来源：数据猿 作者：苍锐

目前，商业地产行业在数据方面所面临的痛点是：没有痛点。

几乎所有人都认为大数据是趋势、是有价值的，但价值到底在哪里，能够解决自己目前面临的哪些核心问题，依然没有清晰的答案。也正因为不清楚是否存在痛点，所以会犹豫、焦虑。

犹豫是因为还不清楚大数据能创造什么价值；焦虑是因为受大环境的影响，担心没有尽早跟进的话，会被同行或某些潜在竞争对手抓住机会弯道超车。

从2012年大数据概念问世之后，目前大数据服务行业已经在多个垂直领域发展出了相对完备的解决方案与方法论。针对商业地产行业的解决方案可以体现在拓展与经营的各个方面，比如商业项目前期的投资评估、定位及规划、招商销售、运营优化等；再比如品牌商家的拓展选址、消费客群洞察、门店运营优化、营销推广等。甚至可以帮助地产商与品牌商进行产品与服务的拓展，寻找创新的商业模式。

这些行业解决方案和方法论，其实都是从“洞察顾客”的角度出发，试图利用大数据的优势，实现对消费者的全息画像，进而为商场提供制定策略的依据，达到优化顾客体验、挖掘顾客消费潜力的目的。

但其实，线下大数据与线上大数据有着本质上的区别。将线上大数据应用于线上广告方面的“成功”经验，试图复制到线下大数据上的尝试，很难获得成功。

大数据公司的典范亚马逊，其创始人贝索斯的名言就是：为优化顾客体验而走火入魔。亚马逊之所以能够致力于优化顾客体验，从而获得行业龙头地位，是因为它首先具备优化顾客体验的能力。这个能力体现在对于顾客从打开亚马逊网页的一刻开始，在网站内所进行的一系列流程——认知、探寻、行动、互动等四个阶段，能够全方位的收集到顾客的行为数据。只有基于这样细致、连续、大规模的样本数据，才有条件进行优化顾客体验的种种尝试。

所以问题来了，我们是否能够在线下也收集到这样的信息、观察到这样的行为，从而理解顾客的真正需求？

其实对于商业地产行业内真正的专家而言，大数据号称能够解决的每一个场景都是可以脱离大数据、凭借积年的经验来很好地完成的。以当前数据行业的整体发展水平和各个数据服务商的开放程度，仅能够为商业地产行业的客户提供一些辅助，很难为行业提供真正细致、连续、大规模的顾客数据，所以并不能支撑行业去实现真正意义上的模式创新和颠覆。这与大家对大数据改变行业的预期，相去甚远。

很多优秀的品牌都有自己的数据系统，比如星巴克、肯德基、麦当劳，对于选址和运营阶段的数据管理，都有着极为深刻的了解和成功的应用。

但这些品牌商也已经意识到，仅靠自己的内部数据，是无法完全满足实际业务需要的。内部数据如何拓展，与外部的丰富数据匹配，是当前行业内大部分品牌商正在尝试和探索的阶段。

在这个阶段，品牌商能够认同外部供应商提供的大数据服务的价值，主要是集中在这两个简单粗暴的方面：1，降低成本；2，增加营收；

但目前的现状是，拥有优质数据的数据服务商，数据成本极高，难以达到品牌商现阶段的成本预期；而因为大数据服务商内缺少对零售行业有深刻理解的专家型人才，所以通过数据服务实现品牌商营收增加的目的，还有比较远的路要走。

综上所述，数据服务想要给品牌零售商创造真正的价值，需要具备以下四点：1，首先要有能理解行业的数据专家；2，符合现阶段品牌零售商家承受力的服务成本；3，具备数据的采集、清洗、管理分析能力；4，能够将内部数据与外部大数据进行整合，无论内外，都能打破数据孤岛，从而实现真正的大数据服务。

下面将会例举一个具体的服务场景，与大家分享一下我们在现阶段，在数据服务领域所取得的一些进展。

案例：万达广场在筹备期是如何了解客户需求的

万达广场的需求是：了解周边有多少人，他们都喜欢买什么东西？

在目前的大数据行业，有很多的服务商都有能力提供位置数据服务，帮助万达了解项目周边一定范围内有多少人。通常会把区域内的人群具体细分为居住人群、办公人群以及流动人群。

但其实这样的分类并不严谨，在微瑞思创，我们一般会把区域人群分为四类：居住非办公人群、办公非居住人群、居住且办公人群、非居住非办公人群。四类人群相互之间不存在交集，这样才能够更为精准评估区域内到底有多少客群。

找到合适的位置数据服务商并非难事，但精确掌握客流仅是第一步工作。更为重要的是进一步把握区域内各类客群的消费情况。这就需要将位置数据和消费数据，在同一个客户身上进行打通。能够完成这一步的数据服务商屈指可数。哪怕不要求打通，仅仅获取有价值的客群消费数据就是大部分服务商难以完成的任务。

目前的消费数据大体上分为线上数据和线下数据两类。能够做到长期稳定提供消费数据的数据源除了淘宝、京东外，仅有中国银联。而线上消费数据对于实体商业项目的指导意义，目前还没有定论。越来越多的行业专家认为，线下的消费数据的价值，要大于线上消费数据。因为客群在线上的消费特征很可能与线下的消费特征完全不同，并且没有明确稳定的规律可循。

而类似微信、支付宝类的支付平台，虽然以极快的速度侵占着线下的支付场景，获取了大量高价值的消费数据。但它们目前极为封闭，暂时还没有任何渠道可以获取相关的交易数据，用于数据服务。所以，目前在商业地产行业，真正能够应用的消费大数据，仅有中国银联的银行卡消费数据。

在我们把电讯运营商提供的位置数据和银联提供的消费数据打通之后，我们就具备能力，对区域内的客群进行深度的分析。比如多个维度的交叉分析，或者聚类等分类处理。

当我们能够对区域内的客群按照不同的驻留特征分为四类，并且通过关联银联的消费数据对各类客群进行消费能力评级。甚至可以进一步分析各类客户在不同业态的消费额比例、客单价范围，乃至最常消费的品牌TOP10。于是，一张针对区域客群的消费偏好全息图谱就跃然纸面了。

在微瑞思创，我们能够量化的划分各类客群的比例、明确各类客群总量，评估各类客群实际发生的消费额以及对未来即将开业的商场的贡献度。并能根据其消费特征直接给出最受欢迎的品牌组合。

现在，回到我们在前面提出的问题：我们是否能够在线下也收集到这样的信息、观察到这样的行为，从而理解顾客的真正需求？

毫不讳言，在当前的数据行业大环境下，我们依然不能很好的解决这个问题。我们所掌握的数据，依然不够理想，依然存在诸多问题。但通过我们的努力和探索，已经可以在行业客户所聚焦的特定场景之下，为客户提供真正具备参考价值的数据与分析。从而帮助客户，更深入的了解自己的顾客群体，为优化顾客体验而制定策略提供有力的支撑。

来源：数据猿