整理《中国产业链大数据白皮书》全文.docx

整理《中国产业链大数据白皮书》全文.docx

《整理《中国产业链大数据白皮书》全文.docx》由会员分享，可在线阅读，更多相关《整理《中国产业链大数据白皮书》全文.docx（21页珍藏版）》请在冰豆网上搜索。

整理《中国产业链大数据白皮书》全文

《中国产业链大数据白皮书》

2014年

一、引言

伴随着我国经济结构体制改革的逐步深化，在中国大陆上各行各业的领袖们都在谋划新的业务增长点来提升自身实力，在新的经济浪潮中占领先机。

在新经济时代，互联网经济、大数据经济被越来越多的人所重视。

《大数据时代》作者英国牛津大学维克托教授提醒，“未来数据将会像土地、石油和资本一样，成为经济运行中的根本性资源。

”因此如何在大数据时代抢占资源赢得先机是企业家、股东们争相寻找的。

大数据在新经济时代可以将产业链上的供求信息、风险信息、企业数据信息有效传统，这样产业链变得更加紧密，使产业链的各环节数据的互通，可以大大降低交易成本，提高产业链效率。

此外，大数据使得产业链的结构变得更加稳固，有助于将原有的一些产业链过度环节省去，重新打造更高效的产业链结构。

九次方大数据：

企业大数据+金融互联网+企业征信+智慧城市+产业链社交

创建于2010年的九次方大数据（JUSFOUNBIGDATA）是中国目前唯一的企业大数据服务平台，九次方大数据平台汇集分析了40多个产业链、8000多个行业、40000多个细分市场、500多个城市的750万家企业。

每家企业设定了200多项指标，可以进行交叉分析。

基于企业大数据平台，九次方开发出来了八类大数据服务平台，服务覆盖了25个客户群，比如商业银行、P2P公司、省市区政府、证券、基金、投资公司、上市公司、市场研究公司等等。

九次方总部位于北京金融街，拥有大数据挖掘技术、企业数据采集、数据建模、可视化技术方面的大数据产业链人才结构；企业数据采集网络覆盖中国最主要的21个核心省份城市。

公司在发展过程中，得到了几大股东IDG资本、德同资本、博信资本、富凯投资的大力支持。

九次方大数据X解决方案

1，全产业链企业大数据分析平台

2，产业链金融服务大数据平台

3，金融互联网交易撮合直销平台

4，银行客户精准营销大数据系统

5，中国企业征信大数据服务平台

6，企业决策、投资、并购大数据

7，智慧城市企业大数据分析平台

8，风险预警分析大数据监控平台

九次方大数据优势：

1，数据优势

九次方企业大数据平台已经汇集了40多个产业链、8000多个行业、40000多个细分市场、500多个城市的750万家企业。

2，先发优势

在2010年就开始做企业数据沉淀，截至目前九次方沉淀了2005年至今的连续性企业数据，每家企业设定200多项指标

3，方案优势

基于企业大数据平台开发出来了八类大数据服务平台，覆盖25个客户群，比如商业银行、P2P公司、政府、投资等等。

4，股东优势

公司在发展过程中，得到了几大股东IDG资本、德同资本、博信资本、富凯投资的大力支持。

5，技术优势

拥有大数据挖掘技术、企业数据采集、数据建模、可视化技术方面的大数据产业链人才结构。

6，服务优势

九次方已经服务了10几个省市区政府、20多家商业银行、几十家投资、证券公司等，可以在21个地区提供本地化服务

6，战略优势

与汤森路透、腾讯财经、标准普尔、五道口金融学院、北京金融局、贵阳市政府、重庆市政府等结成全面战略合作伙伴

二、迎接金融大数据时代到来

1、大数据起源

大数据的应用和技术是在互联网快速发展中诞生的，起点可追溯到2000年前后。

当时互联网网页爆发式增长，每天新增约700万个网页，到2000年底全球网页数达到40亿，用户检索信息越来越不方便。

谷歌等公司率先建立了覆盖数十亿网页的索引库，开始提供

较为精确的搜索服务，大大提升了人们使用互联网的效率，这是大数据应用的起点。

当时搜索引擎要存储和处理的数据，不仅数量之大前所未有，而且以非结构化数据为主，传统技术无法应对。

为此，谷歌提出了一套以分布式为特征的全新技术体系，即后来陆续公开的分布式文件系统（GFS，GoogleFileSystem）、分布式并行计算（MapReduce）和分布式数据库（BigTable）等技术，以较低的成本实现了之前技术无法达到的规模。

