1.数据分析日益升温

在2011年8月19~20日的“2011派代电子商务年会”中，至少有4场精彩的主题演讲直接或间接谈到了数据应用对电商发展的重要作用。

在“论道电商趋势：——卡位移动电子商务”的演讲中，俞总指出凡客的短信营销是做得最好的，但凡客的短信“没有经过大脑”，言下之意，凡客虽然重视短信营销，但没有深入研究用户特征和购买意向，也即没有将用户数据和短信营销结合起来，因而发送的短信营销效果有限，且可能引起用户反感。

在“数据挖掘与用户研究”的演讲中，车品觉前辈指出在时间为王的年代，电商是眼球经济，用户的有效浏览时间只有17分钟。他提出了“ROA”的概念，指出电商不仅应关注ROI，更应该看到访客关注（Attention）和参与（Engagement）的回报，也就是访客从来到网站，到查看商品，到将商品放入购物车，到下单，到支付，到成交，这样的一个过程中，到底有多少人最终给电商带来了价值，并且应该看到这样的一个过程，并不是连续发生的，而是存在着一个时间上的滞后。对访客和客户行为与价值回报的深入追踪，分析其ROA，并据此改善经营，对客户进行针对性营销与关怀，是电商的重要制胜之道。

在“NALA凭什么两年从零做到3亿”的演讲中，刘总将“数据化运营”放在了极其重要的位置，NALA首先通过数据分析进行了准确的定位，认为化妆品行业的第一层需求是“安全、正品”，在货源和真品证据上下足功夫；第二层需求是产品功能，通过“真人秀”、1.5米工程、帮派、Q群等途径提高访客转化率；第三层需求是“品牌和价格”，采用“不打价格战”的策略，提升品牌知名度。在整个经营过程中，刘总每天都会关注8-10个主要数据，如销售额，回头率，转化率等等，所涉及的数据范围包括了进销存数据、流量和推广数据、UED数据（用户体验数据）、CRM数据（客户数据）、财务数据、采购数据等六大方面，并指出应将各方面的数据进行综合分析和关联分析。刘总本身是数据分析的实战派大师，对数据的深入分析与灵活应用为NALA的发展注入了强大的动力，他的精彩演讲赢得了众多卖家一次次热烈的掌声。

在“如何提高重复购买率”的演讲中，吕公子一次次强调卖家应该关注培养客户的忠诚度，认为客户从第一次购买到第二次购买最难（该过程的客户流失率大于60%），也最为关键，如果客户完成了第二次购买，那他们以后就最有可能形成重复购买的习惯（从第二次到第三次购买的客户流失率小于20%）。吕公子强调卖家应通过对客户数据的挖掘，分析客户的访问周期、购买周期、购物习惯、浏览喜好、最近浏览了那些品类、将哪些商品加入了购物车等等方面的数据，对客户进行分类和定位，通过优惠计划、个性化服务、个性化邮件、主题EDM、短信、商品关联推荐、注册送礼、组建核心用户俱乐部/讨论组、主题活动等方式，关注新客户（他们正与你处于蜜月期），唤醒假寐客户（他们可能正在流失），小心翼翼地激活沉睡客户（他们正离你远去）。吕公子指出现在很多卖家还停留在“以流量为导向”的初级电商阶段，少数上升到了“以产品为导向”的中级电商阶段，极少数正在向“以客户为导向”的高级电商阶段发展，而“以客户为导向”的电子商务，不是资本、价格和品牌的打拼，而是经营理念的嬗变，其中对客户数据的尊重、深度挖掘与灵活应用是关键。

2.数据商务初露端倪

通过以上对“2011派代电子商务年会”的回顾，可以看到数据应用对电商发展的重要价值。而在台下与很多卖家的沟通中发现，他们对如何看数据、如何用数据仍然感到非常迷茫和困惑，目前市场上的电商数据分析工具尚存在不少问题，基本停留在数据统计的层面，对于用户想要使用它们进行有效的分析进而发现问题、做出决策、改善经营而言，门槛仍然太高！此外，目前绝大多数卖家的主要精力还是放在如何“卖东西”上，正如NALA的刘总所言，他的定位还只是一个“贩子”。然而，不可忽视的一个趋势是，数据在电商发展中，正扮演一个越来越重要的角色，正形成一股越来越大的助力，可以说，“数据商务”已初露端倪，未来的电商红海中，纵横驰骋的必定是善用数据的众多NALA和芳草集。

传统商务（Traditional Commerce, TC）是电子商务（EC）的导师，不懂生意之道的电商不可能做大做强；而电子商务则是数据商务（Data Commerce, DC）的母体，数据商务是因电子商务而生的，其使命就是回报于电子商务。数据商务的终点是用户商务（Consumer Commerce, CC），或者说消费者商务，也即吕公子所说的“以客户为导向”的电商。从TC到EC，走了几千年；而从EC到DC，则仅走了不足二十年，还有很长的路要走；从DC到CC，可以说尚未开始。

电子商务为用户（访客+客户）数据的收集、整理和分析提供了快捷的、实时的方式，即使远隔天涯，依然可以隐隐约约看到客户的影像，结合历史的数据，判断客户的身份、偏好、消费能力、购买意向、消费心理、行为特征，并迅速提供人性化的、个性化的服务和引导，转化访客，留住客户。同时，也可以根据用户的反馈和行为，分析网站/店铺的优势和劣势，不断改善经营。

