FME在连锁零售行业的应用

零售业现状

随着互联网的快速发展，在餐饮中引入互联网技术，从网格计算到云计算，从互联网到移动互联，从海量数据到大数据，这些新技术涌现给餐饮市场带来新的挑战；大数据服务会得到更多企业和用户的青睐、移动设备将更加火爆。合理整合资源，促进餐饮布局、营销等方面优化发展。

麦当劳作为一家大型的快餐企业，在店铺布局、餐饮覆盖情况等方面都需要大量数据支撑，包含基础数据和专业数据，从数据格式以及数据来源均呈现多样化。

连锁零售行业数据传统支撑方式

传统的数据支撑方式大多采用二次开发，当面对复杂多变的数据格式以及数据内容时，系统维护成本高，加上代码编写人员水平差异，导致代码片段重构难度大；针对数据源的实时响应支持不到位，难以创建自动化处理流程等问题，传统的数据支撑方式难以满足行业需求。为此FME作为一款支持多种数据格式、维护成本低、易用性高、可进行自动化、高效数据处理的软件提供一种新的数据支撑方式。

FME在连锁零售行业中的作用

• 链接、读取和管理不同数据来源、实现数据统一整合。

当前支撑麦当劳GIS平台的数据来源多样，像覆盖全国细化到100米*100米网格范围的人口数据、人物画像、人员收入、人流量、友商信息、POI、经济数据、基础地图数据以及其他的数据源。利用FME有效管理颗粒度如此细小的数据内容，实现数据的统一整合。

• 不同数据源格式转换，统一数据格式。

庞大、颗粒度小的数据源分别由各种数据格式提供，包含早期使用的ESRI ArcGIS、Eexcel、Csv等，再到后期的PostgreSQL、Hadoop、以及网络API服务等，利用FME对数据进行转换，为麦当劳的MGIS平台提供统一的数据格式。

• 数据源之间进行空间计算，提供高效的数据处理流程，输出所需数据。

利用FME Desktop创建模型，进行空间计算、汇总工作；利用FME，结合ElasticSearch，将传统的空间叠加分析计算时间从50多个小时提升到3.5个小时，为麦当劳的业务模型提供高效数据内容。

• 数据自动化处理流程定制化，为不同业务场景定时、实时输送数据。

利用FME Server的自动化策略完成自动化工作、实时响应工作以及批处理工作。

FME很好的解决了管理、整合不同数据源，高效完成数据格式转换；通过不同的转换器灵活组合，再进行空间计算，创建自动化处理流程，和不同的业务系统对接和创建数据价值。

从效率上来说，通过使用FME，大大的提高了数据转换和汇总的效率；从成本上来说，FME窗口式操作模式以及服务器部署方案，大大降低应用系统的开发费用和建模费用。

FME在连锁零售行业中的应用场景

FME在麦当劳的业务系统中参与了多个业务应用场景前期数据处理工作，提供高效的数据处理流程，从而为市场建立相关模型等提供高效数据源，为新店制定开发战略、为现有店铺的“回头看”工作，建立模型评估店铺业务情况，为顾客提供更好的服务。

FME在连锁零售业务中未来的应用展望

参与更多的业务应用场景，例如供应链环节中优化物料配送、辅助物料采购决策；店铺市场推广、提供客户画像、在DMP空间纬度分析过程中提供数据源；获取移动端、网络端数据进行数字化工作；最后为运营部门提供门店商圈评估、顾客分析等工作，为更多部门提供高效的数据处理流程。