不論是智能制造、智能零售或是智能建筑的方案，這個(gè)問題都是最優(yōu)先要回答的。循著這個(gè)邏輯，下一步應(yīng)該盤點(diǎn)企業(yè)內(nèi)是否已經(jīng)擁有相關(guān)資料。若答案是肯定的，緊接著要思考用傳統(tǒng)的統(tǒng)計(jì)分析、商業(yè)分析 (business intelligence) 或更進(jìn)一步的機(jī)器學(xué)習(xí) (machine learning) 來解答。如果資料的復(fù)雜度需要用到機(jī)器學(xué)習(xí)，那么企業(yè)內(nèi)有熟悉資料科學(xué)的人員可以處理嗎?當(dāng)這些問題都清楚審視過后，哪些軟、硬體工具適合企業(yè)使用的答案就自然浮現(xiàn)了。
若是企業(yè)目前擁有的資料不能回答待解決問題，則在進(jìn)行上述思考過程前，必須更優(yōu)先評(píng)估如何取得必要的資料。傳統(tǒng)上，企業(yè)在買電視廣告前，通常會(huì)買一份收視率調(diào)查報(bào)告，再針對(duì)自家產(chǎn)品的特性與預(yù)算規(guī)模，選擇投放廣告的頻道及時(shí)段。然而當(dāng)前個(gè)性化消費(fèi)的時(shí)代來臨，企業(yè)已經(jīng)不能滿足于電視廣告這種單向且無差別式的溝通方式。
互聯(lián)網(wǎng)經(jīng)濟(jì)下， 顧客在網(wǎng)站內(nèi)瀏覽行為是最直接的行為數(shù)據(jù)。 只是時(shí)代往新零售模式邁進(jìn)，線上結(jié)合線下 (online to offline, O2O) 乃至全通路 (omni channel) 已然成為沛不可擋的趨勢(shì)。因此 顧客在線下的行為，甚至是在不同通路或場(chǎng)景的一舉一動(dòng)能否更大幅度地被記錄，已是企業(yè)不得不面對(duì)的難題 ，這就是筆者一貫提倡用物聯(lián)網(wǎng)應(yīng)用方案協(xié)助企業(yè)的背后緣由。
然而，值得說明的一點(diǎn)， 沒有清楚針對(duì)企業(yè)需求組合的物聯(lián)網(wǎng)應(yīng)用方案絕對(duì)不是一個(gè)好方案，而且沒有對(duì)接數(shù)據(jù)分析功能 (不論是內(nèi)建或有意識(shí)地輸送數(shù)據(jù)到其他數(shù)據(jù)分析軟體)的方案，只是一個(gè)騙取客戶荷包內(nèi)預(yù)算的花架子 。企業(yè)在選擇訴求智能零售/智能商城方案時(shí)，首先應(yīng)該檢視相關(guān)方案的系統(tǒng)架構(gòu)，才不會(huì)浪費(fèi)時(shí)間與預(yù)算。
零售餐飲是個(gè)直接面對(duì)顧客的行業(yè)，企業(yè)每天要處理的都是事關(guān)“人”的滿意度的議題。在互聯(lián)網(wǎng)快速迭代演進(jìn)的中國，小從 POS 的互聯(lián)網(wǎng)化開始，許多業(yè)者將原本笨重的收銀機(jī)轉(zhuǎn)為手持裝置，概念上與手機(jī)相似，連里面裝載的應(yīng)用程序也相仿，因此可以大量使用既有的互聯(lián)網(wǎng)架構(gòu)與資源，讓收銀機(jī)的成本大幅下降。
最重要的是 透過這個(gè)聯(lián)網(wǎng)裝置可以直接與網(wǎng)路社群接觸， 實(shí)際實(shí)現(xiàn)了 O2O 的精神，將顧客從過去的過路客，拓展到慣于使用網(wǎng)路的新世代，還將他們帶到店內(nèi)消費(fèi)。借助目前已經(jīng)蔚然茁壯的云產(chǎn)業(yè)的支持，一個(gè)便宜的手持式裝置在某些方面的表現(xiàn)甚至還強(qiáng)于昂貴的電子式收銀機(jī)。
在這個(gè)觀念上更往前一步的則是專注于開發(fā)云端的 POS 系統(tǒng)，他們不挑選特定輕量型裝置(不強(qiáng)調(diào)訂制化的手持式 POS，即便是一臺(tái) iPad 也行)，這種理念開發(fā)出來的 POS 方案，甚至跳脫服務(wù)單店的手持式 POS，進(jìn)而支持規(guī)模數(shù)量龐大的連鎖體系，此時(shí)搭配互聯(lián)網(wǎng)上各種點(diǎn)餐快送 app，更加將線上向線下導(dǎo)流發(fā)揮到極致，這樣的方案如果搭配 ERP 及 CRM，再加上各種物聯(lián)網(wǎng)應(yīng)用方案，可以為大規(guī)模連鎖總部提供更快速即時(shí)的多種顧客行為及企業(yè)內(nèi)經(jīng)營效率資料。
鎖定資料源并完成數(shù)據(jù)搜集后，企業(yè)緊接著應(yīng)該向方法論的下一步邁進(jìn)，有意識(shí)地依照順序交叉使用各種管道收集得來的顧客資料。 舉例來說，成交資料代表著前一階段各部門集體努力的經(jīng)營成果，這里通常是分析的起點(diǎn)，加上各場(chǎng)合獲得的顧客行為資料，是大多數(shù)顧客推薦系統(tǒng)處理的范疇。
然而個(gè)別顧客推薦系統(tǒng)能夠處理的資料欄位、采用的算法、處理資料量與處理速度等等都是企業(yè)應(yīng)該評(píng)估的重點(diǎn)。然而，從成交記錄出發(fā)另一個(gè)處理的角度可能是企業(yè)進(jìn)貨(或備料)預(yù)測(cè)，這部分的分析除了更加需要產(chǎn)業(yè)知識(shí) (domain knowledge) 外，對(duì)于選擇適合的一種或數(shù)種算法能力的要求更高，因此對(duì)于數(shù)據(jù)科學(xué)家的要求更高。
而且，外部的非結(jié)構(gòu)化資料也可以在適當(dāng)?shù)臅r(shí)點(diǎn)投入被交叉分析的行列中。這一切都要求數(shù)據(jù)科學(xué)家與企業(yè)各相關(guān)部門人員在導(dǎo)入初期就討論出適合被解決問題的方法論，才能有效率的回應(yīng)企業(yè)在新零售時(shí)代的挑戰(zhàn)。
借用 Frost & Sullivan 的 Smart retail journey 圖敘述企業(yè)對(duì)于的演進(jìn)歷程，過去我們處在一個(gè)資料片段破碎的零售時(shí)代，隨著數(shù)位化潮流的來臨，企業(yè)一直朝著運(yùn)用數(shù)據(jù)改善營運(yùn)效率的方向前進(jìn)， 最終我們將被資料包圍，而且在無接縫的環(huán)境下善用各種不同性質(zhì)的資料，完整描繪顧客，清楚結(jié)合市場(chǎng)走向與資源運(yùn)用后，精確的規(guī)劃企業(yè)策略。