大數據場景目前分兩類,一類是優化原來的業務流程,提高效率,變得更加智能(如讓信息推送變為「智能」,做到個性化推送,從而提升ROI),第二類是創造新的業務流程,讓以前不敢嘗試的業務可以實現(如小額貸款,以前是因為風險無法得知從而不敢嘗試,通過採購商或零售商的數據化然後建模就可以逐步嘗試)。此篇文章中的大數據場景識別僅針對第一類情況。
既然是優化原來的業務流程,那就重點關注可以產生變化的「關係」(人和物無法改變),主要判斷OLP模型的「行為關係」看是否能從時間或空間維度用大數據的能力進行優化,如上圖中所描述的「購買」和「上架」行為關係。那「購買」是否是大數據場景,答案是「否」,因為從時間維度可以通過對商品通過RFID的技術做到無人門店從而改善用戶的購買效率,但所用技術並不是大數據範疇。但,是否讓「上架」變的更加智能,答案是「是」,從時間維度,不同城市,不同門店類型,對於什麼商品什麼時間上架完全可以基於大數據的智能決策,是可以幫助門店或零售商合理的安排庫存結構,同時還可以對「上架」進行空間維度的優化,如商品的擺放位置,具體這裡就不展開了。接下來我們讓上圖的OLP模型變的更加複雜一點。