2016年10月的阿里云栖大会上，马云第一次提出了新零售：“未来的十年、二十年，没有电子商务这一说，只有新零售。”随后生鲜超市、无人超市等各种新型便利店纷纷登场，不说人工智能、人脸识别、大数据等名词都不好意思提新零售，但今天我们要聊聊另一个概念：小数据。
小数据·新零售
显而易见，小数据是基于大数据的概念而提出来的，是具有高价值的个体的、高效率的、个性化的信息资产，是以个体为核心的数据资产。与大数据侧重在某个领域或群体，大范围、大规模进行数据挖掘、分析的广度相比，小数据以个体为对象，重点在于深度，她像一位忠诚、细致、贴心的“女管家”一样，对个人数据进行全方位全天候的精确分析，还可主动灵活的设置访问权限等以保护个人隐私。
那么小数据和新零售之间又有什么关系？
在解答这个问题之前，我们先来看看新零售的概念。百度百科对于新零售的描述是：
新零售，即个人、企业以互联网为依托，通过运用大数据、人工智能等先进技术手段并运用心理学知识，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。
归根到底，新零售是一种零售新模式，我们可以说每一次销售方式的升级与变革都是一种“新零售”，从古代人们的以物易物、摊位、集市到如今的综合超市、连锁店、便利店，以及线上商超、新型便利店等，每一次迭代都是一次“新零售”的出现，而每次迭代都伴随着新技术如“催化剂”般的赋能，而小数据的“精准而深入”也将为新零售带来全新的“精准营销”。
无数据·不营销
如果说大数据关注的是总体和规律，那么小数据则关注的是个体和细节。比如，按照大数据分析，婴儿尿布可能会和奶粉、玩具等商品相关联，啤酒的消费者可能会同时选购花生米、薯片等零食。而国外一家零售商依据小数据的分析显示，男性顾客在购买婴儿尿片时，常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段，竟然取得了成功。小数据的价值在于它来源于各类社会行为的细节，更贴近人们的个体感受，对需求的呈现也更精准。
那么，如何充分挖掘并有效利用个体的小数据？这也是格灵深瞳一直在思考的问题。
人脸识别可以确定消费者的身份，进行支付、建立档案等等，但新零售的迭代必须同时考虑到人、货、场生态的重构，单纯的人脸识别基础功能已然不能满足深层次的需求，基于此，格灵深瞳在人脸检测、比对和识别的功能之上，增加了人脸聚类、人脸属性、人脸搜索、人脸轨迹等功能，在满足人脸支付、客流统计之外，更重要的是可将消费者的“小数据”进行归档整理，将会员属性信息、购买行为、消费记录、消费偏好等真实可利用的小数据进行可视化面板展现，实现精准的用户画像，包括个人消费者的购买频次、购买时间、购买品类、品牌偏好、品牌忠诚度、区域动线、热点图等等信息。基于用户画像新零售可以在线上实现更为精准的个性化推荐，线下进行更合理的货架规划等等，进一步引导和触发用户的隐形需求。
比如，一位80后女顾客，最长买的是蔬菜水果（家庭主妇），常买儿童零食（有孩子），平均客单价200元，最常购物的时间是上午9：00-11：00（早市），购买频次是一周两次，线上最常买牛奶、饮料、纸类等物品（难以携带）···通过用户画像，零售店可为其进行个性化推荐：8：00-9：00进行优惠券发放，线上更注重饮品优惠券，儿童用品和易消耗品根据购买频次进行预测性购物推荐等等。
小数据赋予了新零售更细腻的洞察能力，群体性或者品类性调研向个体性调研转变，促使零售行为由“对症下药”向“对人下药”演化；目前，格灵深瞳的新零售解决方案已经在便利店、药店、加油站等落地应用，以更低成本的硬件投入帮助传统零售业实现迭代升级。然而，格灵深瞳也坚信，无论是大数据还是小数据，都是生态迭代升级的“催化剂”，在不久的将来，也许大数据、小数据的界限全部消失，全数据将成为宏观和微观的综合分析基础，但这过程中永远离不开对数据的挖掘和分析，以及人工智能相关技术。格灵深瞳也将以“让计算机看懂世界”的技术愿景持续探索，构建广泛、高效、易用、可信赖的数据智能。