这些技术奠定了当前大数据技术的基础，可以认为是大数据技术的源头。

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：

“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。

人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。

”“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，因为近年来互联网和信息行业的发展而引起人们关注。

2、产业链大数据由来

产业链大数据还属于一个新兴概念，属于大数据在产业链应用上的一个衍生。

最早概念来自于九次方大数据提出，逐步受到业内企业重视，市场上针对性的衍生性大数据产品不断推出。

传统咨询机构长期以来依靠不透明和灵活性来保持其行业领导地位；但目前的商业环境正变得越来越透明和成熟，这两项优势正快速消失。

市场研究及咨询行业已经进入了大数据服务模式。

传统的市场研究行业开展项目需要开展问卷设计发放、资料搜集、电话调查、人员约访、后期统计，指标抽取等步骤。

传统的市场研究公司除了基本的市场研究方法，几乎很少借助大数据技术分析，同时还存在调研样本基数不足、样本代表性不足等。

将传统的市场调研智慧与大数据的巨大威力相结合，会在定性分析和定量分析方面产生巨大的优势。

尽管大数据还无法完全替代传统咨询公司的角色，但它们确实拥有独特优势。

全产业链的全样本企业分析更加务实和坦诚，大数据呈现的结果将不再依靠花里胡哨的是数学分析模型。

今后所有市场研究机构都将以大数据为基础的咨询模式。

大数据分析平台为客户提供价值的速度将远超传统咨询团队，因为大数据分析平台一秒钟就可以将一个产业链上的所有企业按照几十个纬度分析出来，系统将自动形成各种各样的数据图表。

大数据预测分析技术和自动化一定会随着时间变得越来越完善。

此外，对于所有透明度较低的行业，大数据分析技术将让所有竞争参与者回到同一起跑线。

它带来的速度和可量化成果会削弱，甚至完全消除传统公司的品牌优势，为新兴企业发展扫清障碍。

因此，大数据技术可能会助推新兴市场咨询机构的崛起。

大数据现在已经可以实现大规模数据的自动化评估，取代了原先由初级分析师完成的工作。

依据大数据对研究对象进行分析，将改变传统市场调研方式，大大节约人力和时间成本，同时通过整合分析产业链上下游企业数据，改变传统的单一行业数据分析方法，此外通过补充互联网舆情信息，可以使得研究员获得更加及时准确的动态。

三、产业链大数据的外部环境

1、产业链大数据的产业环境

目前产业链大数据的发展主要来自于其应用的各个环境的产业环境。

相关的产业均按照其原有的产业链方式运行，效率远没有大数据带来的高效。

因此当前的产业环境为大数据发展创造了良好的机会。

国家要创造一个支持产业链大数据的环境，让新产品和新服务能够喷薄而出。

任何事物都是一把双刃剑，关键看产业链大数据的着眼点和出发点，如果只是除弊而不兴利，那就越除越小，最终抑制它的成长。

所以要正确看待新兴事物，并在发展中解决存在的问题。

因此可以预期产业链大数据会在市场竞争中不断优胜劣汰发展起来的。

产业链大数据概念沉淀下来，慢慢步入正常发展轨道。

产业链的生态环境硬件部分和传统大数据行业差异不大，如下：

2、产业链大数据的政策环境

产业链大数据属于新兴概念，国家没有就产业链大数据单独出具专门针对性地政策。

通常都是包含在软件及信息化政策下。

作为新兴的产业发展方向，属于政策的重点鼓励领域。

目前国家也在积极鼓励大数据针对性产业政策出台。

主要通过3个方面着力大数据政策的建设：

一是前期已通过促进信息消费扩大内需的意见、软件和信息技术服务业“十二五”规划等政策规划中，对大数据发展进行了部署。

二是推动全国信息技术标准化技术委员会开展了大数据标准化的需求分析、标准体系框架研究及相关标准研制工作，并向相关国际标准化组织提交了大数据研究提案。

三是利用项目资金等手段进行了前沿部署，支持了关键技术产品的研发和产业化。

3、产业链大数据的生态圈

产业链大数据未来将会具备其独有的生态圈，其结构会同传统的大数据生态圈略有不同，其生态圈构成的部分除了，技术、硬件、软件、信息服务等方面外，还有最重要的就是其所应用的产业链端的全体接入。

