掘金时尚大数据.docx

掘金时尚大数据.docx

《掘金时尚大数据.docx》由会员分享，可在线阅读，更多相关《掘金时尚大数据.docx（7页珍藏版）》请在冰点文库上搜索。

掘金时尚大数据

掘金时尚大数据

　　在数字时代，大数据也衍生出一个大江湖。

它正从媒体热炒的概念落地为产生财富的产业，引发众多大数据服务商争相挖掘这个百亿美元级别的市场。

来自伦敦的大数据服务商Editd早在大数据概念刚刚萌芽的时候，就开始在这片热土上精耕细作，用大数据来支持直觉，用数据驱动时尚预测，成为大数据时代的掘金者。

　　掘金之路

　　无论你是否承认，大数据正在改变着无数人的命运。

亚马逊前任首席科学家安德烈亚斯?

维根曾经说过：

“数据是新的石油。

”大数据的价值堪比石油和黄金，越来越多的人开始在大数据上挖掘财富：

华尔街的敛财高手们通过大数据先人一步预判市场走势，银行根据大数据分析就业率，对冲基金根据购物网站的顾客评论判断产品销售情况……

　　然而，就在六七年之前，大数据还是一个不为大多人所熟知的新兴概念。

2008年9月，《自然》杂志推出了名为“大数据”的封面专栏，次年大数据也仅仅是互联网技术行业中的热门词之一。

就在同一年，一家致力于用大数据推动时尚领域变革的创业公司成立了，这远远早于人们公认的大数据研究与应用先驱麦肯锡咨询公司――其在2011年6月发布了长达150余页的关于大数据的报告，探讨网络平台记录的个人海量信息的商业价值。

　　这家创业公司名为Editd，是第一个在时尚领域挖掘大数据价值的开拓者。

2000年代初期，JuliaFowler在澳大利亚担任时尚设计师，她常常在设计中遭遇一个令人苦恼的问题：

由于信息源太少，导致她很难及时了解和响应最新的流行趋势。

在回忆那些年的工作经历时，她说道：

“我们手头上有上一季产品业绩的内部数据，也能够通过一些时尚网站来获得启发，但是我们根本就没有办法知道我们到底在设计中错过了哪些机会，更没有具体的数据来告诉我们如何才能让产品搭配更加完善。

”

　　JuliaFowler想要寻求帮助，但她却不知道该向谁求助。

于是，她产生了自己开发一套大数据解决方案的想法。

Julia找到了一位合伙人GeoffWatts，他是一位财务工程师，并且有着金融领域的从业经验。

两个人对大数据解决方案有着相似的看法，一拍即合，于是很快便在2009年成立了利用大数据来进行时尚预测的创业公司Editd。

Julia说他们希望能够用数据来帮助时尚公司更好地进行产品开发和陈列，以减少错误的发生与避免市场机会溜走。

从这一年开始，她和Geoff便带领20多名员工开始了大数据掘金的旅程。

　　机器代替人工决策

　　JuliaFowler和GeoffWatts对于自己创立的智力型创业公司充满野心，但他们并没有将公司设在全球科技创业焦点的硅谷，而是设立在了伦敦。

原因再明显不过：

伦敦有着在全球范围内都具备优势的创意产业，尤为重要的是这里还有着探索创意和技术交叉领域的传统。

　　创意与技术的交叉正是Editd公司想要做的事情。

Fowler认为当消费者每次看到有产品在打折的时候，背后原因都是时尚品牌的某种错误决策。

正是很多这种错误决策使得整个时尚行业出现了大量损耗，而Editd希望能够解决这个问题，帮助时尚品牌做出更佳的营销决策并快速补货，来实现在对的时间、对的地方，提供对的产品给客户。

　　错误决策源自传统市场调查方法的局限性，它并不能让时尚品牌和零售公司精准预测消费者的购买动向，尤其对于时尚这种趋势变化非常快的产业来说，如果很多时候仍然依赖采购人员和代理商的直觉来进行商业决定，就会导致商品供应和消费者需求无法精准匹配，有时候会出现商品滞销的情况，有的时候则会因为存货不足而错过销售良机，让企业遭受重大损失。

　　Fowler以公司某一个客户为例，说明了传统调查方式的局限性。

这个客户本身是非常重视数据的公司，但他们采用的是“竞争性购物”，也就是对竞争对手进行调查。

这家公司的采购和销售团队会每隔6个星期，就到竞争对手的网站上搜集相关的销售信息，比如网站上有多少款紧身牛仔裤正在销售，它们的价格又是多少。

他们会将这些收集到的信息汇总到Excel表格里，然后装订成册散发到公司内的相关人员手中。

在接下来的6周内，这个手册就是这家公司的销售法则了。

　　这种方式有什么缺陷呢？

首先是非常耗时耗力，浪费了大量时间和人力，但这并非这种方式的最大缺陷。

最为危险的是可能有些项目会被重复计算或者混用不同的数据收集方法，导致出现统计错误，而根据错误的手册来进行决策，无疑是非常冒险的。

　　Editd所做的事情就是改变这种传统数据收集方式，通过机器智能代替人工做出决策。

每天和每周，Editd公司都会发布特定市场类别的新品和打折商品情况的零售报告，而且还提供一些分析工具帮助客户追踪竞争对手情况，来制订自己的产品计划和下一季的促销策略。

