第一章新零售理论基础

新零售理论框架主要涉及四方面，分别是市场、价值、渠道和消费者。从市场层面来看，创新商业模式是以新零售为依托，以支付为入口打造基于双边市场的平台经济；从价值层面来看，新零售只是风口，价值零售才是未来；从渠道层面来看，新零售环境下，依托移动互联网发展，各种创新渠道应运而生，全场景、全数据、全渠道、全时段、全品类的新零售模式得以实现；从消费者层面来看，新零售是以消费者体验为中心的数据驱动的泛零售形态。

●1.1双边市场与平台经济理论

平台经济通过双边市场效应和平台的集群效应，达到平台价值、客户价值和服务价值最大化。

●1.2价值理论

消费者购物价值包括三个维度，即功能性购物价值、享乐性购物价值、社会性购物价值，实现新零售的核心在于如何打造顾客价值。

●1.3渠道理论

新零售需要整合营销传播，新零售之轮突出了零售企业间的竞争，全渠道营销是新零售最为关键的一环。

●1.4消费者为中心理论

4C营销理论是新零售以消费者为中心重要的理论基础，新零售时代是基于“位置”的线上线下大融合的时代。

第二章新零售背景下的消费行为与决策

新零售背景下，传播媒介、消费背景等均发生了很大变化，消费者的决策行为也跟着发生了变化。本章将从我国网民特征入手，首先，回顾传统消费行为的理论，然后介绍消费者在屏幕上的决策行为，最后介绍行为经济学的基本理论。

●2.1互联网用户行为

我国网民的基本特征，以及互联网用户的基本行为和目标受众。

●2.2 互联网用户购买模式

大众媒体下的购买模型和互联网用户的购买模式。

●2.3屏幕上的决策

在屏幕面前，我们的思考方式不同。如果拥有正确的工具，完全有机会改善每个正在凝视屏幕的人的选择方式。

●2.4行为决策理论

营销界最活跃的学术研究领域之一就是行为决策理论。行为决策理论家们已经发现，消费者在许多情境下会做出看起来不理性的选择。

第三章新零售定价

本章主要讲解：一新零售与新零售的基本框架。二，零售定价问题回顾，包括什么是定价、定价的影响因素以及常见的定价方法；三，新零售平台定价，包括新零售与平台经济、平台定价的核心问题，数据驱动的定价模式与存在的问题。

●3.1 新零售与新零售的基本框架

新零售与新零售的基本框架。从内容、理论、要素等方面，对新零售的内涵进行阐述。

●3.2定价问题回顾

定价问题回顾。阐述定价的本质与定价的影响因素。

●3.3新零售平台定价

新零售平台定价。结合技术的赋能，从向谁定价，如何定价两个层次，阐述新零售平台的定价方式。

第四章电商平台产品预售

电商平台通过网上销售方式满足了大批消费者便捷的购物需求，随着电商平台各种促销浪潮的出现，产品预售也发挥了拉动消费的作用。对于消费者来说，一方面，预售的优惠折扣或抢先预订可以提高消费者购买产品的效用；另一方面，预售定制服务可以满足消费者对个性化、多样化、高品质产品的需求；对于企业来说，一方面，能够实现订单处理集成化，降低综合运营成本，另一方面，能够实现兼顾高效率、规模化、零库存的产销模式，帮助企业实现C2M（Customer to Maker）定制化生产，实时掌握消费需求。

●4.1产品预售的相关界定

新零售环境下，618、双十一等电商促销的大节日，作为新零售的检验田，产品预售正以一种颠覆传统电商销售的方式，在新零售生态构建中，发挥着重要作用。本节主要围绕“新零售”环境下电商平台的产品预售方式进行介绍，包括预售的产生、概念、实施方式和内在理论，以及目前成功的预售营销案例。

●4.2预售方式下企业运营管理与消费者行为

预售不仅为电商的“购物节”提前预热，也使企业通过集中处理订单降低综合运营成本，进而实现兼顾高效率、规模化、零库存的产销模式。本节主要围绕预售方式对企业和消费者带来的影响等内容，让大家了解这种销售方式。

第五章新零售大数据基础

随着信息技术的快速发展,大数据技术已经逐渐在多个领域得到广泛运用。对于销售行业而言,大数据的运用使得数据信息的记录、分析、运用等方面更加简便有效。在零售的过程中,利用大数据技术以及物联网技术能够实现产品销售信息的快速整合,进而为企业的营销方案提供数据支持。从大数据在新零售中的营运价值出发进行分析,探讨大数据在新零售中的具体运用方式。

●5.1大数据相关概念

介绍大数据的相关概念，分析大数据的特征，从结构化、非结构化以及半结构化学习大数据的构成。

●5.2大数据处理的基础技术

从大数据的处理流程、分布式计算与数据库、云计算与虚拟化技术三个方面介绍大数据处理的基础技术。

●5.3流行的大数据技术

主流的大数据处理技术是目前应用最广泛的技术，一类是面向非实时批处理业务场景，着重于处理传统数据处理技术在有限的时空环境里无法胜任的TB级、PB级海量数据存储、加工、分析、应用等。另一类是面向实时处理业务场景。

