導讀：在美國的零售業有著這樣一個傳奇故事，沃爾瑪百貨將他們的紙尿褲和啤酒并排擺在一起銷售，結果紙尿褲和啤酒的銷量雙雙增長！為什么看起來風馬牛不相及的兩件商品這樣一搭配，能取到驚人的效果呢？

因為沃爾瑪很好地運用了大數據技術，成功地發現了“紙尿褲”和“啤酒”的潛在聯系！

當沃爾瑪發現這兩件商品存在聯系的時候，再分析其原因，確實很有道理。原來，美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了兩瓶啤酒。這一消費行為導致了這兩件商品經常被同時購買，所以，沃爾瑪索性就將它們放在了一塊，既方便了顧客，更提高了產品銷量。

這是一個商業智能（BI）應用在零售業的一個經典案例。事實上，早在上世紀80年代，沃爾瑪就已經開始運用一些列大數據技術來分析和預測其產業，并取得了顯著的效果。上面講到的“紙尿褲和啤酒”的故事，就是沃爾瑪很好地運用了數據倉庫、數據挖掘和數據分析的技術。運用數據倉庫，沃爾瑪對商品進行購物籃分析（Marketing?Basket?Analysis），即分析哪些商品顧客最有希望一起購買。沃爾瑪的數據倉庫里集中了各個商

店一年多詳細的原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用自動數據挖掘工具對這些數據進行分析和挖掘，從而意外地發現了“紙尿褲”和“啤酒”的聯系。

此外，沃爾瑪的商業智能解決方案，還有其他方面的應用。

市場分析：沃爾瑪利用數據挖掘工具和統計模型對數據倉庫的數據仔細研究，以分析顧客的購買習慣、廣告成功率和其他戰略性的信息。在沃爾瑪每周六的高級會議上要對世界范圍內銷售量最大的15種商品進行分析，然后確保在正確的時間、正確的地點有正確的庫存。

趨勢分析：沃爾瑪利用數據倉庫對商品品種和庫存的趨勢進行分析。以選定需要補充的商品，研究顧客購買趨勢，分析季節性購買模式，確定降價商品，并對其數量和運作作出反應。為了能夠預測出季節性銷售量，它要檢索數據倉庫當中高達10萬種商品一年多來的銷售數據，并在此基礎上作分析和知識挖掘。

這僅僅是在20多年前，沃爾瑪就已經開始嘗試利用大數據技術來解決分析和預測其市場問題。而經歷了幾十年的不斷進步和革新，沃爾瑪已經能很好地利用數據挖掘和分析等一系列的商業智能解決方案，使其在零售業一直處于龍頭地位。我們再來看看這個“啤酒和草莓醬吐司餅干”的故事。

神奇的“草莓吐司醬餅干”

2004年8月，美國氣象局發布天氣預警，颶風“弗朗西絲”將襲擊美國南部沿海地區。沃爾瑪管理層決定，為可能受到颶風“弗朗西絲”影響的地區進行補貨。而人們驚奇地發現，在沃爾瑪一輛有一輛的貨運車里，除了必須的災備物品之外，居然有大量的啤酒和草莓吐司醬餅干！

其實這又是沃爾瑪很好地利用了商業智能的又以案例。他們通過數據挖掘進行預測性分析，尤其是幾周前剛剛經歷的颶風“查利”，更為颶風前如何備貨提供了有力的信息。在梳理顧客每周生成的海量數據時，沃爾瑪公司的數據挖掘算法偶然發現了一條奇怪的信息：颶風前，草莓醬吐司餅干的銷售量增長7倍，而位居銷售榜首的是啤酒！基于這樣的數據分析，所以，沃爾瑪決定嘗試進行預測性備貨。之后的事實也證明，這些商品的確在颶風來臨之前搶手熱賣！

到2012年，沃爾瑪已經將測試階段的10個Hadoop節點擴展為250個Hadoop集群節點，為的就是將十個不同的網站整合為一，這樣，所有的非結構化數據都可以收集到一個新的Hadoop集群，加速大數據的分析速度，提供更好的客戶體驗。據了解，目前約2.45億顧客光顧沃爾瑪遍布全球的一萬九百多家分店，沃爾瑪每小時收集來自一百多萬客戶的2.5TB非結構化數據，來自社交媒體的數據約每周30萬條。沃爾瑪的大數據生態系統每天處理的新數據高達幾個TB，歷史數據則是PB級；分析的商品數量達數百萬，客戶信息過億.。

最關鍵的是，沃爾瑪成功地將數據價值轉換為商業價值，其中，線上銷售收入增長10%到15%，約10億美元。

那么給沃爾瑪提供大數據服務的公司究竟是誰呢？一開始，是由NCR，這件專門幫助用戶建立強大的客戶關系的公司來為沃爾瑪提供服務?，F在呢，沃爾瑪使用的是甲骨文的BI系統。

對于中國企業來講，國外的BI系統部署雖然性能好，平臺大，但是也存在著價格昂貴，部署周期長，也有著不一定符合中國市場行情的一些不足。