数据商务的出发点是数据，落脚点是商务，目标是客户和价值。正如NALA的刘总所言，数据商务所需的基础数据不仅仅包括线上的流量、交易、客服、UED和营销效果数据，同样包括线下的财务、进销存、采购、物流、运营等多方面的数据，甚至需要整个行业的数据，以及线下的市场调研数据。如此多方面数据的综合分析，才能清晰地定位自身，看清问题，发掘优势，细分客户，提高转化率，培养忠诚度，打造品牌，赢得信赖。

在数据商务和用户商务的世界里，每一个用户打开的不再是冰冷枯燥的网页，看到的不再是琳琅满目的商品，听到的不再是吆五喝六的广告。每一个用户看到的、听到的将是他感兴趣的，他有购买意愿的，他感到受尊重的，他值得信任的，他感到既有美感、又简单实用的。对于卖家而言，每一个用户同样不再是一个个盯着屏幕、不断点击、变幻莫测的怪物和隐身人，而是他的客户，他仿佛能够看见他们，他知道他们的喜好、他们的忠诚、他们为自己创造的价值，他也懂得如何适时关怀他们，如何与他们建立持久信赖和互利的美好关系。试想，这将是一幅何等激动人心的新商业文明图景？

3.数据商务vs.商务智能

数据商务是否与日趋火热的商务智能（Business Intelligence, BI）是同一个概念？或者说，是否是BI换汤不换药的忽悠？在笔者看来，DC与BI虽然有众多相似之处，却可以说是两种不同的理念。

在相似性方面，DC与BI都以数据为出发点，都有赖于计算机技术、数据库技术和分布式文件系统技术等，包括最近发展起来的云计算技术等，以数据挖掘、机器学习、概率统计等科学知识和方法为理论基础，以统计、细分、聚类、关联分析、多变量预测建模等为手段，以发现和揭示隐藏在海量数据中的信息和知识为目的，并以图表、报告等形式将之展现出来。

但DC与BI仍然存在如下三个方面的主要区别：

一、重心不同。商务智能的初衷是服务于商务，但其重心却落在了“智能”上，商务智能人士期冀从海量业务数据中，采用各种先进技术手段，发现知识和信息，得到各种各样绚丽夺目的仪表盘和纷繁复杂的数据表，结果却往往偏离了商务智能的初衷。而数据商务的出发点是数据，其重心和归宿是“商务”。数据商务并不过多强调技术是否先进，也不过多强调数据分析结果的表现形式和数据分析模型的复杂与精准。数据商务以满足商务需求为目标，基于数据打造商务数据价值链，使得数据流与资金流、物流协同流转，时刻创造价值。在创造价值的同时，数据商务也承担着透过数据看问题、做决策、找突破点的重任，正如NALA的刘总所说，数据可以帮助电商定位客户群体和需求，分析客户喜好和特征，同时也能够帮助电商制定经营计划、营销策略、定价策略，包括存货与备货计划等。

二、时效不同。传统意义上的商务智能通常是滞后的，而数据商务则要求实时性，凭借数据商务支撑系统，确保数据流与资金流、物流和访问流协同流转，并发挥其独有的价值。

三、应用不同。商务智能本质上可以看作一项技术，而数据商务则是一种全新的商务理念。数据商务完全依赖于电子商务，电子商务是数据商务的温床和沃土。可以这样理解：数据商务是以商业运作为核心、以电商网站/店铺/支付/物流为载体、以电商数据分析和挖掘技术为支撑的电子商务高级形态。数据商务的价值需要基于一个数据商务支撑系统来实现，该数据商务支撑系统包含三个方面：（1）数据实时分析支撑系统，内嵌于电子商务网站之中，进行实时的数据分析，并将分析结果转化为实际行动，比如进行关联商品推荐，对回头客推送优惠计划，对访客推送精准广告等等。（2）商务数据决策支持系统。基于客户数据、商品数据、流量、交易、营销、财务、采购、库存等各方面的数据，以KPI和知识发现为导向，辅助电商经营决策。（3）历史数据分析引擎系统。基于对历史流量、交易、客户等方面数据的挖掘与分析，对客户进行细分和关怀，提取客户需求，优化经营管理等等

综上，数据商务虽然貌似与商务智能相同，但实则是两种不同的理念。数据商务与电子商务的紧密结合，必将为电商开辟一片全新的蓝海。

4.数据商务在全球

数据商务在全球已初步得到部分成功的应用，众所周知的莫过于亚马逊的商品关联推荐系统，以及营销领域的精准营销实践。但整体来看，数据商务的应用范围尚十分狭窄，相关技术尚极不成熟，远未出现整合能力强、性能表现好的数据商务支撑技术和系统。诚如前所述，国内的极少数卖家在数据商务领域的实践，尚停留在Excel和单枪匹马奋战的初级阶段。

5.数据商务的未来

数据商务是电子商务和用户商务的重要衔接，是电子商务走向“以客户为导向”的新商业文明的必由途径。可以预见，在电商竞争日趋激烈的今天，数据商务将成为电商不可或缺的助力，电商百年大计的重要篇章。数据商务在未来的5年内将获得爆发式地发展，其市场规模将在千亿以上（电商市场规模的10%+）。

*********************************************************************

关于作者：文元，首席研究员，北京盈通万维科技发展有限公司。硕士毕业于国内某知名学府，主攻企业生产数据挖掘，相关研究成果发表于EI核心期刊。曾主导建立淘宝第三方知名数据分析产品“小艾分析”标准版的分析模型，现担纲北京盈通万维科技发展有限公司电商数据研究团队，在持续完善“小艾分析”的分析模型、引领小艾走“专业产品+专业服务”的路子的同时，致力于为大中型电商提供定制化的数据分析服务与数据商务支撑系统建设服务。联系方式：wenyuan@136.net。