自２０１６年马云在演讲中提出“新零售”这个概念后，它逐渐成为零售业发展的趋势和标杆。“新零售”不仅包含以互联网技术为依托的电子商务模式，也更加重视融合线上与线下渠道，对传统零售方式进行改良和创新，而实现这些的关键点之一就是数据驱动。随着信息技术的发展，企业获取和使用数据的成本越来越低廉，这也进一步促使数据成为企业发展的重要生产要素。据麦肯锡咨询公司测算，大数据的有效运用将促使多数零售企业提高６０％以上的利润率。
企业对于大数据的重视引起了学术界的关注，为管理和决策理论带来了研究和创新机遇。但是，目前我们看到，现有研究仍然存在很多问题：①目前关于数据驱动的零售业管理研究中，大多数学者以电子商务作为主要研究对象，对于实体零售业在大数据背景下的管理模式研究不多；②目前相关的专著大多是从企业管理的角度，即战略设定和运作管理两个方面着手，对于企业数据挖掘内容涉及不多；③虽然目前研究成果较为丰富，但仍缺乏这些成果在零售业中的应用路径。
鉴于此，本书从供应链的角度研究零售业管理的相关问题，即针对产品从生产、运输、上架到清仓的整个过程中涉及的主要决策入手，按照“数据—学习—模型—决策”的研究范式，首先从数据中挖掘需求产生的机制和消费者的行为特征，开发产品需求预测和预测更新方法，然后基于预测优化企业在选址、配送、库存管理等方面的决策。
本书不仅包含针对各种零售数据的建模方法，而且包含与模型相对应的算法以及数据处理步骤，读者可以随时上手进行测试。此外，笔者一直与一家跨国时尚企业和一家在新加坡经营自动贩售机的企业展开合作，利用企业提供的时尚产品的销售数据对本书中所涉及的模型和算法进行实证分析，展现了数据驱动的决策方法在零售业管理中的应用路径。
展开
