由于竞争的加剧，零售业的价值链体系早已超越了国界，其经营的商品来自世界各地。如何制定并实施IT策略，透过有效的供应链整合管理，将商品销售信息与供货商分享，让合作伙伴依据实际销售数字及未来需求预期，适时地将需要的货物数量直接送上零售店面货架，来降低库存、减低货物错置率，是零售企业面临的难题。
众所周知，在劳动力和资本投入既定的情况下，技术进步能够带来总产出的成倍增长，这一原则在商业企业同样适用。DAVIDCLEMENTI（2002）认为，技术创新可以使商业企业减少成本，增加机会，使交易迅速有效地满足用户不断改变的需求；相反，采用新技术时的迟疑只会带来低成本差异、高的竞争价格以及总市场收入的减少（BIOTECHWEEK，2004）。今后，商业企业技术创新的方向与途径，应当服务于企业技术创新的战略目标，满足企业的目标市场需求，决定企业的技术能力积累，是其技术创新战略成功实施的关键。主要包括两方面：一是利用信息技术提高商业经营效率；二是利用信息技术迁移商业经营轨道（周航、纪岩，2000）。
对大多数商业企业而言，创新的动因都是来自股东利润持续增长的内部压力、顾客购买行为的改变和价值取向的改变、新的信息和传播技术的诞生，以及供应和销售市场的日益国际化。商业企业大量地进行创新活动。这些创新思路的来源主要有：通过对竞争对手的观察，内部职工的构思，合作伙伴和忠诚顾客的建议等等（HANS－PETERLIEBMANN等，2003）。熊彼特指出所谓创新就是要“建立一种新的生产函数”，即“生产要素的重新组合”，就是要把一种从来没有的关于生产要素和生产条件的“新组合”引进生产体系中去，以实现对生产要素或生产条件的“新组合”。因此，零售企业信息技术创新可采取以下途径：（1）自主创新；（2）模仿创新；（3）合作创新；（4）通过技术市场间接实现技术创新；（5）依靠政府、行业协会协作创新。鉴于我国零售业信息技术应用情况，零售企业在信息技术创新方面所采取的途径主要是模仿创新及合作创新。
14.3.1 信息输入技术创新
RFID技术并不是一个崭新的技术，其发展最早可以追溯至第二次世界大战时期，继承了雷达的概念，最初它被用来在空战中进行敌我识别。1948年，哈里·斯托克曼（HARRYSTOCKMAN）发表的“利用反射功率的通信”奠定了RFID的理论基础。RFID技术颇具争议，人们已经谈论了许多年，在零售领域，沃尔玛采取铁腕策略迫使供应商认真地对待这项技术。
1.RFID技术的历史
RFID是RADIOFREQUENCYIDENTIFICATION的缩写，即射频识别，俗称电子标签。RFID一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无须人工干预，可工作于各种恶劣环境。RFID技术在20世纪90年代逐渐走向成熟。由于这种技术可识别高速运动物体并可同时识别多个标签，并且操作快捷方便，最初主要针对供应链的RFID技术在零售业应用已经越来越普遍、越来越广泛。欧洲的零售商们并不局限于在集装箱或托盘等供应链中应用RFID，美国零售业巨头沃尔玛正在全力促进RFID技术在商业领域的推广。
2.RFID技术的特点
RFID的主要特性是数据可读写、形状的小型化和多样化、适用环境范围广、可重复使用、穿透性以及数据的记忆容量大。将RFID与IC卡、条形码进行了比较，充分展示了RFID的特点。
3.零售企业应用RFID的收益
RFID技术为零售业的供应链系统带来革新性的变化，它以一种高效的方式，使供应链系统能够更简易、自动地追踪商品动态。其主要收益如下：
（1）改善数据采集。RFID可以减少输入的劳动强度，减少差错。与商品相关的数据可直接从电子标签中读出，不需要人工识别。一些读取器每秒读取200个标签的数据，这比传统扫描方式要快1000倍。
