37%的企业表示需要运用大数据帮助解决商品优化问题，找出畅销、滞销款商品，提高售罄率，降低过期损耗，同时优化商品组合与陈列。

　　零售企业对大数据分析整体整体表现的自我评价结果一般，特别是在数据分析和基于数据洞察采取行动方面
完整的大数据生命周期包括数据获取和整合、数据分析和根据数据洞察采取行动三个阶段。整体来看，中国零售企业对大数据分析各个阶段的自我评价一般。

　　在“获取和整合数据”阶段，只有36%的企业评价良好。在“数据分析” 和“依据洞察采取行动” 阶段，评价良好的比例分别只有32%和24％。可见，企业对自身的大数据分析和利用满意度不高。即使在数据分析意识较强的企业中，对数据的利用也仍集中于初级阶段。

　　在数据获取和整合阶段，企业面临的问题主要是来自多源系统的数据不一致、传统信息架构阻碍数据收集和难以整合内部数据。在数据分析方面，缺乏软硬件工具、数据可信性和缺乏必要的分析技能是企业面临的最大挑战。

　　在依据数据洞察采取行动方面，最大的挑战来自于缺乏能将业务知识与数据分析相结合的技能与人才，以及企业普遍缺乏对利用分析提升业务的理解。

零售企业希望分析手段方面更加深化和多样性

　　数据分析方法，按照由浅至深的程度可以分为以下五个种类：描述性分析；  诊断性分析； 预测性分析；规定性分析；认知性分析。

　　描述性分析就是从历史交易数据中分析过去，反映出已经和正在发生什么；诊断性分析就是了解发生的原因，分析为什么发生；预测性分析是预测未来，指出什么可能发生；规定性分析是在分析过去和预测未来的基础上对行为的指导，即建议应该采取什么行动。

　　以上分析均为静态，而认知性分析与之不同，认知性分析就是通过交互式学习的方式，让分析能力逐步成长、逐步提高认知的过程。在这个瞬息万变的大数据时代下，每天产生大量有价值的数据资源，数据分析也跨入认知分析的新阶段。

　　调研发现，零售企业对自身目前以上五种程度的分析的应用自评逐渐降低。在所有进行数据分析的企业中，71%的企业进行描述性分析，其预计未来12-18个月不会有明显变化； 41%的企业目前进行诊断性分析，并预计未来12-18个月会增加至65% ；

　　24%的企业目前进行预测性分析，这一比例在未来12-18个月会增加至63% ；百分之29%的企业目前进行规定性分析，这一比例在未来12-18个月会增加至59% ； 24%的企业目前进行认知性分析，未来将提高至35% 。

　　可以看出，零售企业希望在未来使用更多样化和更先进的数据分析方法，特别是诊断性、预测性和规定性分析，并将尝试认知性分析。

零售企业对未来大数据的构想和规划

　　企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面

第一层面是支持大数据的运营

　　零售企业可以通过对价值链上多方数据的分析挖掘，提高供应链，物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。部分零售企业已经或多或少地利用数据帮助提升内部运营，比如利用大数据收集分析，寻找更好的商品，提供更优质的服务，更全面 地满足客户需求。

第二层面是形成大数据产品

　　零售企业通过对海量数据的整合和分析，形成独立的大数据产品，采用免费、出售或合作方式提供给内外部客户。零售企业通过对海量数据的整合和分析，形成独立的大数据产品，为企业和个人提供信息服务。

　　零售商可以发展多种大数据产品，比如，对购物者的个性化需求分析，智能匹配 ( 将顾客需求与供应商资源进行快速匹配 ) 等。

　　阿里巴巴近年来发布了包括“聚石塔”、“黄金策”、“淘宝指数”和“淘宝时光机”在内的多款大数据产品，提供店铺数据分析、数据备份、加速订单处理、消费者行为研究等多方面的大数据服务。百度也正式发布了“百度司南”，为市场营销人员提供更加真实、准确、快速和低成本的消费者洞察。

第三层面是构建大数据平台

　　即部分向平台型企业转型的零售商可能利用大数据搭建企业生态，为平台上的企业服务，促进共同的繁荣。大数据将成为平台型零售企业的核心竞争力，数据的质量，如一致性、精细化程度等将成为关键。