见解

融合物理和数字
文章

融合物理和数字

您需要在商务会议召开前一个小时到达新城市。您需要专注于演示文稿,但也需要吃点东西。您连接的手表找到了几家当地的速食餐厅,并根据其繁忙程度,公司的费用政策和饮食习惯选择了一家,并利用生命体征确保饮食均衡。 (早餐真的有培根枫煎饼吗?)。当您继续工作时,手表会告诉您的自动驾驶汽车将您带到餐厅。根据当地的流量,手表会在您该去会议时提醒您。而且因为您很着急,它会支付帐单。希望它会留下适当的提示。

这个神奇的世界比您想像的要近。有一些应用程序可帮助您使用有关城市公共交通和城市交通流量的最新信息,使您从一个地方到另一个地方都能顺利到达。这些应用会在到达目的地时提醒您下车,甚至可以与您要结识的朋友分享您的进度。至于自动驾驶汽车,今天的道路已经不多了。

我们已经习惯于强调数字与物理之间的鸿沟,但这种鸿沟正在迅速消失:当有关物理世界的数字数据全面,实时且可免费获得时,物理与数字相互补充。这在我们每天使用的导航应用程序中最为明显,该应用程序将数字地图与有关物理世界的信息叠加在一起,以创建比单独的物理或数字视图更丰富,更有用的增强视图。

电子商务零售商还通过在网页上添加几行数据捕获代码来实时存储绩效指标,例如促销效果。这意味着他们可以不断调整行为,例如根据对报价和价格变化的反应,为消费者和利润提供最佳结果。与大多数实体零售商不同,电子商务零售商不仅是数字化的,而且是全球性的。

使实体零售商与电子商务实现数据平价并非易事。数十年来,零售商一直在使用数据仓库和商业智能软件来整合其业务的整体视图。但是这种观点是有限的。零售商通常不知道消费者在购买商品之前是否看过显示器,并使用分析技术根据销售额推断出显示器的效果。

为了全面了解实际零售环境,零售商必须实时地大规模整合和整合来自许多来源的数据。使用时,数据必须是新鲜的且相关的。例如,沃尔玛提取了200多个内部和外部数据流,每小时处理2.5 PB数据,以创建其业务的集成现实视图(1)。

传统的数据仓库技术无法处理所涉及数据的多样性,数量和速度,零售商已经采用了电子商务公司使用的大数据和流技术。但是,传统零售商不仅必须改变其技术,而且还必须改变其文化。麦肯锡公司最近对数据分析的调查显示,绩效高和绩效低的公司之间的最大区别不是采用大数据工具,而是绩效高得多的人更有可能在整个组织中访问数据,从而提供业务具有自助分析功能的用户,并确保他们拥有处理非结构化实时数据的工具和专业知识(2)。

实体零售商如何发展能力和文化以实现必要的飞跃?他们需要做的最重要的事情就是改变他们思考和管理数据的方式。

成熟的公司仍然处于高度结构化的企业数据仓库的世界中,而不是数字巨头的“无模式”世界。企业数据仓库试图以一种中立且开放的方式对业务进行建模,但是大多数模型都受到该公司的运营实践及其世界观的强烈影响。

通过遵循企业自身的独特视角,企业模型会产生惯性,从而抵制变化并限制人们的创造性思维能力。该模型的任何唯一性也使公司更难与第三方共享其信息,或将来自第三方的数据纳入其集成现实中。当您需要200多个数据源以全面了解您的业务时,这是一个重要的考虑因素。

因为世界正在发生不可预测的变化,并且您的数据合作伙伴生态系统也在不断发展,所以以尽可能中性的方式描述您的数据是有意义的,这可以通过使用开放或行业标准来最大程度地减少模型的专有方面。无摩擦数据交换是Industrie 4.0等计划的基础,该计划通过企业,事物和消费者之间的协作解决了复杂价值链的数字化问题,这是我们餐厅忙碌的高管实例的“工业”版本(3)。

使数据易于理解,有用和灵活的最佳方法之一是保持数据原始,让数据的消费者决定如何最好地使用它,而不是通过提供预先准备好的答案来抢占他们的需求。拥有大量的元数据对此至关重要。

在我们前面的示例中,忙碌的高管在餐厅就餐,重要的是,他的数据消耗设备必须接收有关可用菜单项的有用营养信息。食品的“健康”分类方案可帮助店内消费者一目了然地做出明智的选择-笑脸或皱眉,或红色或绿色的闪光灯-在这种情况下不起作用。专有或半专有指示器使该设备无法可靠地比较各餐厅的餐点。三个红点表示这顿饭是辣,高卡路里,高脂肪,高盐,高糖还是以上所有?

消费者想要的信息成倍增加时,简化专有计划的尝试也失败了:过敏,面筋不耐症,饮食偏爱,营养需求,采购和供应链标准等等。更重要的是,它们在数字世界中是不必要的;消费者拥有一个数字助理,可以了解他们的需求,需求,病史和当前的生理状态,并能够代表他们理解和分析大量复杂数据。最好的办法是提供最完整,未经处理的数据,并让机器决定是在货架上还是在餐厅。

一旦数据被自动并几乎实时地集成,就可以用来以与电子商务竞争的方式来推动实体零售的执行。

这种自动化的范围从诸如监视供应链中潜在的缺货状态到监视和调整促销活动。这将是一个漫长的过程,但这是必要的。

有关其他见解,请下载 零售技术展望。 2第2期.

笔记

1) “沃尔玛的真正大数据:40 PB数据云的实时见解,”福布斯》,2017年1月23日。
2) “领导数据和分析的需求,” McKinsey & Co. April 2016.
3) “工业4.0,” Wikipedia.

点击“订阅”即表示我同意 隐私政策使用条款.