数据科学为百货公司带来了什么？

　　早在客户数据平台(CDP)出现之前，美国科尔士百货公司（Kohl’s）就把收集和积累客户数据作为其商业模式的核心了。
　　如今，这家市值194亿美金的美国百货连锁商店首席技术官、首席供应链官Paul Gaffney表示：＂几十年来，我们一直拥有着一个本土的客户数据环境，我们对自己的定制化实施也非常满意。＂
　　这家总部位于威斯康星州密尔沃基的零售商，最初是采用Netezza构建了自己的本地客户数据平台，基于庞大的信用卡组合创建了强大的客户画像，以及＂一种非常个性化的、培养客户忠诚度的方法＂。
　　但在过去几年中，科尔士百货公司一直在大力推行云计算，以实现＂科技现代化＂。Gaffney表示，云计算技术充分利用机器学习、个性化、增强的人口数据集和＂超本地化＂洞察力，来交付与当地门店相关性最高的商品。
　　Gaffney表示，在转型的过程中，科尔士百货公司（目前正在出售交易中）选择在Google Cloud Platform和运行VMware的Google Cloud服务器私有本地环境中运行工作负载，还有一些公共工作负载是运行在AWS上的。虽然科尔士当前的本地云使用了一整套工具，包括用于高级分析和数据可视化的Qlik，但长期规划都是围绕Google BigQuery展开的。
　　＂四年前，我们开始将BigQuery作为我们主要的数据环境，＂这个决定一直延续至今，在此之后科尔士百货公司围绕Google平台展开了复杂的数据科学实践，大部分关键数据（包括客户、产品和业务绩效）如今都保存在这一现代化的数据环境中。
　　但是Gaffney的工作还远未完成。
　　他说：＂我们还有大约两年的时间才能达到我们所谓完全数据原生的目标，我们将使用自动化决策流程、而不是仅仅使用数据来增强人类的决策流程。＂
　　他说，推动这一战略的关键，是要充分利用机器学习和第三方数据，服务于客户个性化和商品决策的＂超本地化＂。
　　第三方数据的力量
　　科尔士百货公司有1000名IT员工，其中有50名数据科学家，公司从18个月前开始推动数据自动化，目前收集到大量第一方客户数据，以及获得许可的第三方数据集，正在被迁移到BigQuery，通过运用先进的机器学习模型和增强的个性化技术来促进销售。
　　与很多零售商一样，科尔士百货公司也在Google平台上使用公开可用的机器学习模型，并使用了Google Vertex AI平台。Gaffney透露，科尔士百货公司还使用了德勤的Demand Brain数据集，该数据集专注于消费者需求、理解和预测。他解释说，目前所有大型咨询公司都有很多许可方式的数据订阅产品和机器学习引擎。
　　Gartner分析师Erick Brethenoux表示，使用咨询公司的数据和机器模型，这个趋势目前正在兴起，尤其是对零售商来说。
　　Brethenoux说：＂很多企业组织聘请第三方为他们构建模型，＂而且咨询公司也是使用第三方数据集来预构建模型以嵌入客户端系统，在极少数的情况下，会结合使用他们自己的技术和他们自己的数据来构建可被零售商和其他客户使用的模型。
　　例如，科尔士百货公司购买了德勤InSightIQ平台的许可，同时还和另一个合作伙伴Axiom合作，利用各种数据集来增强自己的第一方数据。他认为，合作伙伴的重要性体现在可以区分哪些数据信号是有用的，哪些是＂噪音＂。
　　他说：＂目前技术领域最有意思的事情之一，就是这些第三方数据集的扩展使用。＂
　　例如，科尔士百货公司采用了客户支出算法的组合，根据客户最近购买情况来预测下一个最佳报价，其中大部分是基于科尔士百货公司的在线商城和线下门店客户的第一方数据。但是现在，为了更多地了解他们的忠实客户，科尔士百货公司也使用了许可的第三方数据集，来获取其他有价值的客户信息，例如职业和娱乐活动。
　　＂我们已经开始使用第三方数据来扩充第一方数据，例如我们可以确定顾客在购物时间之外从事哪种类型的工作，决定给这些客户提供哪种类型的鞋子，而这只是几十个例子中的一个。＂Gaffney说，投资界多年来一直在使用第三方数据集，而一般商业界还处于使用第三方数据集的早期阶段。
　　＂在过去的六个月里，除了这些确定性的非学习算法之外，我们还添加了新的机器学习模型，帮助我们更准确地了解应该向购物者提供哪种商品，提供给哪类顾客群体，以及何时生产这些商品。＂
　　Gaffney看到个性化领域有很多机会。＂我们使用数据科学可以非常好地定位历史营销活，我们从基于市场营销活动的模式，转变为真正个性化的模式，只用了不到六个月的时间，另外三年到五年一直在持续改进中。＂
　　利用数据做出更好的决策
　　当现代化的客户数据平台和个性化的战略到位之后，科尔士百货公司就准备好实施其他更重大的业务举措了。例如，科尔士百货公司利用客户数据与化妆品巨头丝芙兰建立了营销合作伙伴关系，目标是让美容业务的规模成长到20亿美金。根据科尔士百货公司方面称，到2023年科尔士百货公司将在1100多家门店中开设850个丝芙兰专柜。
　　对于Gaffney来说，＂超本地化＂是第三方数据最＂令人兴奋＂的应用场景之一，其中一个目标就是把机器学习应用于第一方和第三方混合数据中，做出高度有针对性的销售决策，并根据数千个数据点的矩阵确定在哪里开设门店。
　　这对于计划在未来四年内新增100个小型门店的科尔士百货公司来说，是很有价值的。在过去的几十年里，科尔士百货公司仅使用自己的第一方客户数据，根据收入、需求信息、当地竞争情况、以及社区种族等核心人口统计数据，在每家门店提供相同类型的产品。就在两年前，除了第一方数据之外，科尔士百货公司开始采用第三方数据集，从而能够根据新增人口、天气及其他第三方数据，例如，为不同门店提供大约35种不同的鞋类商品。
　　随着机器学习模型和第三方数据集数量的不断增加，这个数字也呈现出爆炸式增长。Gaffney表示：＂现在我们的矩阵中有大约1500个种类，而不仅仅是35个了，下一步就是在这个底层基础上找到更好的数据，使用更好的数据科学来让数据更加细化，从而做出更有效的决策。＂