RFID可以一次性输入，提高运行效率。RFID不需要进行传统的检查、查账以及结账等，也不必逐一清点货品的数目、存放位置，通过对货物成批的扫描（甚至不需要从车辆中卸下），就可自动获得货品的全部信息，这既节省了时间，又提高了效率。
（2）降低运营成本。根据科尔尼国际管理咨询公司（A。T。KEARNEY）的计算，零售商采用RFID后，将降低库存水平约5%，每年减少店内和仓库人工成本约7.5%，提高周转，减少缺货，在每年每10亿美元的销售额中，增加周转额70万美元。
（3）实时管理供应链。RFID可以实现商品流通全过程的实时监控，包括原料、半成品、成品、运输、仓储、配送、上架、最终销售，甚至退货处理等环节。通过RFID，供应链的各成员可以洞悉整个供应链的产供销状况，更为精确的预测产品需求，更加合理的管理库存，协同高效的完成供应链的目标。
然而，由于缺乏统一的国际标准，应用成本昂贵、技术不成熟及隐私权等问题（黄志强，2006），RFID未能发挥出其最佳功效，全面推行RFID还有很长的路要走。
14.3.2 信息分析技术创新
对于零售商来说，创造良好的供应商关系，不断改善的配送方式和配送能力是其竞争力的核心所在，而在实现这一目标时，遍布各业务环节的信息系统则扮演着“中枢神经”的重要角色。但是信息在给人们带来方便的同时也带来了一大堆问题：首先是信息过量，难以消化；其次信息真假难以辨识；第三是信息安全难以保证；最后信息形式不一致，难以统一处理。因此，零售企业并不缺少数据，只是受阻于“数据迷雾”（丁晓阳，2004），看不清自己的平均收益，弄不懂顾客的行为，甚至说不出自己的市场定位。
数据挖掘（DATAMINING）是“从数据中提取出隐含的特别的，过去未知的，潜在有价值的信息”，也是“一门从大量数据或者数据库中提取有用信息的科学”，其目的就是有效地从海量数据中提取出需要的答案，实现“数据－〉信息－〉知识－〉价值”的转变过程。
1.数据发掘的进化历程
商业数据库现在正在以一个空前的速度增长，并且数据仓库正在广泛地应用于各种行业；对计算机硬件性能越来越高的要求，也可以用现在已经成熟的并行多处理机的技术来满足；另外数据挖掘算法经过了这十多年的发展也已经成为一种成熟，稳定，且易于理解和操作的技术。
从商业数据到商业信息的进化过程中，每一步前进都是建立在上一步的基础上的。从表中我们可以看到，第四步进化是革命性的，因为从用户的角度来看，这一阶段的数据库技术已经可以快速地回答商业上的很多问题了。
数据挖掘的核心模块技术历经了数十年的发展，其中包括数理统计、人工智能、机器学习。今天，这些成熟的技术，加上高性能的关系数据库引擎以及广泛的数据集成，让数据挖掘技术在当前的数据仓库环境中进入了实用的阶段。
2.数据挖掘的特点
“数据挖掘”这个名字来源于它有点类似于在山脉中挖掘有价值的矿藏。在商业应用里，它就表现为在大型数据库里面搜索有价值的商业信息。这两种过程都需要对巨量的材料进行详细地过滤，并且需要智能且精确地定位潜在价值的所在。数据挖掘技术具有以下特点：
（1）数据处理规模庞大。数据挖掘处理的数据可以达到GB、TB数量级，甚至更大。
（2）即时随机查询。查询一般是决策制定者（用户）提出的即时随机查询，往往不能形成精确的查询要求，需要靠系统本身寻找其可能感兴趣的东西。
（3）快速反应，提供决策支持。在一些应用（如商业投资等）中，数据挖掘能迅速对数据变化做出相应反应以随时提供决策支持。
（4）发现可用的规则。数据挖掘中，规则的发现基于统计规律。因此，所发现的规则不必适用于所有数据，而是当达到某一临界值时，即认为有效。因此，利用数据挖掘技术可能会发现大量的规则。
（5）动态更新。数据挖掘所发现的规则是动态的，它只反映了当前状态的数据库具有的规则，随着不断地向数据库中加入新数据，需要随时对其进行更新。
