商貿零售行業深度：數據資產重構零售行業價值重視專業零售市場商機-230306（34頁）.pdf

1、 本報告由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。同時請參閱最后一頁的重要聲明。證券研究報告證券研究報告行業深度行業深度 數據資產數據資產重構零售行業價值，重重構零售行業價值，重視專業零售市場視專業零售市場商機商機 核心觀點核心觀點 零售行業數據價值量巨大，隨著基礎制度建設和數商生態逐漸繁榮，數據要素市場逐漸由有偏走向無偏、產業鏈各環節專業程度提高、交易成本降低，數據資產價值將逐步顯現、渠道價值得以重構。我們推薦關注零售細分領域龍頭企業，其數據資產具備獨特性，數據資

2、產價值潛力較大，同時數字化進程正在加速。要點要點 部分零售企業部分零售企業積極推進數字化積極推進數字化升級升級，挖掘挖掘數據資產數據資產價值價值。原始數據需要經歷數據資源化和資產化的階段才可以發揮價值。原始數據經過收集和初步管理成為數據資源。數據資源是數據資產化的起點，針對特定應用場景或商業目的進行加工、開發，數據資源方可形成數據資產。部分零售企業積極推進數字化，數字化系統等工具已經上線，逐步邁向數據資源和數據資產階段。數據產品應用場景豐富，數據產品應用場景豐富，商業商業價值有待釋放價值有待釋放。目前已有數據產品落地應用：1、公共領域：推進城市規劃建設；2、商業領域：通過客流分析進行商場、門店

3、選址；借助數據進行精準化營銷；3、金融領域：定位用戶需求，進行風險評估。我們認為，零售行業的數據資產未來主要應用場景包括：產品定價、產品開發、精準營銷、選址落位、供應鏈金融等。重點關注零售細分方向重點關注零售細分方向。聚焦細分市場的零售企業數據具備更為明顯的稀缺性和多維性。我們推薦關注：1、居然之家：、居然之家：公司為中國泛家居行業龍頭企業，已經上線數字化產業服務平臺“洞窩”，平臺服務消費者，連接工廠和賣場，目前已經于直營門店布局統一收銀系統，加盟和非居然之家門店有望推進。2022 年平臺 GMV 已經超過 350 億元，2023 年有望達到 1000 億元。2、匯、匯通達：通達：公司聚焦下沉

4、市場發展 B2B 電商，已經覆蓋中國 21 省份，超 2 萬個鄉鎮，交易業務規模龐大。以交易業務為基礎，公司積極推進 SaaS 服務。22H1 付費 SaaS 用戶達 27065 家，同比增長179.71%，服務業務板塊收入 36.44 億元，同比增長 117%。3、孩子王：孩子王：孩子王為母嬰行業龍頭企業，注重私域會員運營。截至2022H1，公司會員人數超過 5,300 萬人，其中最近一年的活躍用戶近 1,000 萬人，黑金會員至 82 萬人。孩子王不斷加大研發投入，進行全渠道數字化升級開發，助力內部效率提升。維持維持 強于大市強于大市 劉樂文 SAC 編號:S1440521080003 S

5、FC 編號:BPC301 發布日期：2023 年 03 月 06 日 市場表現市場表現 相關研究報告相關研究報告 -17%-12%-7%-2%3%8%2022/2/282022/3/312022/4/302022/5/312022/6/302022/7/312022/8/312022/9/302022/10/312022/11/302022/12/312023/1/312023/2/28商貿零售上證指數商貿零售商貿零售 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 目錄 核心觀點.1 要點.1 投資要件.5 關鍵假設.5 與市場不同的觀點.5 股價上漲的催化因素.5 投資風險.5

6、一、數據體量持續增長，數據經濟規模龐大.1 二、供給：基礎設施漸完善，助數據市場騰飛.3（一）數據二十條出臺，數據市場建設邁出關鍵一步.3（二）數據產業鏈建設啟動，數商生態逐步完善.4 三、零售行業：數據潛力巨大，價值有待挖掘.8（一）價值評估框架：數據質量+應用維度+風險合規.8（二）零售行業：數據價值挖掘潛力巨大，細分市場龍頭數據價值尤甚.9 1、零售行業具備數據資產價值基礎.9 2、零售行業數據資產價值具備變現動力，乘數效應帶來商業發展新紅利期.12 3、零售行業數據資產價值挖掘進度有望進一步加快.13 四、數據產品應用場景豐富，關注零售細分市場龍頭企業.17（一）窺見數據產品應用，場景

7、豐富多樣.17 1、公共領域：數據產品深度融合，推進城市規劃建設.17 2、商業領域：優化管理決策，助力降本增效，發現全新市場機遇.17 3、金融領域：洞悉真實交易，助力風控防詐.19（二）關注零售細分市場龍頭.20 1、居然之家：家居全產業鏈布局，多維賦能家居經營.20 2、匯通達：分銷供貨為基礎，數字化變現加速.21 3、孩子王：數字資產助力內部效率提升.22 4、借鑒成熟 SaaS 企業估值模式，初步估算數據資產價值.24 投資評價和建議.26 風險分析.27 圖目錄 圖 1:全球數據量增長預測（ZB）（2010-2025E）.1 圖 2:我國數據產量及全球占比持續增長（2017-202

