作者
Data 技术现在是零售机会大超市中的佼佼者。为自己服务：今天就享受这些无与伦比的优惠！
2022 年特别动荡的市场环境扰乱了零售业的定价和供应链政策。虽然价格优化一直是零售业日常关注的问题，但 2022 年全年消费价格上涨了 5.2%（2021 年为 1.6%），2023 年第一季度又加速上涨，这就更加需要做出反应。每天都必须做出更频繁的价格调整决定，以消化成本上涨或对竞争对手的重新定位做出反应，并立即部署到商店网络中。.
更糟糕的是，大流行病事件遗留下来的阴影仍然笼罩着供应链。由于缺乏库存，许多零售商不再确信他们能够提供所有产品。.
为了应对这两项挑战，那些能够高度依赖 data 并通过机器学习对其进行即时、大规模处理的企业脱颖而出。当然，你不可能在一夜之间从拥有 data 的企业变成拥有 data-driven 的企业，但与人们普遍担心的情况相反，这些技术已经非常成熟，可以在短短几周内部署能够迅速见效的第一批构件。.
机器学习优化价格...
通货膨胀使零售商将注意力集中在价格优化这一日常挑战上：如何确定对价格变化（弹性）最敏感的产品？哪些产品塑造了品牌的价格形象（已知价值产品）？如何对竞争对手的重新定位做出实时反应？由于促销活动在销售额中所占的份额越来越大（消费者比以往任何时候都更希望在预算紧张的情况下买到物美价廉的商品），如何在不影响盈利的情况下优化促销活动？所有答案都在 data 中！客户 data 和专有销售历史可以与外部 data 结合起来，如竞争对手的价格和促销记录、季节性、日历事件，甚至天气（！），从而做出正确的决策。零售商定价和 类别管理 团队通常会做这些工作。遗憾的是，他们经常需要在 Excel 中工作，但由于要承担其他责任，他们用于 Excel 的时间有限。.
那么，什么是新的呢？为什么呢？因为现在有了经过验证的现成算法，可以自动执行最简单的决策过程。是市场上大量无缝可用的第三方 data。这是因为技术堆栈易于使用，可在几毫秒内处理数百万笔交易。如今，只需三个月的时间，就能建立一个将所有交易 data、促销、库存、产品分级、商店分级、客户 data 等结合在一起的 data platform。而技术合作伙伴可以通过托管服务管理 cloud 中的基础设施、资源部署和网络维度。今天，就像儒尔当先生一样，如果你会 Excel 和 PowerPoint，你就会成为一个 data 分析员 在不知不觉中：几天之内，您就可以在 BigQuery（谷歌）、Synapse（微软）或 Snowflake 中控制 data，并在 Looker、Power BI 或 Tableau 中构建交互式仪表盘。.
...更好地管理库存
近年来，健康和地缘政治环境也对供应链提出了挑战。如今，供应商的服务率每周都不一样，交货时间也很不确定。分销渠道也变得非常复杂：不仅需要为商店备货，还需要为送货上门、点击取货和合作提供服务。data 科学再一次拯救了零售商，让他们能够更好地控制库存管理。通过利用机器学习，零售商现在可以实时分析收据，立即发现缺货商品，计算链条中所有环节的不确定性分布，以更好地确定缓冲库存的规模，或在无限多的约束条件下改进库存分配（以优化成本、缩短交货时间或减少碳足迹）。.
在全公司实现 data 使用的民主化：data 以人为本
在利润如此微薄、必须实现卓越运营的行业，"data-driven 公司 "的概念已不再新鲜。如今的变化在于技术平台的便捷性和易用性。.
如果说技术不再是障碍，那么我们面临的挑战仍然是如何让尽可能多的 audience 人使用这些解决方案。要使这些解决方案的使用平民化，就需要大规模部署简单的解决方案，成倍增加员工培训计划，无论是按需培训还是强化培训，并组织各种活动（如黑客马拉松），让推动转型的管理人员参与其中。Data 以人为本。这是 Artefact 的口号，也是正确的。.
可直接货币化 data......但也许不是每个人都能立即获得
锦上添花的是，data 本身就是一座金矿，这要归功于 零售媒体 和 data 共享。随着数字信号越来越难以捕捉，零售商产生的数十亿笔交易和客户互动已成为他们的重要战略优势。这种深入了解消费者期望的 data 具有巨大的货币化潜力。但它代表着零售商商业模式的深刻变革：从自负盈亏（营运资本为负）但利润率极低的模式，转变为初始投资巨大但利润率高的模式。这是一场哥白尼式的革命，也许对所有参与者来说都不是最容易进行的。.
在零售业创造价值机会的大型超市中，data 技术现在处于自助服务货架的顶端。零售商们，为什么不与您的合作伙伴分享这些无与伦比的机会呢？