●5.4新零售下的大数据架构

从新零售数据仓库、实施数据平台以及整体结构分析三个方面学习新零售下的大数据架构。

●5.5新零售大数据实例及技术分析

通过三个案例学习新零售大数据的实际应用以及相关的技术，同时深刻理解上述章节中的基本理论与方法。

第六章大数据技术及数据采集

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（highthroughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。Hadoop环境部署完之后，如何与其他系统进行数据交互是一个摆在面前的问题。数据采集章节从各种数据采集技术说起，说明如何对静态数据进行采集、如何对动态数据进行采集，并根据不同的场景给出不同的数据采集方案。

●6.1hadoop2.0基本概念及架构

以简洁的方式介绍Hadoop2.0的系统结构，主要讲述HDFS/Mapreduce/Yarn,以及Hadoop2.0与Hadoop3.0版本的差异。能够使得一个零基础的学员经过本章节的学习，能够全面的了解Hadoop的体系结构，为后续的学习打下夯实的基础。

●6.2数据采集

经过flume、flink、storm、kafka等方面的内容学习，能够在项目中根据不同的数据对接场景选择不同数据采集方案来满足要求，同时也能让学员了解各种采集组件的作用以及组件的优点、缺点。

第七章大数据存储及计算卸载

其他系统的数据经过采集，在hadoop中如何选择合适的存储模式是一个在设计阶段必须考虑的问题。存储模式由项目对数据的访问模式来决定。如项目需要对数据进行快速查询，则需要采用Hbase；如项目需要对数据进行汇总、聚合等操作，则建议采用Hive或者impala。 HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。Hive由facebook开源的，最初用于解决海量结构化的日志数据统计问题。构建在Hadoop之上的数据仓库。Hive定义了一种类SQL的查询语言：HQL（类sql但不完全相同），在离线处理的中非常受欢迎，到目前为止还很受欢迎。目前Hive的底层执行引擎有多种：MapReduce、Tez、SparkHive on MapReduceHive on TezHive on Spark）支持多种不同的压缩格式（gzip、lzo、snappy、bzip2）、存储格式（TextFile、SequenceFile、RCFile、ORC、Parquet）以及自定义函数（UDF函数，就是当hive内置函数不能满足我们的需求时，做的补充和扩展）。

●7.1数据存储

本章节主要介绍了Hbase和Hive，这两种常用的数据存储。其中包括Hbase/Hive的数据模型、体系结构、接口、用途，以及使用场景、不适应的场景。进而为项目采用合适的存储模式给出对应的建议和意见。

●7.2计算与卸载

当数据存储在基于Hadoop的Hbase或者Hive中，如何对外提供数据支撑的能力是需要考虑的问题。在此章节中，主要讲解了使用spark及Sqoop，对数据进行卸载，当然此处的卸载指的是批量数据的模式，单条数据的访问不在讨论范围。

第八章大数据分析

随着大数据分析以及在大量分散的个人数据集中获取数据并进行分析的需求逐步呈现，数据驱动领域的实践者对于一系列分析方法存在着需求，无论是在数据准备和数据清洗期间或者是在数据探索期间，使用计算和分析工具的需要已经变得很迫切，然而大数据分析人员在各自领域挖掘可获取的数据潜藏的丰富内涵时，基本理论的复杂性对分析方法的应用提出了挑战。本章则主要阐述了大数据分析的过程和方法以及结合新零售这一新兴概念方面的应用。

●8.1大数据分析概述

大数据分析不只是针对数字，而是关于如何设定或提出问题，演化解释，以及验证假设的过程。并横跨了计算机科学、统计、数学等多个知识领域。

●8.2大数据分析过程

大数据分析过程主要包括：明确目的、数据准备、数据探索、预测建模和成果可视化几个部分，本节则具体讲述了这几方面的内容。

●8.3大数据分析方法

大数据分析多种多样，并且可以通过各个角度去划分，本节内容主要是讲解了在数据准备过程中常用的数据处理方法。能让大家在大数据分析之初有一个好的开始。

●8.4大数据分析算法

无论是分析、挖掘、还是机器学习，都涉及大量的数据处理，也一定会涉及到算法及算法的应用。本节的主要内容将重点讲解几种算法中的典型算法。

●8.5大数据分析应用

随着大数据分析应用的越来越广泛，应用的行业也越来越多，我们每天都可以看到大数据的一些新奇应用，但是大数据分析是如何帮助人们挖掘出有价值的信息呢，本节就让我们一起来结合新零售的概念，谈谈大数据分析是如何发挥作用的。