产业链大数据的生态圈是建立在传统产业链的基础上的，是其传统生态圈的升级。

因此产业链大数据的生态圈是多个维度的，按照其应用的产业链，可以无限衍生和扩张。

四、产业链大数据的应用

1、大数据对能源产业链的变革

能源行业作为比较传统的一个产业，多年来一直没有太大变化，其产业链结构及生态结构均处于比较稳定的状态，但随着互联网、物联网、智能化设备的逐步成熟和深入，我们传统理解上的行业也在发生较大的改变。

“产业链大数据”有利于推动能源行业监管协调及能源运行安全预警体系的建立；有助于推进能源企业科学化、智能化运营管理及能源行业市场化的发展；在引导能源合理消费，实现科学高效的需求侧管理方面发挥着积极作用。

能源行业的运行数据是政府进行市场协调与监管，保障国家能源运行安全的重要基础。

当前，我国能源数据体系尚不完善，数据的数量、种类及来源较少，信息采集渠道不畅通，数据传达相对滞后，时效性不强，大大降低了政府进行能源行业规划与决策的准确性，以及运行协调和应急管理的有效性。

因此，作为政府应积极开展与能源企业和报价机构合作，搭建能源行业“产业链大数据”平台，按照行业类型分区域构建生产、运输、销售及贸易的基础数据库，建立能源数据采集、分析、处理和预警体系，及时准确地掌握能源行业的运行现状，努力提高政府决策和规划的科学性与时效性。

能源行业企业能够充分利用“产业大数据”带来的信息资源，分析资源现状和市场现状，更好地规划能源生产与资源分配，大大降低企业的运营成本和决策失误所带来的损失;根据能源市场具有影响力的播报机构提供的数据，企业能够更加清楚地了解市场运行动态，尤其是市场价格的变动，并以此为依据签订市场交易合同，进一步推动能源行业市场化改革;三是企业能够根据客户提供的信息数据，全面分析和掌握客户消费行为，大力挖掘市场需求，科学管理能源用户，合理调整能源供应结构，提高能源的使用效率;四是企业可以根据其内部运行和管理数据，进行信息化操作和智能化管理，及时分析解决企业的运行现状和存在的问题，提高企业的运行效率，确保企业运行安全与能源的稳定供应。

现阶段，我国能源行业的“产业链大数据”刚刚起步，具有巨大的发展潜力和挖掘价值，前景十分广阔。

因此，我国应牢牢抓住机遇，以能源行业信息化建设为基础，以能源市场数据体系建设为契机，高度重视能源行业“产业链大数据”的战略部署和机制设计，加强信息技术的创新及设备研发，培养高端技术人才，大力推进“产业链大数据”产业与能源行业的快速融合，使我国能源领域的“产业链大数据”能够服务于国家能源发展。

依靠大数据基础上的能源产业链布局：

2、大数据对汽车、配件及后市场产业链的变革

汽车行业作为当今社会重要组成部分，在工业经济中有及其重要的地位。

随着我国企业保有量和人均汽车消费支出的持续上升，汽车也成为我们居民生活中有及其重要的部分。

产业链大数据对企业行业的营销可以分为工业部分和消费部分两块。

在传统的销售模式中，汽车厂商通过广告等各种销售技巧把车卖出去，最后会发现总有卖不完的库存，总有一些目标消费者没有购买汽车，因为没有人知道这些顾客需要什么，生产的车型没能满足他们的需求。

