摘 要：　大数据时代的经济环境发生了巨大变化，环境的变化促使顾客需求更加动态、多维。为充分实现顾客价值，满足时代发展要求，我国零售企业价值创造机制亟需优化。基于此，本文首先利用价值空间理论为零售企业价值创造机制的优化指明方向。然后以复合价值链理论为依据，引入大数据技术手段，构建新型机制下数据管理模型和优化路径模型，并详细阐述二者运行机理，以期为零售企业实施价值链优化提供理论参考。

　　关键词：　大数据; 复合价值链; 零售企业; 价值空间;

　　大数据时代的到来，意味着企业生产经营方式的根本变革，而零售行业作为服务业的重要支柱行业，需要对市场变化和用户需求及时做出反应，提升运营效率。如何有效利用大数据资源，完善大数据应用环境建设，进而实现企业价值增值就成了当前每个零售企业迫切需要解决的问题。基于此，本文拟引进复合价值链理论，结合大数据技术特征，对零售企业价值创造机制进行优化再造，并着重对新型机制下数据管理模型和价值实现路径进行详细阐述说明。


　　一、零售企业价值空间分析

　　零售企业的价值空间是由流程、产品和服务构成的三维空间，其结构见图1，图中X、Y、Z分别代表流程、产品和服务三个维度，箭头代表优化方向。传统价值链理论主要关注X轴和Y轴，即流程和产品维度，其中一个代表了价值创造活动的组织方式，另一个则代表了价值创造的载体，二者综合满足顾客各种需求。但在复合价值链理论背景下，服务不被看作相关产品的附属品，而具有其独立地位。员工服务本身即具有价值，可以提高顾客满意度，而在整个价值创造活动中不仅发挥着辅助作用，甚至还带有某种引导力量。

　　图1 零售企业价值空间的三维结构示意图

　　在特殊经济环境下，每个维度均存在一定基础水平，即图1中所显示的X0、Y0、Z0。由0X0、0Y0、0Z0所围成的立方体区域表示每个零售企业可拓展的价值空间。总体来说，每个维度基础水平均受当时经济发展水平影响较深，表现较为稳定，而相应的每个维度基础水平的延伸也一般伴随着当地经济环境的进化。但就每个零售企业来说，基础水平仅代表着行业平均价值标准，如何有效利用先进技术手段，在三个维度进行优化发展，开拓价值空间，并进而获得企业核心竞争力将成为本文之后分析和论述的重点。

　　（一）产品优化

　　产品优化是零售企业最传统也最易被人理解的价值创造领域，零售企业对销售商品的选取一直是其主要业务环节。选取标准则以产品质量为核心属性，需要说明的是，此处产品质量并非法律法规中所谓的技术最低要求或功能合格依据，而是一个广义的概念，特指某一产品适合其用途的各种特性满足消费者需求的程度。具有很强的综合性，从现代市场观念来看，可以分为内在质量、外观质量、社会质量以及经济质量，而这也是产品优化的主要路径，为与大数据技术的融合提供了窗口。

　　（二）流程优化

　　大数据时代下，传统零售企业“购买—存储—营销”式的线性价值创造活动已不能满足时代的要求，流程非线性化将逐渐成为价值优化的主要方向，其本质是顺序逻辑的业务行为不能适应信息技术的发展要求。“顾客”不再仅是产品的接受者和需求信息反馈者，而成为价值创造的源动力，可以参与价值创造流程，同时避免了高额的交易成本。而在企业内部，原有固化的价值链各环节逐渐被分解，随着市场状况的变化进行优化与重构，然则这一切的实现均需要高度集成的数据管理模式提供支持。

　　（三）服务优化

　　在大数据时代，服务的价值更应该被加以强调和重视，主要原因有：服务可以提供极强的战略竞争优势，突出表现为其本身的异质性、难以替代和模仿（即VRIN属性）；服务的提升可以与人力资源战略有机结合，将员工同样看作企业面对的顾客，在提高服务质量，增强顾客价值的同时还可以提升员工满意度；服务优化过程具有多样化、个性化特征，与大数据技术特质相类似，可以产生较强的协同效应。

　　（四）三个维度相互作用

　　现代零售企业的管理目标就是尽可能扩大顾客价值，在这一目标引导下，三个维度发挥着不同的作用，同时又相辅相成。总体而言，顾客价值是主观性和客观性的结合，而顾客满意度取决于对产品的主观期望和实际体验间的差距。因此零售企业对顾客价值的认识也不应仅停留于产品本身，而应将相关服务加入进来组成“产品包”，进而综合评价对顾客价值产生的影响。良好的服务可以弥补产品本身的缺陷，延伸其具有的优势，提高顾客满意度和忠诚度。但与此同时，为更好的输出顾客价值，需要对流程进行相应管理，而由于顾客价值包含产品价值和服务价值，因此流程管理应是基于二者复合价值链的综合管理，从而将流程、服务、产品融为一体，进行全面优化，拓展企业总体价值空间。