第九章区块链及其在新零售中的应用

区块链作为一种分布式数据库技术，数据以区块（block）为单位生产和存储，并按照时间顺序连成链式（chain）数据结构。所有节点共同参与区块链系统的数据验证、存储和维护。通俗的讲，区块链就是一种去中心化的分布式账本数据库系统。区块链对新零售的影响十分广泛，它既能够确保在新零售数据的真实性，也能通过智能合约为新零售提供诚信保障，区块链对于新零售具有重大的意义。

●9.1区块链概述

区块链已经成为一项重要的技术需要我们对其进一步了解。区块链区别于传统数据库系统运作，能够分为私有链、联盟链、公有链等类别，并具有自己的特征。

●9.2区块链技术的实践

区块链的发展最早可以追溯到2008年10月31日，区块链技术被很多大型机构称为是彻底改变业务乃至机构运作方式的重大突破性技术。区块链技术大致经历了3个发展阶段，其应用场景能够涉及到金融服务、供应链管理、智能制造、文化娱乐、医疗健康、社会公益、教育就业各个方面。

●9.3区块链研究发展前景

目前国内外关于区块链的研究成果较多，发表在SCI、CSSCI中的论文有500余篇，关于区块链的研究内容涉及到价值创新、商品信用、溯源应用、云计算、大数据物联网等多个方面。

●9.4区块链+新零售

区块链能够确保在新零售中意义重大的数据的真实性，实现新零售中消费者的高性价比消费体验，并能分享消费红利，还可以通过智能合约为新零售提供诚信保障，简化新零售商品的溯源过程，优化新零售供应链。

第十章阿里新零售

“一带一路”是世界上跨度最大、最具发展潜力的经济合作地带。阿里巴巴国际站作为全球跨境电子商务的领军平台，已经大力布局。阿里巴巴通过更精准的海外流量、更完善的交易体系，为跨境贸易保驾护航，实现全球买、全球卖，帮助中小型企业转型升级，成功走向全球化，让天下没有难做的生意！

●10.1新零售及跨境贸易趋势

我国互联网发展飞速，外贸也走过了1.0 2.0 3.0时代，整体跨境贸易市场呈现多国化、无线化、年轻化趋势。

●10.2一带一路布局

马云提出EWTP概念，并出访一带一路沿线国家。阿里巴巴也在全球的支付端、流量端、物流端大力布局。

●10.3阿里巴巴国际站介绍

阿里巴巴国际站作为国际领先的跨境电子商务平台，通过出口通、金品诚企、外贸直通车等产品帮助海外买家开启全球商机，信用保障交易体系让买家更放心，商家更省心。

●10.4双赛道介绍

为了更精准匹配海外买家需求，阿里巴巴推出双赛道模式：定制和现货。双赛道助力商家获得更精准流量，打造全球品牌。

第十一章京东无界零售

无界零售”是京东对行业终极的判断，是十年以后整个零售界和相关产业的合作者共同拼接起来的一幅图景；“人+ 货+ 场”是零售的本质，要建立起无界零售下不同业务之间的强化关系，必须不断地思考如何用这三个点串起原本散落的各个业务，形成合力。

●11.1何为零售？

“零售”是法语动词“retailler”，意思是“切碎（cut up）；即大批量买进并小批量卖出；每笔商品交易的数量比较少，交易次数频繁；出卖的商品是消费资料，个人或社会团体购买后用于生活消费；交易结束后商品即离开流通领域，进入消费领域。

●11.2成长中的无界零售

成长中的无界零售主要从京东集团发展历程、无界零售的前世今生展开，落脚于无界零售连接逻辑进行深入分析和研讨。

●11.3无界零售布局

无界零售布局主要从京东提出无界零售概念后，在零售方面具体的无界零售布局，以及取得的一些阶段性的成果，针对未来的零售环境所作出的具体展望和布局。

第十二章苏宁智慧零售

零售的发展以及智慧零售的概念。零售的本质就是围绕商品和用户服务进行的资源匹配，随着技术进步、消费升级，在近几十年，零售业主要经历了3种形态癿变化：实体零售、电子上午、O2O场景互联网。智慧零售就是运用互联网、物联网、大数据和人工智能等技术，将“用户、商品、支付” 零售要素数字化“采、销、配、服、用” 零售运营智能化，以更高癿效率、更好癿体验为用户提供商品和服务。

●12.1零售的发展史、何为智慧零售

什么是零售、零售的发展，零售的三种业态发展方向

●12.2行业的变化、市场的变化、用户的变化

智慧零售就是运用互联网、物联网、大数据和人工智能等技术，将“用户、商品、支付” 零售要素数字化“采、销、配、服、用” 零售运营智能化，以更高癿效率、更好癿体验为用户提供商品和服务。

●12.3苏宁智慧零售的实际应用

智慧零售适应变化的市场与用户，智慧零售下流量、用户和运营变化的趋势，对消费者、行业产生的影响。