几乎所有企业都尝试过降价促销，虽然这种做法在刺激销售的过程中也降低了利润，企业却并无它路。

因为没有数据就无法对顾客需求进行分析。

在大数据时代，这种盲目的运营模式被完全颠覆。

大数据放置于汽车行业，将会带来的改变有：

A、有意义的选择：

传统购车程序中，人们根据颜色、外观、引擎甚至安全性、豪华与否等角度选择，而对那些“不知道自己要什么”的消费者来讲，一个甚至几个类似“空间更大？

”“座位更大？

”的固定问题并不能真正戳中心房。

这时候，必须要知道每一位消费者的自身需求，提供更多选择的可能性。

通过数以百万计的选项，满足每一个细项需求。

真正的了解消费者，知道他们想要什么，而不是为什么。

这些基于了解之上的需求选项比苦苦追问“为什么选这个”要有意义的多。

B、灵活的生产：

通过大数据的统计知道消费者需要什么，按照偏好生产，与市场需求灵活匹配。

对现在的汽车生产商来说，他们清楚要做什么，但是要做到灵活的调整生产方式就有些难度了。

了解—分析—供需匹配—提升销售，这一闭环的更迭速度基于对消费市场大数据的精准把握。

过去的汽车行业变革，可以归纳为更大的引擎、更快的速度、更少的燃油。

基于大数据的变革却显而易见：

和数据有关的改善——改善生产流程、商业思维、汽车生活。

我们可以大胆设想这样的场景：

车内系统自动采集驾驶者的驾驶习惯信息，为不同的驾驶者匹配不同的汽车设置；夜晚疲劳驾车时，驾驶者坐姿发生改变，车内会自动发出警告；又或者通过指纹识别车主、启动车辆等。

这都是大数据的应用案例，有些已经应用在现在的汽车当中。

流动性数据不断地产生，通过车内感应器对数据收集、传送，可以对可能出现的零部件故障、隐患进行及时的处理。

一方面有利于解决汽车安全隐患，另一方面将帮助汽车品质的更新换代，提升产品的设计和构造。

首先以劳斯莱斯为例，作为一家生产豪华车的公司，劳斯莱斯也是世界上第二大航空引擎制造商，并且已经变成一个大数据公司。

通过在每一个喷气式飞机的引擎上建立测量、采集的数据中心，劳斯莱斯可以预测引擎的哪一个部件可能会发生故障。

比如通过声音、振动的改变，提前在故障发生之前更换飞机引擎某些零部件，避免发生空难的可能。

再以UPS为例，UPS有6万辆汽车进行运输工作，UPS在汽车里安装了传感器，将所有数据收集起来进行大数据分析，提高汽车的导航系统和物流线路布局，并且在去年节省了约5千万公里的里程。

汽车作为人类梦想的现实化身，它的出现解决了人类的移动需求。

过去的汽车或许更多的是跟引擎的转动、机械的轰鸣相关，而大数据时代的汽车，则更多的考虑人类目前最迫切的需求——完美的出行解决方案。

依据整个生态系统制定出行方案，对蜗居都市的用车人群十分必要：

在闹市区找到一个停车位，在上下班高峰期实时避开拥堵路段，在汽车的指引下找到最便捷的餐馆、加油站等。

通过对数据的有效利用影响未来发展格局：

对新能源汽车来讲，通过数据模型分析城市内充电设备等基础设施的布局地点、使用结点，合理建设道路辅助设施；对无人驾驶汽车来讲，将车辆自身的数据收集能力、后台计算能力与整个出行生态系统实时匹配、整合、反馈，达成技术实现的可能。

