大数据这个词相信大家并不陌生，当我们某一个动作能用数据来量化结果的时候，我们就能更容易回溯到原本，将“动作-结果”直观地联系起来，以数据为支撑，为后续的“分析-决策”提供更科学的依据。

所谓的“实体店大数据”，是指根据客流量的实时变化，客户在商场的停留时间，POS机刷卡次数，店铺成单量，餐饮，娱乐，服装等不同时段的成单量，结合当时商场的促销活动，近期的宣传等，来分析不同因素对成单率的影响，从而做出更优的决策来提高成交率。

而上述因素中最关键也是最难统计到的数据，就是客流量，商家可以通过这些数据，来进行以下动作：

1.    服务最优化：根据实时 的商场内人数变化，来决定要不要限流；根据客户在付款区排队等候的时长来决定是否需要增加收银台；根据不同时段商场内人员变化规律来确定最优员工数据，最优员工工作休息时间等。

2.    数据支撑租金：同一购物中心不同地段的店面租金不同，但是如果该门面虽然位置看起来不好，但实际上客流量很高，商家该怎么把利益最大化呢？这个就需要客流统计系统的数据来做支撑，能准确给出不同租金的门面的客流量，有效客流量，对于租户来说绝对是更具有说服力的。

3.    促销结果量化衡量：对于店家而言，其实最重要的不是有多少人来了我的店里，而是成交了多少单，成交金额是多少。当我们能将成交率，客流量与商场进行的促销活动，外界宣传联系起来的时候，我们就能分析出不同促销活动引来多少客流，对应的成交率等，以此作为下一次促销活动，宣传活动制定的数据依据，让每一个决策做得更有底气，更科学。

客流统计发展至今，商家对客流量数据上的诉求已经不单单是指数量，而是细化到形成这数量背后的每个单个个体的性质，如性别，年龄。从而更准确地分析到不同性别不同年龄的客户的成单的影响因素，消费能力等。

但是目前市场中的客流统计设备大部分还停留在2D阶段，也就是统计到人，但是无法区分是大人还是小孩儿，无法区分性别。个别公司也研发出了3D设备，如Brickstream，3D 客流统计设备（也叫双目客流统计）能通过算法计算出客户的身高来区分大人与小孩。区分大人与儿童这一诉求实现后，下一步客流统计要做的就是人脸识别。通过人脸识别来区分性别，年龄层等。

综上所述，线下实体店的大数据时代已经到来，你还在等什么呢？