3D传感+视频监控、线上埋点等）。
在建立UNI-ID体系的时候，不再需要通过手机号码或身份证号这些信息来形成用户唯一标识（，如果存在，效果更好），而是通过采集所有消费者账号、行为数据等重构为一个虚拟的人。通过数据分析、机器学习等技术对用户建模，将增量的用户行为数据归并到虚拟消费者身上，随着行为的越来越多，数据越来愈大，标签越来越多，这个虚拟消费者就会越来越趋近于真实世界的那个他。
数据中台
目的
无论是UNI-ID，还是智能零售应用，它们都需要依靠底层打通的数据进行支撑，这点十分考验品牌商/零售商对数据采集、整理、分析和应用的能力。所以数据中台的建设是企业避不开的环节，也是悬在企业头上的达摩克利斯之剑。
数据中台为品牌商/零售商提供了一个场所和工具，以数据-业务一体化为核心，将跟品牌，消费者相关的多维度数据，沉淀到数据中台中形成数据资产，通过数据的闭环能力进行分析、再利用和再营销，帮助实现营销和用户运营的再优化。
新零售时代，不再区隔线上和线下消费者，消费者与品牌商/零售商互动的过程，跨越了实体渠道和数字化渠道的多个触点。，在架构上，要求把零售主数据（包括商品、顾客、价格）、动态数据（包括库存、订单）集中处理，沉淀到数据中台中，作为唯一可信数据来源的数据中台在其中可以对接多样的业务前端，支持业务前端的灵活变化，将这些功能从相对死板的ERP，CRM中解放出来，解决了商业套件不适应全渠道时代的问题。
做法
数据中台的架构大同小异，相信很多传统品牌商/零售商已经听出了茧。但，他们又对平台，中台等词汇有着一种抵触的情绪，觉得太大了，太重了。其中牵涉到的业务环节太多了，可谓牵一发而动全身。甚至连阿里巴巴如此雄厚的技术能力，也需要花费多年，投入巨大的财力和精力才成功的完成了数据中台的转型。传统品牌商/零售商的IT能力本身就相对薄弱，所以虽然知道了概念，理解了数据中台能带来的好处，迟迟未曾有实际的动作。
，现成的一些平台套件也无法完全满足传统零售差异化的业务需求，所以势必需要企业采用完全定制化的做法。数据和智能创新所带来的不确定进一步让品牌商/零售商裹足不前。
数据资产的安全性又是另一方面的考量，不得不承认阿里中台能力的对外开放，能够帮助传统品牌商/零售商快速建立数据中台的相应能力，但如果从长远来看，企业的数据无法沉淀下来为己所用，数据安全性上的担忧势必要求企业进行取舍。
面对这样的一种业界需求，ThoughtWorks结合自身多年来在敏捷实践和微服务架构的技术能力，采用精益数据资产中台的方案，帮助企业完全定制化的快速建立数据中台的基础能力，通过后续的迭代演进，为企业实现数据资产的沉淀。
将原本横向叠加的建设方式演变为纵向切分，逐步完善。 MVP阶段就能满足基本的数据应用能力。 轻量、敏捷的部署方式让企业能够快速试错，迅速建立数据中台能力。
应用场景的数据化
目的
无论是盒马鲜生、超级物种、连咖啡，还是小米之家等，这些“新物种”无一不是基于消费者的场景化需求而出现的。电子小票、专属导购客服、客户到店数据采集也是诸多应用场景的成功实践。
定位到正确的场景，就是成功了一半。品牌商/零售商之所以要做UNI-ID，要建设数据中台，要搭建智能应用，其目的都是为了实现应用场景的下沉。所以无论数据中台搭建得多么强大，UNI-ID体系建设得多么完善，没有应用场景的支撑，数据就只是存储着的0和1而已，没有任何商业价值。
，有了成功的应用场景，消费者才愿意与品牌商/零售商进行互动，有效的互动过程中，才能帮助企业拿到真实的用户数据，反哺和优化现有的“人-货-场”数据资产，让其发挥更高的价值。
做法
应用场景的规划不是天马行空式的，需要符合企业的战略发展，满足未来落地的实际需求。品牌商/零售商在面对行业中不断涌现的“新玩法”，“新物种”时，总有一颗跃跃欲试的心，此时更要求决策者们冷静的思考，根据实际的需求，现状和数据能力判断投入和产出。
长期的实践让我们对于这样的规划形成了一套独有的探索-定义-验证-规划的方法。能够帮助品牌商/零售商从战略的角度出发，结合自身的业务现状进行理性的调研和分析，通过发散-收敛的循环往复，勾勒出应用场景的雏形。 对数据的探索和关联成为了数据化应用场景的关键，这一过程中涉及诸如内部数据的勘查，外部数据的调研，数据成熟度分析，数据的场景化匹配等内容。
下图展示了一个应用场景的规划所涉及的内容（参考）
效益指数和紧迫性指数将决定着应用场景列表中有哪些场景是需要优先被测试模拟的。通过POC验证高优先级的应用场景，便于对数据需求进行调整和优化。通过创建-设计-定义-测试的闭环进行迭代后，最终形成了数据化后的应用场景。
零售业是一个数据密集的行业，商品、供应链以及用户挖掘等方面有极多的数据应用。除了上文提到的UNI-ID、数据中台和应用场景，品牌商和大型零售企业还需要关注数据治理，数据安全等多个新零售时代下的难题。
在传统零售时代，从产品的规划设计到送达消费者使用的整个供应链中，我们依靠人力来做出联动和商业决策，自然会流失很多的商机。也无法整体发掘我们为消费者带来的价值。
在新零售时代，品牌商/零售商端到端的转型已迫在眉睫。在通过数字赋能优化决策和转型的过程中，数据令品牌能够快速反应，及时改进销售策略、调整产品。
数据能力决定了谁能把握新零售的机会，谁又将被历史所淘汰。