TMT观察网_独特视角观察TMT行业

前言 

剛剛過去的雙十一，天貓交易規模達到1682億元，同比增速接近40%，增長速度依然驚人。

但實際上，阿里巴巴集團的收入增長趨勢比這更快。

根據2018年財年第二季度的財務報告顯示（注：阿里的2018財年計算從2017年4月至2018年3月），單季收入同比增長61%。而在這其中，除了傳統的電商之外，阿里在報告中特別點出了新零售的作用。

在上次回顧了零售業的過去與未來之后，我們再次探討新零售這個話題。

無論是大數據、人工智能這些技術概念和零售業的結合，還是“線上+線下”模式的迅速推廣，新零售究竟會給傳統的零售業，以及我們的生活帶來什么樣改變呢？

大數據+零售

物聯網中的人是最后被連上的

天貓精靈在這次雙十一中銷量超過百萬，成為讓智能音箱界振奮的新聞。

就像Amazon Echo那樣，天貓精靈的“野心”是在未來連接一切物體，打造全方位的智能家居。無論是開關、照明設備、電器設備（空調/冰箱/電視/洗衣機/......），還是廚衛、窗簾、辦公區域、床、地板、衣柜等，利用語音等輸入手段，智能音箱可以智能識別不同人的指令，并作出對應的操作。

未來的世界，我們不需要手機購物，我們和天貓精靈或者類似的智能設備說出需求，他就會去下單，支付，填寫收貨地址，甚至幫忙收貨。IoT通過射頻識別技術、無線傳感器網絡、電力線通信技術，可以把一切物體連接起來。

而在這個過程背后，大數據和物聯網的連接將功不可沒。

圖片來源：天貓精靈官方網站

大數據和物聯網的結合

距離大數據（big data）這個概念的提出，已經過了30年左右了，但直到近些年來，大數據這個概念才開始從統計學那些發霉的論文中進入了人們的生活。當我們看到凡是有點數字的研究都標榜自己是“大數據”，甚至連研究蘇軾的詩詞都要用到“大數據”的時候，是時候從這場“裝X”盛宴中稍退一步、來想想大數據原本是個什么意思，又怎樣跟現實結合起來。

我們在大學的統計課程或者概率論課程上面，沒少被以下幾個專業名詞折騰：“置信區間”、“隨機抽樣”、“正態分布”、“無偏估計”。復習一下，什么意思呢？大概就是我現在想知道人群中的一個統計數值，比如人們有多喜歡喝可樂。過去的通常做法是，隨機抽選一部分人，比如1000人，去問他們有多喜歡喝可樂。如果取樣滿足了一定的條件，比如抽取的1000個人是完全隨機的、具有足夠代表性等等，那么我們就能通過一些統計學方法，大致推斷出所有潛在消費者有多喜歡喝可樂。

而在大數據時代，統計方法的功勞無限縮小，因為數據源被無限擴大。有了大數據，我們就不需要那些復雜且有時候不那么可靠的統計學方法，比如隨機抽樣、計量建模等，而可以直接通過海量數據知道每個人有多喜歡喝可樂。

更重要的是，大數據得到的結論更可靠、更透明、也更多樣化，因為現在我不僅能知道平均每個人有多喜歡喝可樂，比如是高個子人更喜歡喝還是矮個子人更喜歡喝。有了這些數據，即使有些問題我們現在不關心，但在未來的任意時刻，我們也能隨時調取這些數據，用以研究任何想知道的事情。數據就此得到了沉淀。

接下來的問題是，這些數據從哪里來呢？這就牽扯到大數據的三個時代。

第一個時代，簡單來說就只是數據源比原來多了。

大數據的第二個時代，就是互聯網+大數據的時代。類似 recommendation system。

大數據的第三個時代，叫做物聯網(IoT)+大數據的時代。在這個時代，不僅僅人們的行為會產生數據，就連我們周圍的物品，都可以用來產生和收集數據。在這個時代，任何物品裝上傳感和傳送裝置，都可以成為數據的收集器。這樣一來，我們生活的方方面面可以被記錄、被分析、被利用。當然，我們不用害怕，因為商業畢竟是個互利的行為，商家賺錢的同時也在為我們提供服務。大數據讓他們能更有效地賺錢，同時我們也能得到更好、更準確地服務。

人工智能+零售

比你媽更了解你

這里說的人工智能，不只是像電影《西部世界》里面炫酷的機器人。當然高智能的機器人也是人工智能的一部分，但是跟零售業結合更緊密的人工智能，是指像alpha go一類的達到或者超越人類水平的算法。

