2025年零售与消费品行业数据趋势

目录零售和消费品AI数据云状态。 ..................... 11 利用数据共享和协作解决关键业务挑战。 ................ 13 使AI未来成为今日现实...................................................................................................... 16从可能性到生产：人工智能驱动商业价值...........................................................3 对零售和消费品行业重要的五大趋势。 ...........................................................................5趋势1：从实体店到移动和社交电商，消费者行为正在迅速演变。 ................................ 6趋势2：不断变化的全球贸易动态和供应链中断需要安全的协作........................................... 7趋势3：数字化转型是实施生成式人工智能、机器学习和深度学习的关键。 ............................................................... 8趋势4：AI可以帮助公司重新装备和提升员工技能。 ........................................................................................................ 9趋势 5：从文档、文本、图像和其他非结构化数据中最大化效用。 ................................................... 10 在过去的几年里，生成式人工智能已成为希望的代名词，具有潜力——这项技术会做，它可能实现，该值能可以推导出来。看似无穷的可能性带来了激动人心的对话、引人注目的头版头条，以及一段大实验时期，零售和消费品公司提出了探索提升客户体验和简化业务运营的方法。从可能性到生产人工智能驱动业务价值从超个性化的营销和供应链优化到智能的需求预测和动态定价，人工智能有能力为零售商和消费品公司转变价值链的每一个方面，在一个日益竞争激烈的格局中解锁敏捷性的新水平。 雪片公司零售数据与技术行业主导者普拉哈特·纳尼塞蒂表示：“行业想要的，是利用合适的技术实现可持续增长，”他说。“生成式人工智能是工具包中的一件工具，其中还包括机器学习、数据科学、数据协作和更好的数据。”现在是把承诺转化为绩效，从所谓的沙盒中的POCs转移到现实世界中的实际ROI的时候了。虽然绝大多数零售和消费品公司报告说在某种程度上使用了人工智能，但IBM商业价值研究所的一项研究表明，他们计划将收入的3.32%分配给进一步的人工智能工作到2025年。这意味着数十亿，如果不是数万亿的投资，这是一个强烈的信号，表明该行业认为该技术有价值——不仅仅是为了缓解这里或那里的一点痛点或瓶颈的临时解决方案，而是要根本改变核心业务流程。 但是，考虑到零售和消费品公司所拥有的大量数据——结构化和非结构化数据，来自供应商、制造商、消费者和物流提供商——管理所有这些数据可能会感觉就像从一团戈迪安结中分离价值一样。这些工具共同拥有解决零售和消费品公司面临的持续挑战的能力。“人工智能正在通过提升客户体验、优化供应链和实现数据驱动决策来重塑零售和消费品行业，最终重新定义企业在日益数字化的世界中与消费者互动的方式，并以新的自动化和敏捷性水平进行运营，”微软零售和消费品行业战略全球主管Shanthi Rajagopalan表示。“为了让人工智能成功且安全地发挥作用，企业必须建立强大的数据基础并采用可扩展的云技术，以最大化其潜力与商业价值。”