3、大数据对食品饮料产业链的变革

从目前食品饮料行业情况来看，年营收极大超出同行表现的企业中，将近50%的企业具有十分明确的数据战略，将大数据作为其在未来的发展放在及其重要的位置。

在大数据基础上，通过数据的分析、提炼和应用实现商业价值，正被提升到前所未有的高度。

针对大数据特点，进行产业链大数据的优化、升级，应用最新的技术，中国食品已在悄然布局。

中国食品的数据量在不断增长，如何快速、实时、智能化处理海量数据，产业链大数据必须要提升系统功能性、业务灵活性等指标才能达到目标。

如今，中国食品行业，产业链大数据已涉及高级管理层、业务管理层、业务操作层等各方面。

食品饮料行业最大的特点就是“单据量大”、“颗粒度细”。

面对海量信息，公司首先想到的是如何处理数据;其次是如何展现数据;最后是如何在大数量上进行增值，给管理层提供有价值的决策信息，这需要不断优化产业链大数据基础平台。

以中国食品有限公司为例，中国食品有限公司的BW系统和ERP系统同在2007年上线。

在中国食品有限公司和IBM（IBM是项目实施方）的共同努力下，中国食品利用SAPBW建立了商务智能分析系统，该系统更多基于公司业务需求进行设计。

经过五年的发展，目前，中国食品的系统订单量翻了近一倍，一天要处理营业额为1个多亿规模的业务。

除了来自销售、供应链、财务环境的ERP数据通过SAPBW展现外，中粮集团旗下中国食品公司也在考虑如何把非结构化数据进行分析，变成决策依据，比如：

人口统计信息、市场份额信息、消费者调研信息、社交网络信息等。

4、大数据对物流供应链服务的变革

在物流领域有两个著名的理论——“黑大陆”说和“物流冰山”说。

前者是著名的管理学权威P·E·德鲁克提出的，主要是指在流通领域中物流活动的模糊性尤其突出，因此是流通领域中最具潜力的领域。

后来，日本早稻田大学教授西泽修，用物流成本的具体分析论证了德鲁克的“黑大陆”说，提出人们对物流费用的了解是一片空白，甚至有很大的虚假性。

他认为，物流就像一座冰山，其中沉在水面以下的是我们看不到的黑色区域，这部分就是黑大陆，而这正是物流尚待开发的领域，也是物流的潜力所在。

那么，靠什么来了解和掌控物流活动？

最直接的当然是数据。

可以想见，如果人们能够掌握物流活动过程中的全部数据，那么所谓的物流“黑大陆”就不存在了；而如果能够充分分析和挖掘这些数据的价值，就能够帮助我们找到物流市场的潜力所在，也就是未来物流领域的新蓝海。

换句话说，“产业链大数据”分析将是打开物流潜力市场的金钥匙。

“产业链大数据”的价值，在于从海量的数据中发现新的知识，创造新的价值。

数据本身在其转化为信息，并通过信息的提炼成为普适规律，最终创造利润的过程中，变得价值连城。

这已经被越来越多的物流企业所认识，使得市场对数据分析与挖掘的需求与日俱增。

过去几年，全球范围内的运输物流市场增长非常快，企业采用更多的新设备、新技术来提升业务发展水平，加速市场拓展步伐。

例如，最近几年许多物流企业广泛部署了RFID技术，还在各种终端设备上安装了传感器等。

然而而是想办法对现有终端设备所获取的数据多加利用，才是核心。

例如，找出问题所在、发现新的机会、降低成本并进一步提高业务收入，进而促进业务的发展。

要想成为顶尖的物流企业，就要靠数据来获得竞争优势。

此外，数据分析还能帮助企业做出正确的决策。

对于物流企业来说，成本和效率是一对矛盾体，企业都希望以最低的成本获得最大的效益，可实际上这是很难做到的。

但Shaun告诉记者，通过数据分析，企业可以看到具体的业务运行情况，能够清楚地判断哪些业务利润率高、增长较快等，把主要精力放在真正能够给企业带来高回报的业务上，避免无端的浪费。

同时，通过对实时数据的掌控，企业还可以即时对业务进行调整，确保每个业务都可以赢利，从而实现非常高效的运营。

5、大数据对大健康产业链的变革

大数据在医疗健康行业的应用效果已经非常明显。

比较典型的案例便是Google成功预测流感爆发期。

2009年甲型H1N1流感爆发几周前，Google通过对人们网上搜索记录的观察、分析、建模，结果显示，他们的预测与官方数据的相关性高达97%，且判断比疾控中心更及时。

从个人健康管理到公共健康管理，大数据在对个人医疗的改变以及极富价值的预警能力吸引着IT巨头们迫不及待与医疗“联姻”。

未来我们可以预见所有的医疗都在云端，将所有机构都整合到云端。

在我国，互联网巨头已经开始纷纷布局健康产业链上的大数据分布。

搜索巨头XX在这方面的举动比较具备创新。

一方面，XX发布大数据引擎，将开放云、数据工厂、XX大脑三大组件在内的核心大数据对外开放，实现对各行各业的数据进行挖掘，利用“数据工厂”和“XX大脑”分析数据，输出分析为自己和合作伙伴提供解决方案。

2014年2月，北京市卫计委表示，卫生系统将把所拥有的医疗卫生机构的资质信息、资源的准入信息与XX强大的网络搜索能力、后台信息甄别和过滤技术进行联合，以在公共突发事件、流行性疾病爆发、健康服务业发展、人口流动等领域提供分析和预警，为科学决策做依据。

另一方面，打造“软硬云”结合的智能健康医疗移动平台，记录下人们日常生活方式，比如每天的运动量和运动时间、睡眠量、久坐时间、身高、血压等，这些被量化的数据具备了长时性和趋势化，都会成为病情分析的重要依据。