上文提到，在萬物互聯的時代，商家能得到的數據無窮無盡。那么有了這些數據該怎么用呢？試想一下，假如我是一家網購的平臺，有了用戶的各種購物信息，甚至是用戶注冊時候的身份信息，以及通過信息共享可能也拿到了其它平臺的一些數據，那么該怎么利用這些數據提供服務，賺取利潤？

打個比方，假如現在有片可以種果樹的土地，應該種哪幾種水果？每種水果該種多少？把水果賣給誰能賺得最高的收益？應該通過哪種渠道來宣傳我的水果？應該如何選擇物流、配送？該如何應用拿到的大數據來解答這一系列問題呢？選取哪些變量？又該選用哪種研究方法？需要一個經濟學的博士學位來建模解答上述問題么？

這時候就輪到人工智能出場了。人工智能發展出來的算法，其計算過程并不需要簡單到人類能夠理解，就好像alpha go的下棋思路一樣。人工智能的算法通常能夠自我學習或者自我進化，它只需要工程師在開始的時候設定好進化的思路和評價標準，而具體能進化出什么東西，進化出來的算法工程師是否還能理解，就全部不重要了。

回到上面種水果的例子，通過人工智能的幫助，我們可以將之前得到的大數據進行分析，而算法自動給出最優的調配方案，最后我只需要按照算法推薦的結果進行執行即可。

當然，上面說的只是理想的情況，目前在現實中可能并不能達到如此先進的程度，但是通過人工智能的幫助，我們無疑能更有效地利用已有的大數據。

用個經濟學時髦的詞來說，就是“實現資源的最優化配置”。比如貨物大腦，可以得到貨物的實時狀態，根據現有交通情況及未來的預測，運用運籌學等算法計算最優的配送路線，達到讓貨物的運送效率更高。

線上+線下

人-貨-物的全鏈接平臺,對消費者的購物體驗全面升級

線上線下加上現代物流合在一起，才能真正創造出新的零售。舉例來說，生鮮一直是電商最大的瓶頸，而物流則是生鮮行業的關鍵。2010年后，中國出現了一批大大小小的生鮮電商，如美味七七，青年菜君，特土網，壹桌網等等。他們長則生存了兩三年，短則一兩個月，結果都上了電商倒閉平臺名單。這是因為，生鮮電商對物流配送及損耗的成本要求極高，傳統生鮮渠道中，損耗成本可以占實際售價的一半。

“兩棲生物”盒馬鮮生于2015年3月誕生，2016年1月15日開設首家門店（上海金橋），兩年內開了13家門店。盒馬的口號是，線上下單后30分鐘，3公里內配送到家。

利用阿里客戶體系及全鏈路，從供應商，銷售及物流的數字化，使得線下門店兼備倉儲及銷售的兩大功能。

新零售從“大而全”抵達“小而美”。

現實阻礙

新零售的發展必將是一帆風順地前進么？我們認為至少需要克服以下幾點障礙：

第一，也是最根本的障礙，就是技術水平。人工智能是否真的能達到，以及什么時候可以達到“讀心”的水平尚不可知。雖然alpha go稱霸棋壇，但圍棋畢竟是一項具有明確規則的體育運動，和現實生活的復雜程度不可同日而語。在圍棋之外，很多人腦能夠完成的運算，目前的程序都做不到，比如精準的同聲傳譯。

第二，涉及到新的理念或者新的技術的公司，其融資的穩定性和安全性都是至關重要的。在新的技術或者新的商業模式能創造穩定的現金流和足夠的利潤前，如何保證企業的現金流不出現斷裂？

第三，大數據也好、人工智能也罷，其核心是信息的獲取與處理。既然牽扯到信息，那么信息安全如何保證？一旦商家收集了消費者某些私密信息，如何確保這些信息不會泄露？又如何監管相應的信息在合理合法的范圍內被使用？

沒有良好的信息安全保證，大數據和人工智能的發展將會受到制約。即使屆時相關技術已經成型，但可能很難將技術進行推廣和應用。舉例來說，美國的信用體系三大核心公司中的Equifax，在今年7月29日就發現他們的數據庫受到攻擊，黑客通過網頁漏洞竊取了1.43億人的信息，包括SSN、生日、地址及駕照號.

第四，如何更好地滿足消費者的需求？會不會未來的各種“無人”其實并不是消費者真正需要的？缺少了最本質人與人之前的交流，是否讓享受購物過程的人丟失了原有的購物溫度？

這些都是新零售行業，特別是在和“冰冷”的現代技術結合之后必須回答的問題。

來源|微信公眾號： 云鋒金融