　　具体来说Editd提供的大数据分析服务主要分为三个主要部分，最基础的服务为数据，然后是社群监控，第三个服务部分则是创意。

其中数据服务包含了市场分析、零售报告和广告，Editd会通过对数据资料进行搜集和分析，向客户提供现阶段市场上产品的生命周期、定价策略、仓储标准、折扣等信息，还包括竞争对手的营销策略和手法。

这些数据可以具体到竞争对手多久进行一次折扣、折扣的力度和折扣通常维持多久。

　　Editd提供的社群监控服务，会密切追踪Facebook、Twitter、Tumblr、Blog等社交媒体上的相关信息，这些监控囊括了超过80万名意见领袖与时尚专家的评论。

有了这些社群监控资料，时尚品牌的从业者就可以用更短的时间快速掌握最新、最重要的资讯，并以此为依据进行相应的决策。

　　创意服务包括定制化的趋势工具版、伸展台和服装秀。

Editd会整合分析现在最热门和最冷门的商品、不同产业或地区的宣传营销方式、不同地区与季节的潮流、不同的品牌形象以及它们的市场模式等。

Editd提供的数据非常详细，对于流行趋势的走向，通过颜色、花纹与材质等趋势与话题的交叉分析，为设计师、品牌商、零售商和生产商预测新品制造与采购的成本，从而避免产生不必要的库存。

尤其是如今时尚产业的季节性已经不像以前那样泾渭分明，一切都变得更快，有的品牌甚至每几周就推出一系列新品，这就让Editd的数据服务更具价值。

　　客户可以根据自己的实际需求，来选择相应的服务。

这样他们就不用再依赖过去那样简单粗暴却容易出错的数据收集方式，可以根据更为准确的数据和更为清晰明了的分析报表来进行企业决策。

　　530亿个数据点

　　Editd的服务如此诱人，可这些分析报表背后的大数据，是用什么样的方式获取的呢？

Editd公司号称有着目前全世界最大的服装数据库，120台服务器中存储着几百兆兆字节的数据。

这些数据汇总了全球各种来源的流行时尚数据和销售信息，从零售网站到社交媒体，从设计师到T台走秀报告，从流行博客到在线媒体，当然还有Editd自有的秘密资料。

Editd的程序抓取的信息也十分详细，从价钱、产品风格、存货水平、折扣优惠到顾客情绪都一一囊括。

　　或许一个数据可以说明Editd数据库的庞大――这家公司的数据库包含了至少530亿个来自时尚行业的数据点。

这些信息从时间上可以追溯到5年之前，从地域范围上则覆盖了全球1000多个零售商，并且保存着超过1500万张高清图片。

　　这些庞大的数据库仅仅是未经开垦的沃土，要想让其变为财富，Editd需要确保这些数据简单易用。

为了能够随时读取这些数据，Editd并没有将庞大的数据库存储在硬盘中，而是储存在内存中。

GeoffWatts对此解释说：

“这是非常重要的。

我们需要以任何可能的方式读取和查询所有数据，它们必须具有超强的响应力。

而且我们需要让这些数据足够简单易懂，用户不必非得是一名数据学家才能理解这些数据的含义。

”

　　GeoffWatts也详细解释了公司提供的“社交监控”服务。

服装业内任何从事新品规划、采购、贸易和战略规划工作的人员，都可以通过Editd提供的服务，在PC、移动端设置自己的社交监控器，然后就可以随时随地了解全球80多万名有影响力的时尚潮人和专家的社交活动了。

　　社交监控服务涵盖了男装、女装、童装、配饰和美容等多个领域，输出的信息也是可以定制的。

比如一个高端服装店中负责裤装的业务员可以定制自己需要看到的数据，而另一家平价服装店的采购员则可能看到完全不同的信息。

这样的定制服务对于客户自然是十分便利的，但对于Editd来说却是一件复杂的事情。

因为时尚产业的边界本身就比较模糊，如何为所有商品进行分类是一项极大的挑战。

比如单单是裤装，就可以分为长裤、七分裤、短裤等类别，而靴子也可以分为及踝靴、长筒靴等类别。

Editd采用计算机视觉和自然语言处理程序为服装分类，GeoffWatts解释说：

“比如‘这是一件印花连衣裙’或‘这是一件羊毛开衫’等等。

对于我们的工作来说，统一分类标准，生成一个干净、一致的数据库是一个极为重要的部分。

”