最近，GARTNERGROUP的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关键技术”之首，并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。
3.数据挖掘中常用的技术
在数据挖掘中最常用的技术有：
（1）人工神经网络：仿照生理神经网络结构的非线形预测模型，通过学习进行模式识别。
（2）决策树：代表着决策集的树形结构。
（3）遗传算法：基于进化理论，并采用遗传结合、遗传变异，以及自然选择等设计方法的优化技术。
（4）近邻算法：将数据集合中每一个记录进行分类的方法。
（5）规则推导：从统计意义上对数据中的“如果－那么”规则进行寻找和推导。
采用上述技术的某些专门的分析工具已经发展了大约十年的历史，不过这些工具所面对的数据量通常较小。而现在这些技术已经被直接集成到许多大型的工业标准的数据仓库和联机分析系统中去了。
4.数据挖掘在零售业中的应用
通过条形码、编码系统、销售管理系统、客户资料管理及其他业务数据中，零售商可以收集到关于商品销售、客户信息、货存单位及店铺信息等的信息资料。数据从各种应用系统中采集，经分类后存入数据仓库内，相关人员就利用数据挖掘工具对这些数据进行分析，为企业提供高效的科学决策工具。如对商品进行购物篮分析，分析哪些商品顾客最有希望一起购买。如被业界和上界传诵的经典———沃尔玛的“啤酒和尿布”，就是数据挖掘透过数据找出人与物之间规律的典型。在零售业利用数据挖掘的有关技术，可以展开如下分析：
（1）借助关联规则分析方法，进行不同层次的关联分析，挖掘购物模式，提供商品的类别、品牌等关联模式；
（2）借助专家评分方法，可构造多个指标的综合评分内容，提供给业务分析人员或行业分析人员或行业专家使用；
（3）借助决策树模型，运用于告警分析、挖掘出隐藏在告警现象背后的商业规律，提前发现商机或预知风险；
（4）基于多种时间序列算法的趋势预测内容；神经网络的聚类分析、预测分析，从容应对商业问题内容；
（5）偏差分析发掘异常值的出现，对商业运作中的异常行为发掘商业内涵。
企业通过数据挖掘，会在很多方面获益：
（1）了解销售全局：通过分类信息———按商品种类、销售数量、商店地点、价格和日期等了解每天的运营和财政情况，对销售的每一点增长、库存的变化以及通过促销而提高的销售额都可了如指掌。零售商店在销售商品时，随时检查商品结构是否合理十分重要，如每类商品的经营比例是否大体相当。调整商品结构时需考虑季节变化导致的需求变化、同行竞争对手的商品结构调整等因素。
（2）商品分组布局：分析顾客的购买习惯，考虑购买者在商店里所穿行的路线、购买时间和地点、掌握不同商品一起购买的概率；通过对商品销售品种的活跃性分析和关联性分析，用主成分分析方法，建立商品设置的最佳结构和商品的最佳布局。
（3）降低库存成本：通过数据挖掘系统，将销售数据和库存数据集中起来，通过数据分析，以决定对各个商品各色货物进行增减，确保正确的库存。数据仓库系统还可以将库存信息和商品销售预测信息，通过电子数据交换（EDI）直接送到供应商那里，这样省去商业中介，而且由供应商负责定期补充库存，零售商可减少自身负担。
（4）市场和趋势分析：利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其他战略性信息。利用数据仓库通过检索数据库中近年来的销售数据，作分析和数据挖掘，可预测出季节性、月销售量，对商品品种和库存的趋势进行分析。还可确定降价商品，并对数量和运作做出决策。
（5）有效的商品促销：可以通过对一种厂家商品在各连锁店的市场共享分析，客户统计以及历史状况的分析，来确定销售和广告业务的有效性。通过对顾客购买偏好的分析，确定商品促销的目标客户，以此来设计各种商品促销的方案，并通过商品购买关联分析的结果，采用交叉销售和向上销售的方法，挖掘客户的购买力，实现准确的商品促销。