添加Nanisetty：“没有那个，他们能达到的效率有一个上限。” 企业意识到，要成功实施人工智能战略，它们需要一套强大的数据战略。一个能够打破内部和外部壁垒、提供干净、组织良好、可访问和可共享数据的统一数据平台，是使人工智能梦想成为现实的第一步。在本报告中，我们将深入了解塑造零售和消费品行业的最紧迫趋势，以及其领导者如何利用数据和人工智能技术来构建现代、有韧性和敏捷的企业。理解宏观趋势及其含义，可以为行业领导者提供有价值的线索，以指导未来一年的商业战略、规划和技术投资，以及Snowflake如何帮助这些投资实现。 重要的趋势在零售和消费品领域为了与消费者、供应商和分销合作伙伴建立更紧密的联系，零售和消费品公司正越来越多地依靠数据来指导企业范围内的决策。在本章中，我们探讨了五个趋势，展示了数据现代化如何对这些公司产生基础性影响，影响范围从协作到通过人工智能提升员工技能。 趋势 1：在过去的几十年里，零售景观经历了一系列剧烈的变革——从实体店到数字，从线上到移动。随着这一变化，消费者的行为也自然发生了转变；现在，购物者只需使用手机即可购买几乎所有商品，或者在不出门的情况下跨多家商店比较商品价格。随着社交媒体日益突出，消费者越来越多地将这些平台及其内部建立的社区作为指导购买决策的依据。这种转变使得复杂的个性化不再仅仅是一种优势，而是寻求与购物者加强联系的品牌和零售商的必需品。从实体店到移动和社交电商，消费者行为正在迅速演变 与此同时，如今消费者常常倾向于采用混合的购物方式，能够无缝且轻松地在线下体验和数字体验之间切换。这对零售商而言，意味着洞察和理解消费者每一个接触点的重要性至关重要。这种客户360度视角具有巨大价值，能够捕捉到个人购买旅程中的每一个细微步骤，并从中获取洞察。这也适用于市场，这些市场继续主导着零售生态系统。品牌经常发现自己正在导航一系列渠道和平台，这在规模上可能变得难以管理。为了成功发展，它们需要实现全渠道运营效率，而这只能通过一个强大、全面的数据战略来实现。 以盈利数据为例，它是创建有效定价模型、推动收入增长的关键——同时也是一种高度受保护的数据。没有它，商业分析将面临巨大的知识空白。“数据净化室可以消除这种空白，从而实现更快、更具预测性的结果，”Nanisetty表示。“它们有助于促进所有参与方的更高效运营，从而能够获得由于数据孤岛和隐私问题而原本不可能出现的新洞察。”那对消费品行业来说是一个巨大的收益。考虑到现代供应链的性质——一个由（字面意义上）不停运转的部分组成的庞大网络，消费品公司通常处于其中心位置——管理这些关系需要在零售合作伙伴、制造商、物流提供者和材料供应商之间进行持续的双向沟通。鉴于大多数消费品组织拥有多个供应链计划系统，而每个解决方案都包含其自身数据孤岛中的数据，实现真正的端到端可见性是一个巨大的挑战。消费品数据洁净室数据清洁室（DCR）正被零售和消费品公司广泛而有效地使用——尤其是在市场营销和广告领域。但现在，它们在整个组织中看到了更广泛的应用。通过允许公司在受控的、以隐私为先的环境中共享敏感信息，DCR有能力改变那些之前很少从数据共享中受益的领域，例如供应链弹性和协作规划。 和供应链中断需求安全协作零售和消费品行业本质上就是一个协作生态系统。毕竟，像把一瓶水送到口渴的消费者手中这样简单的事情，就需要至少六方的协调：零售商、分销商、物流供应商、制造商、装瓶商、供应商等。为了让系统运转起来，这些组织需要共享诸如库存水平、销售信息或交货时间等信息；简而言之，他们需要共享数据。尤其考虑到不断变化的环境和地缘政治趋势——这会扰乱供应链、增加成本，并为企业带来不确定性——当今的企业正感受到自身尤其容易受到各种外生力量的影响，无论是自然灾害还是劳资纠纷，无论发生在自家后院还是地球的另一端。它们需要建立更敏捷、更迅速反应的生态系统，在为消费者提供更好服务的同时，保持价值链中所有利益相关者的信任。而这只有通过内部和外部更好的合作才能实现。