　　这种分类方法令客户使用数据更为方便，当Editd的用户在手机上输入“印花连衣裙”这几个字进行查询的时候，不到1秒钟就能够得到自己想要的结果了。

而且这种对产品的追踪可以非常详细，JuliaFowler补充说，Editd的系统可以追踪到5000多万个SKU。

SKU指的是库存最小单位，对于服装产业来说，某一款服装的某一个颜色的某一个尺码是一个SKU。

　　假如一个零售商不知道自己是否应该针对条纹服装进更多的货，那么Editd提供的数据可以告诉他条纹服装在过去是用了多长时间卖完的，以及哪个尺寸和什么样的价位卖得最快。

再比如，如果一个设计师想要知道人们对蓝色的感觉，那么Editd可以通过社交媒体收集人们的相关情绪，观察人们对于颜色的态度是如何发生变化的。

零售商可以根据这种分类数据，来进行相应的商品配置、促销策略、定价、顾客情绪管理等。

　　GeoffWatts认为：

“这项技术以及它给行业带来的变革，使客户能够获得他们真正想要的东西，而不是由别人决定给他们什么东西。

它使客户可以更加动态化地掌控他们的时尚格调，也使市场更加高效、绿色。

”

　　400亿美元级大生意

　　Editd的大数据魔法真的能够为客户带来神奇的效果吗？

英国在线零售商ASOS或许会用“YES”来回答。

这家在线零售商为公司200多名员工购买了进入Editd系统的权限，他们得到的回报是：

在使用Editd服务后的2013年第四季度，销售额跃升了33%。

　　超过三分之一的增幅足以令人称奇，而Editd已经开始为众多时尚产业的公司提供相应的大数据服务。

目前，Editd的客户包括ASOS、Gap、Target等时尚品牌和零售商，还包括一些2008年之后成立的新创型时尚公司。

　　Editd提供的收费方式是按数据的规模来进行计算的，企业授权费用的基础价格为2000英镑，而对于那些需求更为复杂的客户，费用也要多得多。

Editd的发展模式也受到了投资机构的认可，2011年夏天Editd得到了IndexVentures领军的首轮160万美元的种子投资。

此外，Editd还曾经在Seedcamp新创公司大会中成为获胜的10家新创公司之一，得到了另一轮数百万美元的投资。

　　事实上，时尚预测是一门大生意，有人估计这个市场的产值高达360亿美元。

从过往的案例中也不难看出这门生意的增长速度，英国在线时尚预测和潮流趋势分析服务提供商WGSN就是最好的案例。

这家公司因为将过去纸质的时尚预测刊物转变为在线的预测报告，而在市场之中掀起波澜。

他们拥有3万家客户公司，每一家公司每年会分别向GSN支付3万美元的费用，来获取图片、报告和预测服务。

Julian和MarcWorth在1998年初创立了这家公司，2005年两个人以2.45亿美元的价格出售了这家公司，从而实现了自己的创富梦想。

　　Editd有希望复制WGSN的成功，其对大数据的量化分析是足以颠覆这个行业的现有规则。

相比传统预测服务，Editd有着更为明显的优势：

不但信息更为全面，而且浏览起来更为简便，只需要一个手机移动端就可以获知产业趋势和社群信息；能够将大数据实用价值最大化，客户可以利用大数据对供需进行管理和避免过早的折扣；使用者可以通过大数据和社群监控真正地了解自己的客户，从而做出正确的决策；创意与技术的交叉，比如视觉化的秀场信息和街头风格分析资讯，可以为时尚公司提供更多灵感启发；快速与精确的行动，大数据可以让设计师、采购与零售商用最快的速度做出更为精准的销售决策。

　　Editd从大数据中挖掘信息、需求来支持决策正在成为行业内的趋势，就连传统的预测服务商WGSN也正在计划投资更多的量化分析工具。

但Editd已经成为这条掘金道路上的先行者，在其EditdBlog上正发布着越来越多在主流媒体中少见的数据分析报告。

而且Editd的两位创始人有着更为宏伟的理想，他们并不想一直局限在时尚产业内，未来将会走出流行领域，拓展更多的可能性。

既然他们已经拥有了机器学习和人工智能的核心技术，在未来更宽广的领域挖掘大数据的价值也就是顺理成章的事情了。

　　GeoffWatts认为：

“这项技术以及它给行业带来的变革，使客户能够获得他们真正想要的东西，而不是由别人决定给他们什么东西。

它使客户可以更加动态化地掌控他们的时尚格调，也使市场更加高效、绿色。

”