從數據的礦藏中提煉黃金，線下數據資產化助推商業智能變革

新零售、精準營銷……線下大數據在未來還將開拓出更多的應用方向。

從字面上來看，線上大數據就是線上產生的數據，反之，線下大數據就是線下產生的數據。提及線上大數據，我們最為熟悉的就是在瀏覽器等線上平台的輸入或是瀏覽記錄，可是線下大數據的具體表現又是什麼呢？其中最為典型的就是我們的消費行為數據，譬如買了什麼東西、進了哪家店等，這些都是在線下產生的數據。

從古至今，“數據”都是商家和企業在運營過程中的一個關鍵，進多少貨？記多少帳？這些都是需要考慮的問題。之後，因為互聯網和人工智能等技術的出現，這一行為被搬到了線上，也拓展出了更多的應用和可能性。比如百度等瀏覽器，通過對人們搜索和瀏覽的記錄，從而進行智能推薦，瞭解網絡動向。

不過，就在線上大數據的市場已經漸趨飽和的時候，線下大數據這一以往的“主角”也開始東山再起，成為各大企業爭相佈局的一種手段、策略，而相應的數據創業公司也開始一個個的嶄露頭角。

比如，聚焦於“線下數據資產化”的眾盟數據，近日宣佈完成1.8億元B+輪融資，本輪融資由雲鋒基金領投，B輪投資方IDG資本、昆仲資本加註跟投。截至當前，其B輪系列累計融資金額已達3億元，是線下數據領域目前最高金額融資。

為什麼要將線下大數據重新拾起並進行充分利用？數據顯示，目前線上消費行為在總體消費中所佔的比例仍不足20%，而線下消費佔比超過80%。所以，儘管天貓、京東等線上平台在過去成功的“擠壓”了線下零售商，但是從最終結果來看，他們離成功還有一段距離，這也是人們再次推崇線下大數據的主要原因。

以往，通過線上大數據，我們已經對一些產業進行了升級改造，譬如醫療行業，對線上的大量數據進行分析，可以做出醫療建議，或者是能源行業，通過電網獲取數據以預測人們的用電習慣等，從而對未來某個時間段的用電量進行推斷。

值得注意的是，雖然一些傳統產業在藉助線上大數據進行智能化升級，但在某些數據層面，他們也存在着“脱節”現象，而這種“脱節”需要線下大數據來進行補充。用眾盟數據創始人&CEO廣宇昊的話來説，互聯網的下半場，線下數據是洞察消費者需求的最有力依據，是商業創新變革的戰略資源和核心動力，而數據資產化將成為智能商業升維競爭的核心競爭力。

*把那些“被浪費”的數據用起來：*相比於線上數據，線下數據的獲取更為困難，也常常被忽略，成為一種浪費的資源。在線下場景中，哪些人進了你的店？到店的人停留了多久？老客户多長時間來一次？人們最喜歡聚集在哪裏？離開後如何再次聯繫客户……在運營過程中，每個企業每天都有大量的用户數據在即時產生，對企業來説，關鍵是要樹立“大數據思維”，要持續不斷的對數據進行蒐集、梳理、轉換、存儲、分析、運用大數據。

以新零售場景下的超市為例，通過紅外、傳感器、人臉識別等智能設備對人們線下的行為數據進行獲取和分析，能夠了解人們對什麼產品更感興趣、哪個商品區人流量最大等信息，進而指導商家提升運營管理，如進行商品品類升級、商品區域調整等。

與線上大數據類似，從數據資源的持續積累，到與消費者即時連接互動、數據的智能應用及持續的自我優化，直至達成價值變現，線下大數據也形成了一個可循環、可複用的“活”的數據閉環，這是線下數據資產化的過程。基於此過程，那些以往被忽視、浪費的數據將被重新拾起並循環使用，從而助力零售、銀行、醫療等傳統產業完成進一步的智能化升級。

“活數據”全方位連接企業和消費者：“新零售已成燎原之勢，對企業而言，只有通過大數據把握人的需求，如同之前搜索引擎通過搜索行為把握人的需求一樣，才能以不變應萬變，抓住新零售的機遇，更快搶佔智能時代的未來。”昆仲資本創始合夥人梁雋樟表示。

那麼，我們需要考慮的是，線下數據該如何利用？怎樣才能實現線下數據資產化？數據是養出來、練出來、整理出來的。在不斷積累的過程中，數據的應用會越來越多，同時，隨着不斷的應用，數據的價值也越來越大。

以傳統商超為例，企業通過智能硬件獲取到店人羣數據，將之進行結構化、可視化管理，從而洞察用户需求並開展數據營銷。例如，超市想為自己的活動吸引人流，可以基於線下數據對特定用户羣體進行“精準推送”。用户在看到廣告推送之後，會進行“互動”，進而參與超市活動，最終完成消費行為。在這個過程中，超市不僅能夠建立起自有用户數據庫，指導企業提高管理和營銷，讓線下數據成為企業的“活資產”，而且，在不斷使用的過程中，線下數據會不斷升值，最終成為企業發展的數據資本甚至戰略資本。

線下數據資產化的本質就是要從企業的消費者數據“礦藏”中提煉出“黃金”並有效應用，它解決的是新零售發展的核心問題—用線下數據也就是活數據，全方位連接企業和消費者。雲鋒基金董事總經理李娜表示，雲鋒基金非常認同眾盟數據提出的“線下數據資產化”理論和實踐成果，尤其在新零售領域，數據是貫穿“人、貨、場”的核心要素，數據的價值不言而喻。

結語

隨着線上數據的漸趨飽和，以往被人們所丟下、忽視的線下數據正在重新“發光發熱”，併成為了各企業實現產業升級改造的核心之一。

當前，在應用層面，線下大數據更多的集中於新零售和精準營銷，如何拓展更多的應用方向和場景？又如何垂直於行業進行進一步的深度挖掘？這些是當前線下大數據所需要考慮的幾個問題。