　　二、大数据时代零售企业价值创造数据管理

　　综前所述，需要将三个维度进行统一管理，才能充分发挥企业现有资源价值增值作用。大数据因其可以快速处理多种数据的特点，为这一管理方式的实现提供了一条有效的技术路径。现根据大数据价值链理论Miller(2013），参考资源配置和流程再造思想，并结合零售行业特征，构建了大数据时代零售企业价值创造数据管理模型，如图2。

　　图2 大数据时代零售企业价值创造数据管理模型

　　该模型分为四个步骤，依次为数据收集与获取、数据组织与整合、数据处理与分析、数据应用与知识管理。现分别详细阐述如下：

　　数据收集与获取分为两个部分：价值链分析部分和数据准备部分。价值链分析部分要求零售企业首先站在整个实体价值链层面对企业价值创造活动进行审视，并按照复合价值链理论，分析价值形成机制，归纳形成产品价值链和服务价值链。再以此为基础，将价值链细化、切分为众多价值单元，要求每一价值增值活动均可被识别，相关数据可以有效采集。采集数据经过通用数据接口后被汇总、存储，供下一步骤访问、提取。为方便下一步骤数据使用，需进行相应的数据准备，分为数据库准备、获取规则准备以及访问控制准等。

　　数据组织与整合主要对上一步骤数据进行规范化表示，并以价值单元形式进行统一组织管理。具体环节如图2，需要说明的是，数据规范化主要指对数据格式进行统一标准化处理，而数据序化组织则对数据按业务逻辑进行排序，使其包含位置信息，再整合为价值单元，实现虚拟化。为应对市场、需求变动，采用弹性存储将价值单元依业务实际状况构成价值链网，作为流程精简和优化（即非线性化）的数据基础。最后对暂时留存的价值单元数据进行重新采集与更新管理，以保证数据整体的时效性。

　　数据处理与分析所操作的对象主要是一个个独立的价值单元。按照“顾客中心”理论，首先对顾客价值进行需求识别，然后对识别出的因素进行分析，分析可以综合使用计算机与人工方法，并形成最终数据结果。以该数据结果与价值单元进行匹配操作，作为价值链优化的起点，然后根据零售企业具体情况和业务特征（一部分表现为平台中数据特征），对整个价值链实施优化、重构，并对最终形成价值链进行整体数据分析，为企业进行高级数据应用提供参考。

　　数据应用与知识管理也由两个部分组成，一部分是具体的数据应用，直接支持零售企业数据管理，其中库存预警、购销协调等用于产品价值链管理，而绩效考核、员工培养等则用于服务价值链管理，三维综合管理在前已有论述，此处即为具体体现。

　　三、大数据时代零售企业价值创造路径分析

　　大数据时代，企业价值创造的过程就是对虚实价值链的复杂整合过程。其具体运行路径如图3。该路径以顾客需求为出发点，获取相关方面大数据资源，开始进入大数据价值创造过程，对相关数据进行全面、细致分析过后，转化为可利用知识与对决策有用信息。该过程主要目的在于及时洞察顾客需求，发现市场波动，并为制定相应决策提供依据，故也称为价值发现过程。在依据大数据输出信息做出相关决策后，以实体价值链的形式推进决策实施，实施过程中可根据具体情况对价值链进行优化、重构，主要目的在于满足顾客需求，扩大顾客价值，同时因为大数据价值链内嵌于零售企业价值创造系统中，故价值创造过程（即图中实体价值链运行过程）就是价值发现过程，互相支持，互相发展。最终产出产品与服务组成的“产品包”，以实现顾客价值，满足顾客需求。现以前文价值空间分析结果为基础，对图3价值创造系统具体运行机制进行说明。

　　（一）产品优化

　　基于大数据的价值创造循环系统对产品价值有如下几方面提升：大数据价值链可以有效挖掘顾客深层需求，动态了解顾客差异性需求，进而提供个性化产品，提升产品满足顾客需求程度；大数据价值创造系统打破零售企业内部信息孤岛，实现各部门信息高度共享、协同，促使零售企业价值创造过程实现无缝连接，从而使产品流通效率提高，防止了产品本身衰败变质引起的价值损失；大数据信息系统可以将产品损坏、维修技巧方面信息进行收集、分析，进而形成相关有效知识，方便员工学习，从而提升售后服务质量，保证产品价值实现。

