前言 

刚刚过去的双十一，天猫交易规模达到1682亿元，同比增速接近40%，增长速度依然惊人。

但实际上，阿里巴巴集团的收入增长趋势比这更快。

根据2018年财年第二季度的财务报告显示（注：阿里的2018财年计算从2017年4月至2018年3月），单季收入同比增长61%。而在这其中，除了传统的电商之外，阿里在报告中特别点出了新零售的作用。

在上次回顾了零售业的过去与未来之后，我们再次探讨新零售这个话题。

无论是大数据、人工智能这些技术概念和零售业的结合，还是“线上+线下”模式的迅速推广，新零售究竟会给传统的零售业，以及我们的生活带来什么样改变呢？

大数据+零售

物联网中的人是最后被连上的

天猫精灵在这次双十一中销量超过百万，成为让智能音箱界振奋的新闻。

就像Amazon Echo那样，天猫精灵的“野心”是在未来连接一切物体，打造全方位的智能家居。无论是开关、照明设备、电器设备（空调/冰箱/电视/洗衣机/......），还是厨卫、窗帘、办公区域、床、地板、衣柜等，利用语音等输入手段，智能音箱可以智能识别不同人的指令，并作出对应的操作。

未来的世界，我们不需要手机购物，我们和天猫精灵或者类似的智能设备说出需求，他就会去下单，支付，填写收货地址，甚至帮忙收货。IoT通过射频识别技术、无线传感器网络、电力线通信技术，可以把一切物体连接起来。

而在这个过程背后，大数据和物联网的连接将功不可没。

图片来源：天猫精灵官方网站

大数据和物联网的结合

距离大数据（big data）这个概念的提出，已经过了30年左右了，但直到近些年来，大数据这个概念才开始从统计学那些发霉的论文中进入了人们的生活。当我们看到凡是有点数字的研究都标榜自己是“大数据”，甚至连研究苏轼的诗词都要用到“大数据”的时候，是时候从这场“装X”盛宴中稍退一步、来想想大数据原本是个什么意思，又怎样跟现实结合起来。

我们在大学的统计课程或者概率论课程上面，没少被以下几个专业名词折腾：“置信区间”、“随机抽样”、“正态分布”、“无偏估计”。复习一下，什么意思呢？大概就是我现在想知道人群中的一个统计数值，比如人们有多喜欢喝可乐。过去的通常做法是，随机抽选一部分人，比如1000人，去问他们有多喜欢喝可乐。如果取样满足了一定的条件，比如抽取的1000个人是完全随机的、具有足够代表性等等，那么我们就能通过一些统计学方法，大致推断出所有潜在消费者有多喜欢喝可乐。

而在大数据时代，统计方法的功劳无限缩小，因为数据源被无限扩大。有了大数据，我们就不需要那些复杂且有时候不那么可靠的统计学方法，比如随机抽样、计量建模等，而可以直接通过海量数据知道每个人有多喜欢喝可乐。

更重要的是，大数据得到的结论更可靠、更透明、也更多样化，因为现在我不仅能知道平均每个人有多喜欢喝可乐，比如是高个子人更喜欢喝还是矮个子人更喜欢喝。有了这些数据，即使有些问题我们现在不关心，但在未来的任意时刻，我们也能随时调取这些数据，用以研究任何想知道的事情。数据就此得到了沉淀。

接下来的问题是，这些数据从哪里来呢？这就牵扯到大数据的三个时代。

第一个时代，简单来说就只是数据源比原来多了。

大数据的第二个时代，就是互联网+大数据的时代。类似 recommendation system。

大数据的第三个时代，叫做物联网(IoT)+大数据的时代。在这个时代，不仅仅人们的行为会产生数据，就连我们周围的物品，都可以用来产生和收集数据。在这个时代，任何物品装上传感和传送装置，都可以成为数据的收集器。这样一来，我们生活的方方面面可以被记录、被分析、被利用。当然，我们不用害怕，因为商业毕竟是个互利的行为，商家赚钱的同时也在为我们提供服务。大数据让他们能更有效地赚钱，同时我们也能得到更好、更准确地服务。

人工智能+零售

比你妈更了解你

这里说的人工智能，不只是像电影《西部世界》里面炫酷的机器人。当然高智能的机器人也是人工智能的一部分，但是跟零售业结合更紧密的人工智能，是指像alpha go一类的达到或者超越人类水平的算法。

