在新零售的浪潮中，巨头携资本之威来势汹汹，昔日零售骄子大润发也只能向时代低下“高贵的头颅”。身处这样一场混战中，成立短短两三年时间的超盟数据，巧妙地选择了连锁便利店为主要客户群，由此发展壮大。

　　1

　　在小区底商、公交站旁，人们到处可见便利店的身影，几十平的门面、两三个店员再加上扫码支付，就可以支撑起整个便利店的正常运转。与沃尔玛这样的线下零售巨头不同的是，便利店的主人绝不用挖空心思，去管理那么多的商品，所有的货物一眼就能看得过来。

　　所以在很长的时间内，店主们都过着小而美的生活。

　　不过，这种“好日子”似乎随着电子商务与新零售的快速发展戛然而止。智慧门店、大数据、无人零售人工智能等线下零售业态的出现都预示着一个道理：商家将以更低成本获取更多需求信息，更精确地分析需求信息，更快反应需求信息，从而降低时间和成本，提高效率;消费者希望追求更高的消费品质，买到最适合自己的商品。

　　单纯考虑便利店最核心的业务场景“订货”、“销售”“库存”，店主们就有两个事情难以解决。

　　第一，订什么货。以前是店里有什么顾客买什么，现在是消费者需要什么，店里才需要订什么，那么到底哪些商品才是消费者真正需要的?哪些商品还有没有库存?畅销品缺货得到有效的解决了吗?

　　第二，订多少?店主们到底需要订购哪些商品，才不至于造成脱销或者滞销?

　　在没有数据支撑的情况下，仅凭店主的经验去解决这些事情，错误难以避免。所以，超盟数据就是希望通过对连锁便利店的全量数据及大量外部数据的分析，基于不同的决策场景，帮助便利店提高运营与决策水平。

　　2

　　据口碑联合CBNData联合发布的《2017线下零售新生态报告》显示，快消品大卖场的销售占比逐年下降，便利店却逐年上升，2016年的比例已经达到4.4%。从这个角度来看，超盟数据当初选择的方向，有着非常大的市场前景。

　　记者了解到，超盟数据是国内领先的“人工智能+零售”公司，基于大数据算法和人工智能技术，为连锁便利店、连锁商超及泛零售企业提供一站式的数据管理和分析服务，帮助零售企业实现精细化运营 。

　　在今年3月20日举行的2018中国人工智能应用与生态峰会上，“以商品为中心构建知识图谱”的零售新概念浮出了水面。

　　3

　　什么是以商品为中心的知识图谱?简单理解就是，以商品为中心，把不同各种类型的数据，按照既定模型组合在一起形成的关系网络。

　　超盟数据产品总监赵佳表示，在商品的流通过程中有四个角色：品牌商、供应商、门店、消费者，事实上对一件商品而言，从它生产的那一刻起，就就具备了很多的标签。比如同样一听330ml的可口可乐，可以是铝罐装，可以是铁罐装，还可能有动漫卡通的限量版，这些包装在每个连锁便利店的名称都不一样，但本质上它们是同一个商品。而把这些关系理出来形成关系网络，这些标签最终会对商品的销售造成哪些影响，就是超盟数据需要给客户的结果。

　　超盟数据产品总监 赵佳

　　这个说起来很容易，实际上却非常困难。即便是一个小小的便利店，数据的搜集与挖掘便是一个很大的难题，需要把线下和线上的数据汇总起来。这样一来，大量极度零散的数据就汇集到了超盟数据的云数据库中。

　　但我们都知道，这么多的数据肯定是没法直接用的。首先这些数据中的大部分都是无效的非格式化的，需要先进行数据去重等清洗工作。赵佳介绍到，底层数据的清洗工作是冗长而复杂的，这是万里长征的第一步，也是后续工作是否能够顺利进行的重要前提。

　　数据清洗之后，系统就可以得到非常宝贵的“干净数据”。显而易见，接下来就要进行数据处理了。在数据处理的过程中，最重要的便是算力和算法模型。不过，这些事情倒也难不倒曾经做过算法工程师的赵佳，在引入人工智能+机器学习算法之后，超盟数据就可以基于这些数据，赋予商品既定的标签，并且最终形成商品与商品之间、商品与门店之间、商品与消费者之间的关系网络。

　　例如同样的可乐，放在什么样的门店、门店的什么位置，受到哪些消费群体的喜爱等等，这些都是超盟数据应该告诉便利店店长的结果。

　　4

　　赵佳将构建以商品为中心的知识图谱分为了三步：第一，大量的数据清洗和去重;第二给商品打标签;第三，建立商品与商品、商品与消费者以及商品与门店之间的关系网络。而这里面有两个关键点，第一点是通过数据打通零售链条，第二点是数据+人工智能形成决策。

　　例如，在便利店选址的时候，到底选在什么样的地方，才能吸引更多的消费者买更多商品呢?传统的做法是，店主发现学校旁边有一个不错的门店，根据经验这个便利店会主要经营一些文具、零食等学生购买频率较高的商品。那么假设学校对面还有一个医院呢?还有大量的居民区呢?在这样的条件下，便利店该如何抉择?

　　赵佳表示，针对这些问题，超盟数据做了一个门店相似度的模型，这个模型它包含很多维度的信息，比如有多少所学校，有多少所医院，居民区的规模怎么样，周围的房价怎么样，找出相似门店。另一方面，超盟数据根据商品的进销存状况以及消费者的消费行为，形成共计150个维度的画像。通过门店相似度模型和画像，超盟数据会从某一类别表现非常好的门店，把它作为样板给其他门店提供决策基础。

　　5

　　值得注意的是，截至目前，超盟数据已经覆盖了中国18%连锁便利店，每天监控千万级人次的交易数据。别看现在这个数据量较为可观，但是在推广阶段也曾困难重重。

　　当赵佳还在绕世界转圈，给那些三四线城市的便利店推广数据驱动、人工智能的时候，新零售的概念远没有现在渗透率那么高。那些便利店的人总会问赵佳：你们这是啥玩意?这些数据我放在自己的系统里，我们想用就能用，你说你们的系统很智能，到底智能在哪儿，跟我们原来的系统或者使用方式有什么区别?

　　听到这些，最开始赵佳也是一头雾水。但是数学专业毕业的她，很快就找到了问题的关键：数据和人工智能只有形成一个能供人使用的决策才是有价值的，也就是说必须要有具体的应用场景以及产生的内容需要给客户带来决策上的帮助。

　　赵佳非常看好超盟数据的未来。她说：“我们有大量来自硅谷的科学家，他们尝试用技术赋能线下这些连锁企业，不过，这些都不重要，最重要的是我们这家公司，这家公司有一个非常好的名字，叫超盟，这样以后我跟大家介绍的时候我可以介绍说，大家好，我是超盟的赵佳(“盟”与“萌”谐音)，她一边说着一边做了一个搞怪的表情，这不禁让人感到，超盟数据是个很有创业激情的创业团队，期待超盟团队为零售生态带来更多数据惊喜。

　　责任编辑：DJ编辑