趋势 2：全球贸易动态演变事实上，随着数据可用性的增加，以及分析和人工智能的进步，零售和消费品公司正变得越来越以数据为中心。因此，安全的数据协作正变得越来越重要。无论是通过数据清洁室（侧边栏控制，公司开始打破阻碍合作的\"数据孤岛\"，同时仍然保持严格的隐私控制和完善法规遵守。现在，公司分析跨组织的\"数据\"来增强供应链的弹性、预测\"需求\"模式并创造个性化的客户体验——所有这一切都不损害\"安全\"。 )或者基于角色的访问 客户聚焦约翰尼-奥借助科ortex人工智能简化了客户细分流程像许多以电子商务为主的商家一样，服装品牌Johnnie-O深知简洁的配送地址的价值。从各种渠道获取地址信息——不仅来自其网站上的直接销售，还包括来自批发商和代发货商——该公司发现无法精确地给大量地址进行地理位置编码，导致团队无法获取可能有助于精准营销的相关客户数据。通常，该公司会将原始地址数据输入一个应用程序以获取地理坐标，并将其链接到美国人口普查数据。但对于Johnnie-O而言，成千上万的地址因各种原因失败了；哪怕是一个微小的拼写错误或信息输入错误，都会导致应用程序失效。与其手动清理每一个失败的条目，这需要无数个小时，公司转向Cortex AI自动重新格式化混乱的地址数据。将这些不兼容的地址输入Cortex AI，Johnnie-O发现一个LLM能够准确识别混乱数据并轻松返回干净的地址。该公司现在已将Cortex AI直接集成到客户细分管道中，并将地理编码失败率削减至2%。 生成式人工智能，以及机器学习和深度学习毫无疑问，聚光灯无疑最明亮地聚焦于生成式AI，以及该技术所助力打造的那些耀眼的面向消费者的聊天机器人和情绪分析模型。但在过程中，作为整体的资料科学也从生成式AI的光环效应中受益。机器学习和深度学习技术正被应用于零售和消费品公司的基础应用中。它们通过实时数据分析助力更好的商业洞察，通过提供更全面的市场视角来改善需求和退货预测，并将更有效的工具交到决策者手中——无论他们是否具备技术专长。趋势 3：数字化是实施数据运营的关键事实上，即便是传统上科技导向程度较低的部门也能够参与这场数据革命，这得益于人工智能和机器学习的进步。消费者洞察团队通过文档智能更高效地从研究文档中提取信息；财务团队使用预测分析进行预测，而仓库管理正实施机器学习进行库存优化。这种广泛的采用正在创造一个新的运营标准，其中数据驱动的决策正变得越来越成为常态而非例外。 趋势4：无论是销售现场工作人员还是商业分析师，人工智能正在帮助零售和消费品组织中的员工摆脱繁杂事务，发现提高生产力的效率。人工智能驱动的工具不仅有助于库存管理和客户服务，甚至还能应用于更幕后的运营，例如路线优化和数据标准化。如今，店内的员工可以专注于高价值的人类任务，例如客户互动或店铺设计，而不是手动盘点货架上的产品。人工智能可以帮助公司重新培训和提升劳动力技能 然而，人工智能助手之外，公司也在关注帮助其员工培训和教育的技术。个性化学习平台可以量身定制以满足每个人的需求，而通用人工智能通过自然语言处理帮助人们更容易理解和执行复杂任务。例如，没有数据科学专业知识的主管也可以运行高级数据分析，进行预测，从而围绕季节性库存水平等事项做出复杂的、数据驱动的决策。这种信息民主化有潜力彻底改变员工对待其角色的方式，打破技能发展的传统障碍。通过提供易于获得的、由人工智能驱动的工具和学习平台，公司可以培养出能够快速、高效适应新技术的敏捷型员工队伍。 SNOWFLAKE产品聚焦：文档AI为了帮助企业实现自动化的智能文档处理工作流程，Snowflake的文档AI能够显著减少从结构化或非结构化文档中准确提取数据所需的时间——几乎无需培训。凭借开箱即用的能力（零样本）以及根据特定任务进行微调的能力，文档AI帮助企业将不同类型的信息转化为结构化、可操作的数据，这些数据可以与他们的Snowflake数据平台无缝集成。考虑这项技术可以应用于的各种用例：发票和采购订单处理、财务对账、供应商