上文提到，在万物互联的时代，商家能得到的数据无穷无尽。那么有了这些数据该怎么用呢？试想一下，假如我是一家网购的平台，有了用户的各种购物信息，甚至是用户注册时候的身份信息，以及通过信息共享可能也拿到了其它平台的一些数据，那么该怎么利用这些数据提供服务，赚取利润？

打个比方，假如现在有片可以种果树的土地，应该种哪几种水果？每种水果该种多少？把水果卖给谁能赚得最高的收益？应该通过哪种渠道来宣传我的水果？应该如何选择物流、配送？该如何应用拿到的大数据来解答这一系列问题呢？选取哪些变量？又该选用哪种研究方法？需要一个经济学的博士学位来建模解答上述问题么？

这时候就轮到人工智能出场了。人工智能发展出来的算法，其计算过程并不需要简单到人类能够理解，就好像alpha go的下棋思路一样。人工智能的算法通常能够自我学习或者自我进化，它只需要工程师在开始的时候设定好进化的思路和评价标准，而具体能进化出什么东西，进化出来的算法工程师是否还能理解，就全部不重要了。

回到上面种水果的例子，通过人工智能的帮助，我们可以将之前得到的大数据进行分析，而算法自动给出最优的调配方案，最后我只需要按照算法推荐的结果进行执行即可。

当然，上面说的只是理想的情况，目前在现实中可能并不能达到如此先进的程度，但是通过人工智能的帮助，我们无疑能更有效地利用已有的大数据。

用个经济学时髦的词来说，就是“实现资源的最优化配置”。比如货物大脑，可以得到货物的实时状态，根据现有交通情况及未来的预测，运用运筹学等算法计算最优的配送路线，达到让货物的运送效率更高。

线上+线下

人-货-物的全链接平台,对消费者的购物体验全面升级

线上线下加上现代物流合在一起，才能真正创造出新的零售。举例来说，生鲜一直是电商最大的瓶颈，而物流则是生鲜行业的关键。2010年后，中国出现了一批大大小小的生鲜电商，如美味七七，青年菜君，特土网，壹桌网等等。他们长则生存了两三年，短则一两个月，结果都上了电商倒闭平台名单。这是因为，生鲜电商对物流配送及损耗的成本要求极高，传统生鲜渠道中，损耗成本可以占实际售价的一半。

“两栖生物”盒马鲜生于2015年3月诞生，2016年1月15日开设首家门店（上海金桥），两年内开了13家门店。盒马的口号是，线上下单后30分钟，3公里内配送到家。

利用阿里客户体系及全链路，从供应商，销售及物流的数字化，使得线下门店兼备仓储及销售的两大功能。

新零售从“大而全”抵达“小而美”。

现实阻碍

新零售的发展必将是一帆风顺地前进么？我们认为至少需要克服以下几点障碍：

第一，也是最根本的障碍，就是技术水平。人工智能是否真的能达到，以及什么时候可以达到“读心”的水平尚不可知。虽然alpha go称霸棋坛，但围棋毕竟是一项具有明确规则的体育运动，和现实生活的复杂程度不可同日而语。在围棋之外，很多人脑能够完成的运算，目前的程序都做不到，比如精准的同声传译。

第二，涉及到新的理念或者新的技术的公司，其融资的稳定性和安全性都是至关重要的。在新的技术或者新的商业模式能创造稳定的现金流和足够的利润前，如何保证企业的现金流不出现断裂？

第三，大数据也好、人工智能也罢，其核心是信息的获取与处理。既然牵扯到信息，那么信息安全如何保证？一旦商家收集了消费者某些私密信息，如何确保这些信息不会泄露？又如何监管相应的信息在合理合法的范围内被使用？

没有良好的信息安全保证，大数据和人工智能的发展将会受到制约。即使届时相关技术已经成型，但可能很难将技术进行推广和应用。举例来说，美国的信用体系三大核心公司中的Equifax，在今年7月29日就发现他们的数据库受到攻击，黑客通过网页漏洞窃取了1.43亿人的信息，包括SSN、生日、地址及驾照号.

第四，如何更好地满足消费者的需求？会不会未来的各种“无人”其实并不是消费者真正需要的？缺少了最本质人与人之前的交流，是否让享受购物过程的人丢失了原有的购物温度？

这些都是新零售行业，特别是在和“冰冷”的现代技术结合之后必须回答的问题。

来源|微信公众号： 云锋金融