在大数据技术下，我们完全可以想象这样一个从生产数据、到挖掘、管理、分析信息，以及最后提供解决方案的医疗场景。

如全球每年有几百万人患心脏病，大数据能从这些患病人群里找到共性，实现提前治疗预警。

从健康的角度而言，提前预防将极大地提高人们对抗疾病的能力。

从保险公司的角度而言，也能极大地降低赔付率。

6、大数据对大文化领域的变革

产业链大数据的在大文化领域潜力十分大，但是需要更好的将大数据嵌入产品的创作流程，一方面根据不同的数据维度收集有效数据，优化分析算法，另一方面需要在产品营销，版权购买和创作及消费渠道等方面入手，使得大数据不只是一种更加，更渗入到公司的管理流程成为企业的经营资产和管理要素。

以《纸牌屋》为例，著名导演大卫·芬奇曾拿着《纸牌屋》的改编剧本，找过美国多家电视台，却没有一家敢掏钱，因为谁也说不准一部20年前的老剧是否还有市场。

Netflix也有类似的担心，于是进行了“电视剧消费习惯数据库”分析。

最终，Netflix发现老剧《纸牌屋》依旧是点播热门，而点播该剧的用户群，也几乎和网站上大卫·芬奇、凯文·史派西的粉丝圈重合，于是决定投资1亿美元重拍，并由大卫·芬奇导演、凯文·史派西主演该剧。

相比传统收视率统计只抽取数千个样本户，“算”出《纸牌屋》的数据库却包含了3000万用户的收视选择、400万条评论、300万次主题搜索，是名副其实的“大数据”。

这些数据源自Netflix数年来积累的数据资源。

当一位用户通过浏览器登录Netflix账号，Netflix后台技术将用户位置数据、设备数据悄悄地记录下来。

这些记忆代码还包括用户收看过程中所做的收藏、推荐到社交网络等动作。

在Netflix看来，暂停、回放、快进、停止等动作都是一个行为，每天用户在Netflix上将产生高达3000多万个行为。

此外Netflix的订阅用户每天还会给出400万个评分，300万次搜索请求，询问剧集播放时间和设备。

这些都被Netflix转化成代码，当作内容生产的元素记录下来。

为了找到分析大数据的方法，Netflix没有少花功夫。

首先，千万级别的用户对网站提供的影片给出1至5星的评级，几年下来相关数据的总量超过百亿条。

要找准用户推荐新影视剧，识别观众品位需要一个“算法”。

7、大数据对纺织服装产业链的变革

大数据的来临正在悄无声息的改变着我们对服装行业的认识，无论从数据端的采集还是到海量数据的分析，都将以一种前所未有的方式进行。

大数据将对服装企业的业务产生多方面的影响，如向客户进行产品推荐、基于客户反馈进行产品设计、通过分析客户的喜好实现在网络社区中的产品营销、更加理性地进行广告投放、对流行时尚趋势进行预测、基于交易分析进行产品定价、基于环境分析问题产生原因等。

很多企业之所以这么关注电商就是看中了其中的数据运用。

目前企业在这方面的运用也还处于探索阶段，平台上的数据分析，要以熟知每位顾客的消费喜好，消费习惯行为等等，这些需要数据分析商的帮助。

说白了线上销售无非就是流量的竞争，转化率的竞争，这些都离不开数据的分析，谁最先掌握数据营销运用技术，谁就能抢先一步占领市场。

淘宝的云计算的应用价值今后将会越来越受重视。

“电商与数据分析的对接是十分必要的，只有通过背后的分析才能清楚未来的发展方向。

以前抢市场靠的是市场敏感度，今后则要更多地依赖数据的可控分析

以店铺而言，经营者可以实时的看到终端店铺的客流情况，顾客在店内的消费动线，对试销产品的关注度，VIP的消费情况。

零售分析不仅仅局限在，传统粗放的数据采集，而是采用更加主动的方式记录终端发生的每一个因素的变动。

我们不需要重新创造什么，只需要将每天发生的每一个事件记录下来，分析其中的相关性，得出最精准的判断。

服装行业的大数据变革会让我们从因果关系转变到相关关系，而且仅需要关注相关关系，并不需要了解为什么。

当数据的采集达到“分子”级别时，数据所呈现出来的性质就会发生改变。

一