　　图3 大数据时代零售企业价值创造路径模型

　　（二）流程优化

　　基于大数据的零售企业价值创造系统对流程价值有如下几方面提升：大数据产生的信息集成功能节约了大量的内部沟通成本，从根本上取代了部分环节的作用，从而造成流程简化，管理便利；虚实价值链的整合运行有效克服了空间上的组织结构障碍，加快了信息传递速率，从而直接导致内部运营效率提高；大数据对信息的高效处理，极大地增强了企业价值链灵活性，可以方便地根据外部环境变化对各业务流程进行耦合和重构，实现了对价值链的柔性管理。

　　（三）服务优化

　　基于大数据的零售企业价值创造系统对服务价值的提升较为复杂，首先针对内部服务价值而言，大数据信息系统的引入使员工管理工作更加细化，包括绩效的衡量、工作的设计等。同时，还可以更有针对性的根据员工需求进行激励。有效的内部服务管理能够提升员工满意度，进而体现在对顾客外部服务上。针对外部服务价值，除内部激励作用外，大数据信息系统还可通过如下措施影响其价值：通过大数据分析优异员工表现，从而提取胜任力模型，对员工行为产生引导作用，实施结果管理；依照服务差距模型，搜集各方面差距数据，进而了解顾客差距分布情况，为制定员工培训计划做出参考，实施过程管理。

　　除以上基本运行方式外，价值创造系统还可以根据市场实际状况对零售企业三个维度进行综合优化管理。比如利用系统挑选合适的商品和服务进行组合，实现资源科学配置，构建综合价值水平最高的“产品包”。对于企业自身而言，“产品包”无论如何组合，总要付出成本，侵蚀企业的利润。因此，零售企业应考虑的首要问题是：如何在满足顾客价值的要求的前提下，创造自身利润最大化或获得更强的市场竞争力。而这一目标，正需要依靠基于大数据的价值创造循环系统综合三个维度来协同实现。

　　四、建议

　　大数据时代，零售企业发展面临着前所未有的机遇与挑战。只有重视数据资源，利用大数据技术对企业价值创造机制进行优化，才能高效地在产品、服务、流程三个维度对企业资源进行整合，开拓企业本身的价值空间，从而为企业带来可持续竞争优势。零售企业要抓住大数据发展机遇，进行基于大数据的价值创造机制优化，不断提升企业环境适应能力和价值创造能力，应做到以下几点：

　　（一）重视大数据资源

　　大数据本身含有重要的战略价值，其中蕴藏着丰富的信息。对于零售企业而言，大数据意味着顾客群体特征，市场环境信息，部门工作状况，每一个都是企业经营管理所必需的信息。平时对相关信息加强搜集，可以为日后进行大数据分析、管理提供基础。

　　（二）掌握大数据技能

　　大数据作为一种高新科技技术，具有较高的使用门槛，而对大数据资源的开发必须要求熟练掌握大数据技能。需要引进相关方面熟练人才并逐渐形成企业自己的研发力量。主要技能应包括系统架构技能、数据分析技能、数据安全技能等方面。

　　（三）开拓大数据思维

　　国家将大数据作为战略发展方向，而现在大数据又成为时代的代名词，可以发现大数据不仅是一种技术，更代表了一种思维。其内涵是开拓、包容。具体到零售企业价值创造，应该构建多视角、多层次的价值创造机制，以有效应对动态复杂的市场竞争环境。

　　参考文献

　　[1] 李飞：《全渠道零售的含义、成因及对策———再论迎接中国多渠道零售革命风暴》，《北京工商大学学报（社会科学版）》2013年第2期。　　[2] 陈芝、张梦等：《基于边际服务的在线零售商退货及定价策略研究》，《管理现代化》2017年第2期。　　[3] 郑淑蓉：《零售业大数据:形成、应用及启示》，《理论探索》2014年第2期。　　[4] 杜丹清：《大数据时代的零售市场结构变迁———基于电商企业规模扩张的思考》，《商业经济与管理》2015年第2期。　　[5] 王坤、相峰：《“新零售”的理论架构与研究范式》，《中国流通经济》2018年第1期。　　[6] 王淑翠：《零售业复合价值链和全面质量管理研究》，浙江大学出版社2015年版。　　[7]Miller H G, Mork P. From Data to Decisions:A Value Chain for Big Data. It Professional, 2013.