在新零售1.0中，无论线上订单系统、线上支付系统，还是线下连锁店铺之间的互联、与总部信息互通，均可实现云端部署与管理。还可以对接供应商系统、多货主WMS等，后端营销系统、CRM分析系统等进行管理和营销，实现整个业务的全云化管理。

随着新零售行业的迅猛发展，云计算厂商仅帮助用户实现业务全云化管理是远远不够的，还需要通过用户行为数据、交易数据、POI数据等进行分析，对影响新零售业务增长的关键因素进行分析和精准定位，包括线下门店选址、精准客户获取等。由此，我们推出基于模型的分析决策——新零售2.0解决方案。

新零售2.0在精准分析及预测上面临以下挑战：

1. 1. 预测模型建立门槛高
2. 分析模型预测准确率不高
3. 难以在有限成本与时间内支持扩张需求

UCloud新零售2.0解决方案

架构分析

1. IaaS层，通过公有云服务能力以及单品管理、数据中台和数据服务三大解决方案，帮助客户提升品类管理能力、资源调配能力。通过全云化管理实现云端部署、管理及门店信息互通；云平台灵活、弹性的扩缩容服务支撑新零售行业促销活动、秒杀活动等带来的访问量激增的需求；通过云端全方位安全防护及数据灾备，保障业务连续性，也保障客户信息、门店数据、系统数据的安全及可靠；

2. PaaS层将提供更多数据收集、建模、分析、辅助决策等能力。在客户授权下将门店数据、交易数据、平台运营数据、商品数据等在内的分散集点采集到的数据，统一引入只系统管理平台进行数据融合。PaaS层还将把GIS数据、物流仓储信息、人群基础信息等因素引入至协同管理平台；

3. 基于这些融合的数据进行建模。在安全屋中采用同一套GPS定位体系和经纬网线。将多数据源LBS信息分别描点，实现安全屋内数据融合集成。帮助多数据源进行位置数据的相互共享和补充，并且融入POI信息、人流车流信息等。基于融合的数据加上用户提供的算法和算力，可以方便的进行预测模型的建立，并可自主完成对全流程优化及管理；

4. SaaS层由客户或UCloud的第三方合作伙伴提供界面化呈现及具体应用，通过建模分析针对不同场景进行方案细化，服务零售厂商的决策需求。

核心技术

公有云基础

UCloud产品线涵盖IaaS、PaaS、AI，为用户提供稳定、可靠的云计算平台。坚持自主研发云计算操作系统通过优盾安全防护体系，在网络安全、主机安全、数据安全等方面保护业务、数据安全。同时，公有云具有很好的融合性，通过专线接入或VPN与自有IDC进行打通，通过混合云的形式既能享受云端带来的弹性可扩展、按需计费等便利，也能对已有资源进行利旧节省成本。

企业专有云UStack

UCloud Stack企业专有云采用模块化设计，底层核心架构保留基础虚拟化能力。其他服务均以插件的形式存在系统中，例如计费、多租户、负载均衡等。客户可以选择自己想要的插件或按需定制想要的产品。

UStack做了大量兼容性测试来确保对异构硬件的兼容，充分利用客户已有硬件，降低企业IT成本。并且在虚拟化核心模块，统一管理所有的基础硬件设置，从计算、存储、网络上提供统一化的资源池。通过管理控制中心，它管理整个虚拟化资源池的调度，以及全部的产品功能。

另外，支持自主升级，远程升级，跨版本升级。升级过程为平滑升级，客户无需担心维护会造成现有业务的中断。

安全屋

安全屋（SafeHouse）是一套通过实现数据所有权和数据使用权分离，以确保数据流通过程安全可控的产品技术方案。安全屋的产品构成包括：数据流通平台、计算平台、安全机制。安全屋的产品愿景为打破数据垄断，让数据流通便捷安全，实现数据民主化。

安全屋实现了基于区块链的全流程审计、基于计算沙箱的实时操作监控和历史回放、基于结果使用规范的访问限制，可全方位保证数据的使用安全，确保数据不泄露。用户不仅可基于大数据计算环境，提交算法、执行分析。还可以使用安全计算沙箱，在封闭、安全的计算环境中，实现更自由的建模分析。

GIS系统（基于地理位置的数据集成和分析）

GIS系统作用于数据源，需将经纬度数据转换成地球经纬网线上的具体描点，并转换成图片格式回传安全屋主体，赋予LBS数据可用性和可视能力。通过脱敏&封装避免敏感数据外泄造成的数据流通风险，将LBS数据脱敏转换成图片格式，并隐藏具体数值信息。

在安全屋中采用同一套GPS定位体系和经纬网线。将多数据源LBS信息分别描点，分步回传到安全屋主体，实现安全屋内数据融合集成。帮助多数据源进行位置数据的相互共享和补充，提高商业应用价值。将地理位置数据描点，拟合曲线，热力图等点线面转换能力全部归置于安全屋主体中进行操作。减小数据源部分关于GIS能力的部署和工作量。

具备与其他数据打通应用的能力，如POI信息、人流车流信息等。落地于安全屋公有主体部分。包括智能电子地图的应用及可视化处理，完成数据处理的双向保密。

应用场景

01 新零售选址经营预测模型

定制预测模型

摒弃以往选址模式，选址试错成本基本为零，新店营额可建模拟输出，准确率可高达90-95%。

多模型组合建模过程

1. 输入用户已有店铺信息

2. 对于单个因素选取最优的影响因素及其取值

对于每个影响因素，取出使得最接近于已有周营收额的影响因素的值，遍历所有影响因素，最后得出最优的影响因素及其取值；

3. 考虑所有影响因素，确定最优划分

对于每个影响因素，运用拟合时间序列的方式，得出对应的最优的划分方式以及取值方法；

4. 生成关于影响因素的预测营业额函数

运用模型及数学计算，拟合出最接近真实营业状况的函数；/

5. 助力决策店铺选址

预测出的总体营业额及未来周营业额状况与决策影响因素之间关联，根据需求协助商家进行商业决策。

优势

规划-预测-开店模型优化全流程管理，提高了选址效率和准确性，规范了开店流程，助力企业收获更多盈利店面。

1. 智能选址提升开店效率，降低投入成本
2. 安全私有
3. 可融合
4. 模型全流程管理

应用

1. O2O数据打通。通过安全屋实现（Online to Offline）数据交叉打通能力；
2. 科学选址决策。最终几乎0成本的科学选址决策。

02精准人群定向引流

通过新零售选址经营预测模型可以获得科学的选址决策，待门店开张，还将精准定位人群并进行引流。

1. 1. 收集各种数据
2. 2大数据分析进行精准投放
3. 3. 面向精准人群做出广告及宣传
4. 4. 完成门店客户引流

1. 实现门店数字化，使线下店能够洞察顾客的兴趣、偏好、去留等，更好的服务于消费者；

2. 识别线下客群，实现精准大数据营销，打通门店和线上渠道之间的数据，结合运营经验和数据，提供精推的营销信息推送；

3. 支撑智慧供应链，通过大数据分析，实现商品陈列、补货、选品、销售的预测。

结语

在完成了新零售业务实现全云化管理之后，可以充分享受云端的弹性伸缩、海量资源、按需收费等便利，在此之上通过安全屋、GIS系统等收集数据、融合数据并结合算法建立预测模型，通过模型完成预测并辅助决策，应用在门店科学选址以及精准人群定向引流等场景。UCloud通过云计算、大数据、人工智能，为新零售客户带来便利的管理与精准分析运营，也为新零售直接用户带来更佳的购物体验。