2023年零售数据流媒体的现状
2023年零售数据流媒体的现状' can be condensed to '2023年零售数据流媒体现状'.
本博客文章探讨了2023年零售行业的数据流技术现状。全渠道客户体验、混合购物模式和超个性化推荐的演变需要优化的端到端供应链、精美的移动应用以及与社交商务或元宇宙等先进技术的整合。数据流技术允许实时集成和关联任意规模的数据。我将研究零售趋势，探索数据流技术如何作为业务支持者，包括来自沃尔玛、Albertsons、Otto、AO.com等的客户案例。附带完整的幻灯片和点播视频。
零售行业的总体趋势
几个具有颠覆性的趋势影响着零售行业的创新，以降低成本、提高客户体验，并保持客户保留和收入增长：
研究人员、分析师、初创公司以及最后但同样重要的是实验室和传统参与者的首批真实全球推出，展示了零售行业即将出现的一些趋势：
- 具有数字化和全渠道的混合购物模式（参见最近的）
- 使用生成AI和自动化来改进现有的业务流程和创新（如麦肯锡的一篇文章所讨论的）
- 利用社交平台进行直播销售改变了购物体验（甚至不仅限于中国和亚洲，根据Grand View Research的分析）
让我们探索这些趋势的目标和影响。
- CMU研究人员推出BUTD-DETR：一种基于语言表达的人工智能（AI）模型，能够直接与语言表达相结合，并检测出语言表达中提到的所有物体
- 「2023年顶级语音转文本人工智能工具」
- 稳定AI团队推出FreeWilly1和FreeWilly2：全新的开放获取大型语言模型（LLMs）
数字化和全渠道的混合购物模式
全渠道零售的能力显著改变和提升了客户体验。移动应用程序使得混合和基于位置的实体店体验变得无缝。客户越来越多地使用“在线购买，到店自取”的选项：
来源：Gartner
生成AI和自动化促进创新
生成AI和自动化可以使企业更加高效、更快上市并为客户提供更好的服务。麦肯锡的文章探讨了使用NLP（自然语言处理）与机器学习以及ChatGPT等大型语言模型（LLM）的各种用例，包括：
- 商品和产品：定制化
- 供应链和物流：支持与供应商的谈判
- 营销：生成个性化的优惠
- 数字商务：定制虚拟产品试穿
- 店铺运营：通过模拟优化店铺布局
- 组织：实现自助服务和自动化支持任务
直播销售改变购物体验
利用社交平台进行直播销售通过结合即时购买和观众参与改变了购物体验。新冠疫情加速了这一趋势。直播销售在中国兴起，但已经在西方各行业得到应用，无论你是销售时尚、玩具、汽车、数字产品还是其他任何产品。Grand View Research的一项调查显示了社交商务在北美的增长：
我以前曾探索过Apache Kafka如何改变零售和购物元宇宙。让我们来看看数据流技术与Kafka和Flink等技术在零售行业的关系。
零售行业的数据流技术
只有在零售行业的企业能够在正确的时间、正确的上下文中提供和关联信息，才能采用混合购物模式、基于位置的服务或先进的忠诚度平台。实时，即使用毫秒、秒或分钟的信息几乎总是比以后处理数据更好。
数据流技术将实时消息传递的强大能力与存储进行真正解耦、数据集成和数据关联能力相结合。Apache Kafka是数据流技术的事实标准。
《在零售业中使用Apache Kafka的用例》是一篇从行业特定角度入手的关于数据流技术的好文章。
这只是一个例子。Apache Kafka生态系统和云服务在零售行业的整个供应链中都得到了应用。
云计算在零售业中作为数据流技术创新的基础
Forrester在他们关于“2023年零售业云采用情况”的研究中分析了零售业的云采用情况。
云提供了弹性可扩展性和更短的市场推出周期，用于创新。因为数据流式处理基础设施作为完全托管的SaaS与关键SLA的形式提供，所以在云中构建新的实时应用程序要容易得多。
Nuuly的创新服装租赁订阅服务是一个很好的例子。它与典型的电子商务模式有很大的不同，需要实时事件驱动的架构。从技术角度来看，他们使用Confluent Cloud和Kafka作为他们业务的中枢神经系统，涵盖了从面向客户的应用程序到配送中心运营的一切。整个业务案例在仅仅六个月的时间内开发并投入生产，这要归功于底层的数据流式处理SaaS，以便专注于业务逻辑。
软件正在吞噬零售业，实时数据推动创新
CBINSIGHTS探索了优化零售供应链或改善客户体验和留存的各种用例。
如果你看一下下一节关于数据流式处理的架构趋势和客户故事，你会意识到为了提供大多数现代零售用例，需要实时数据集成和大规模处理。
数据流式处理的架构趋势
零售业应用不同的企业架构趋势，出于成本、灵活性、安全性和延迟原因。我在客户这里看到的三个主要主题是：
- 边缘数据实时同步到云端
