REES46 专家翻译了 DeZyre 关于大数据的文章，其中包含大型线上和线下零售商应用数据科学的实例。
数据科学与电子商务
世界被来自不同来源的数据所缠绕，每次点击鼠标购买物品时，信息足迹（数据）都会被记录并保存。这些数据随后会被在线零售商用来吸引客户并增加销售额。
例如，当您寻找新手机时，商店会记录您浏览过的产品信息，Google 保存您的搜索查询，评测网站则记录您阅读过哪些型号的文章；此外，您可能还在 Facebook 或 Twitter 上分享过这些信息。所有这些推文、点赞、Instagram 和 Pinterest 上的照片都可以用于电子商务，帮助零售商了解客户需求。收集、存储、分类和分析数据是数据科学不可或缺的一部分，也是所谓“数据科学家”这一新兴专业群体的核心工作。
“历史不会重演，但会押韵。”——马克·吐温
“大数据革命”带来了数据存储、使用和云计算领域的技术突破。这一切都帮助企业识别相似的模式，以预测未来事件。如今，数据科学算法能够预测从流感爆发到犯罪死亡率等一切事物。
以一家通过优质产品和及时配送开展业务的零售 gadget 商为例：随着全球趋势转向环保产品且竞争加剧，关键客户正逐渐流向竞争对手。如果该企业家仅依靠人工调研市场，这些变化将难以察觉。而数据科学家可以通过算法持续分析销售周期，将销售数据与新闻文章、社交媒体更新等外部来源进行比对，从而发现数据与产品购买之间的相关性。数据科学帮助零售商保留关键客户，而非仅仅获取新客户。
根据 EMC 的分析报告，到 2020 年底，数字数据总量将超过 44 泽字节，相当于地球上每位女性、男性或儿童平均拥有 5200GB 的数据。预计年度数据增量将翻一番。数据是“新黄金”。在线零售领域的竞争日益激烈且残酷，用户习惯变化迅速，每家零售商都在努力争取优势。虽然常识和直觉当然有用，但仅靠它们不足以做出精准预测。
数据科学不仅适用于在线零售：
- L’Oreal（知名化妆品零售商）聘请了数据专家以研究化妆品对不同肤质的影响。
- 劳斯莱斯聘请数据科学家分析航空发动机数据，以制定维护计划。
- Feedzai（电子支付防欺诈服务）利用数据分析来检测欺诈行为本身。
- Fruition Sciences（为酿酒师提供管理决策支持工具的公司）利用大数据精确确定葡萄藤的灌溉频率和时间，从而酿造出更优质的葡萄酒。
数据科学在电子商务中的应用示例
1) 商品推荐
“未来将变得个性化，您将像了解自己一样了解买家”——汤姆·埃布林，Demandware 总裁兼首席执行官。
基于消费者行为的推荐与策略非常有效。如今的购物者高度依赖推荐：无论是购买建议、餐厅选择还是服务使用。大多数电子商务网站（如沃尔玛、亚马逊、eBay 和塔吉特）都拥有自己的数据专家团队，他们通过分析商品类型、重量、功能及其他多种因素，来实施相应的推荐算法。
制定此类建议主要有两个动机：
- 交叉销售：当您购买 iPhone 6 时，可能还会为其购买保护壳。因此，您需要在推荐中提供该选项。
- 追加销售：例如，您正在观看 LED 电视，系统会向您推荐该系列电视的下一代产品，价格仅高出几美元。
此外，算法还能根据具体用户更换广告横幅，或调整桌面端和移动端网站的商品展示顺序。
Brillio（美国软件开发公司）首席技术官 Punit Gupta 表示：“借助预测性分析和机器学习，电商领域的参与者能够清晰掌握用户的行为模式，包括其购物历史以及在网站上对不同产品的展示偏好。”
最好的例子是亚马逊的推荐系统，它使用预测建模。推荐引擎分析并构建过去数据关系的数学表示，以分类和预测未来事件。
我们在 REES46 根据用户行为不仅确定生理参数（如身高、年龄、服装和鞋码等），还识别用户之间的关系，即判断用户是否有配偶或子女。因此，推荐系统中不仅包含当前浏览网站的用户的商品，还包括其亲友的商品。例如，shmoter.ru 的在线商店就采用了这样的机制。
2) 理解消费者洞察，以实现客户留存、交叉销售和向上销售
随着消费者购物习惯的改变、忠诚度的下降以及期望值的提高，收集和分析消费者洞察（即无意识的动机和购买驱动力）已成为在线零售业务中至关重要的组成部分。
任何电子商务网站都应重点关注以下问题：
- 购买您产品的人是谁？
- 他们生活在哪些地方？
- 他们感兴趣的产品类型有哪些？
- 企业如何能更好地为他们服务？
- 是什么促使他们购买？
对这些问题的答案通常可以由分析师提供。数据科学算法可以提供更高级的分析功能，包括分类器、细分、无监督聚类、预测建模，以及标题建模和关键词提取。
Blue Yonder（德国软件开发公司）开发了一种自学习技术，利用数据科学帮助 Otto（欧洲最大的在线服装零售商）识别哪些客户会进入线下门店、连接零售商的 Wi-Fi、访问网站或使用移动应用，并根据顾客的位置向他们发送推送通知。
3) 确定产品策略以优化商品组合
电子商务需要应对以下问题：
- 应该销售哪些产品？
- 产品的定价应该是多少，以及何时提出该价格？
算法有助于确定最佳的产品组合，并回答其他问题：
- 商品组合中存在哪些空白？
- 这些空白对什么产生影响？
- 需要从制造商处订购多少数量的产品作为首批订单？
- 应该在何时停止供应该产品？
- 商品何时会售罄？
当然，这远非数据科学全部能力的完整列表。
4) 预测供应链模型
在线商店必须在特定时间拥有特定数量的产品。商品可能具有短暂的需求期（回想一下新年促销），如果企业未能抓住这一窗口期，就不可避免地会在仓库中积压大量无用商品。数据科学算法执行详细分析，以降低此类风险因素。
5) 个性化营销策略
数据科学在个性化营销活动中发挥着重要作用。在线零售始终在寻找激励现有客户的方法以增加销售额，或制定吸引新买家的策略。数据科学家将帮助优化广告再定位、推广渠道组合及上下文内容。
大数据作为电子商务的关键要素，不仅可以用于销售，还可以用于欺诈检测、网络分析或人力资源管理。