- 全渠道跨销售
- 新零售概念和策略，如增强现实、直播购物或元宇宙
让我们深入研究一些为了零售用例而利用数据流式处理的企业架构。
零售商店和云端中带有数据流式处理的混合架构
大多数零售商采用云优先策略来建立现代电子商务、CRM、营销、忠诚度和支付平台。然而，边缘计算在定位服务、混合购物模式和其他实时分析场景等用例中变得越来越重要。
了解可能需要多集群解决方案的Apache Kafka的架构模式，并查看具有特定要求和权衡的真实案例。这篇博客探讨了诸如灾难恢复、用于分析的聚合、云迁移、关键任务的拉伸部署和全球Kafka等场景。
数据流式处理的边缘部署是一种独特的挑战。在单独的博客文章中，我介绍了Kafka在边缘的应用场景，并提供了边缘数据流式处理的基础设施检查表。
超个性化的顾客体验
顾客期望在各种设备（如Web浏览器或移动应用程序）和人际互动（例如在银行分行）中获得出色的顾客体验。数据流式处理通过在适当的时间和适当的上下文中相关实时和历史数据来实现上下文特定的全渠道零售体验：
《使用Apache Kafka实时实现全渠道零售和客户360度视图》一文对此进行了更详细的介绍。但有一点是清楚的：大多数创新的用例都需要历史和实时数据。总之，由于底层的追加日志和事件可重放性，数据流式处理可以直接实现历史和实时信息的相关性。通过将计算与存储分离的基于云原生的分层存储Kafka基础设施，使得这样的企业架构更加可扩展和具有成本效益。
文章《使用Apache Kafka、KSQL和Apache Flink进行欺诈检测》详细探讨了实时分析的流处理，展示了嵌入式机器学习的示例，并涵盖了几个真实案例研究。
社交平台和数据流式处理的直播购物
直播购物需要始终如一的出色顾客体验。大多数操作和数据相关性应该甚至必须实时发生。数据相关性需要与社交平台、直播购物销售平台和许多其他后端流程和应用程序进行连接。
社交购物需要在合适的时间采取正确的行动。要求包括：
- 在演出期间与客户互动。
- 推荐需要销售的产品。
- 提供特定上下文定价。
- 全部自动化。实时进行。规模化实施。
这是一个由Kafka及其生态系统提供支持的分散化、可扩展、实时的现场商业基础架构的示例架构。
元宇宙和利用加密平台的新支付和社交功能对未来的现场商务平台可能产生巨大影响。这是一个独立的话题，但大多数加密平台都是以Apache Kafka为核心的数据流处理。
零售行业数据流处理的新客户故事
零售领域正在发生许多创新。自动化和数字化改变了我们搜索和购买产品和服务的方式，与合作伙伴和客户进行沟通的方式，提供混合购物模式等等。
大多数零售企业采用了云优先的方法，以改善上市时间、增加灵活性并专注于业务逻辑，而不是运营IT基础设施。
以下是来自全球各行业的零售企业的一些客户故事：
- 沃尔玛：通过批处理和实时应用程序实现仓库到零售店的补货的供应链优化，保持数据一致性
- Albertsons：中央集成数据中心和忠诚度平台，通过可扩展的供应链、改进的客户体验和新的零售媒体网络为客户提供终身服务
- AO.com：在客户（在线）商店时通过实时点击流分析实现超个性化的零售体验
- Otto：基于领域驱动设计的数据交换，实现真正解耦、更快的上市时间和符合数据隐私（GDPR）合规性的多云企业架构
- BigCommerce：基于云的电子商务平台，为商户提供云上的服务、分析和建议
- WhatNot：一个具有互动销售、元宇宙/增强现实功能的社交现场拍卖平台
学习更多资源
这篇博文只是一个起点。在以下点播网络研讨会录像、相关幻灯片和其他资源中学习更多关于零售行业数据流处理的知识，其中包括一些非常酷的关于用例的白板视频。
点播视频录像
该视频录像探讨了金融服务行业数据流处理的趋势和架构。主要关注数据流处理的案例研究。请查看我们的点播录像：
幻灯片
如果你更喜欢通过幻灯片学习，请查看上述录像使用的幻灯片：
幻灯片：2023年零售数据流处理现状
零售数据流处理的案例研究和白板视频
2023年零售数据流处理的现状非常有趣。每个月都会出现新的使用案例和案例研究。这包括整个组织中更好的数据治理，实时收集和处理基于位置的服务和移动应用程序的数据，通过开放API进行数据共享和B2B合作伙伴关系以建立新的业务模式等等场景。
我们录制了简单而有效地展示数据流处理价值的白板视频。这些五分钟的视频探讨了数据流处理的商业价值、相关架构和客户故事。敬请关注；我将在接下来的几周内更新链接，并为每个故事和白板视频发布单独的博文。
而这只是开始。每个月，我们将谈论不同行业的数据流处理现状。制造业是第一个。金融服务是第二个，然后是零售、电信、游戏等等…
让我们在 LinkedIn 上建立联系并讨论吧！