8、1 年）.1 圖 3:2022 年數據要素市場不同細分領域市場規模（億元）.1 圖 4:企業數字化轉型前后對比.2 圖 5:不同行業企業數字化轉型前后 ROA 差值（%）.2 圖 6:數據要素產業三大環節.4 圖 7:不同類型數商企業成長趨勢.5 rRqRYUcVcWbZpXeXzW9P9R7NpNmMpNoNlOmMnOkPqQsN7NnMoONZrQpPwMnMqQ 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖 8:上海數據交易所交易前服務及交易中服務流程.7 圖 9:上海數據交易所交易后服務流程.7 圖 10:數據資產價值評估框架.8 圖 11:數據資產化成本構成：按財務

9、核算口徑分類.9 圖 12:數據資產化成本構成：按功能分類.9 圖 13:各行業 GDP 占總 GDP 比重（不變價）.9 圖 14:零售行業數據量居于各行業前列（EB）.10 圖 15:泛零售行業數字洞察能力指數較高.10 圖 16:不同行業 SDAF 指數對比.10 圖 17:限額以上批發和零售業零售額中不同行業占比.11 圖 18:考慮數據質量和應用維度，商貿零售數據資產價值較大（ToC 行業對比）.12 圖 19:雙 11 阿里巴巴 GMV 增速放緩.13 圖 20:快手直播電商 GMV 增速放緩.13 圖 21:部分一二線城市商鋪平均租金（元/日.平米）.13 圖 22:數據資源化與

10、資產化過程.14 圖 23:零售細分板塊代表性企業數據資產價值.16 圖 24:城市建設可視化數據產品計算結果示意圖.17 圖 25:沃爾瑪對于數據的應用.18 圖 26:匯納科技基于客流等數據為商業綜合體和品牌連鎖店提供服務.18 圖 33:2017-2021 年居然之家經營門店數量.20 圖 34:2021 年居然之家門店地區分布情況.20 圖 35:洞窩平臺注冊用戶及覆蓋賣場.20 圖 36:洞窩平臺 GMV（億元）.20 圖 37:居然之家數據資產應用場景舉例.21 圖 38:匯通達活躍會員零售門店數量.22 圖 39:匯通達 SaaS+付費用戶數量.22 圖 40:匯通達數據資產價值

11、舉例.22 圖 41:孩子王門店數量（家）.23 圖 42:孩子王會員數量.23 圖 43:孩子王研發投入（萬元，%）.23 圖 44:孩子王數字化門店.23 圖 45:孩子王數據資產價值舉例.24 表目錄 表 1:我國數據戰略布局政策.3 表 2:數據要素相關企業數量(2010-2021).5 表 3:數據交易平臺陸續建立，促進數據流通領域高效發展.6 表 4:SDAF 指數 60 分以上的企業.10 表 5:ToC 行業數據描述.11 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 表 6:零售細分板塊代表性企業數據情況.15 表 7:數據產品在金融領域的應用.19 表 9:部分

12、 SaaS 企業估值（2023 年 3 月 6 日）.25 表 9:有贊與 Shopify 估值.25 表 10:重點公司盈利預測（人民幣元）.26 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 投資要件投資要件 關鍵假設關鍵假設 1、數據要素市場基礎制度建設逐步數據要素市場基礎制度建設逐步推進推進。政府出臺了一系列政策促進數據要素市場發展，2022 年 12 月出臺“數據二十條”，淡化了數據所有權、強調使用權，創造性提出建立數據資源持有權、數據加工使用權和數據產品經營權“三權分置”的數據產權制度框架。預計后續政府出臺具體性法律制度，進一步完善數據要素市場建設。2、數商生態逐漸繁榮

13、，專業數據服務提供商涌現數商生態逐漸繁榮，專業數據服務提供商涌現。在基礎制度夯實底座的背景下，數商生態也在逐步走向繁榮，不同類型的市場參與者可以降低產品供給成本、高效對接需求、促進數據價值發揮。與市場不同的觀點與市場不同的觀點 1、市場認為市場認為零售行業零售行業生產關系落后、市場生產關系落后、市場增速放緩增速放緩、盈利能力下行，因此給予較低估值，我們認為零售盈利能力下行，因此給予較低估值，我們認為零售行業數據行業數據掌握大規模的數據入口專業渠道的目的性強，數據價值高，潛在數據要素的價值重估空間大。掌握大規模的數據入口專業渠道的目的性強，數據價值高，潛在數據要素的價值重估空間大。2、零售的渠道

14、價值零售的渠道價值被市場低估被市場低估，我們認為零售行業的渠道價值是其數據資產價值的重要來源我們認為零售行業的渠道價值是其數據資產價值的重要來源。零售公司廣泛的渠道使得公司成為鏈接品牌商、經銷商、零售商和消費者的樞紐，因此，相較于其他消費行業，零售行業數據規模更加龐大。3、市場認為電子商務已經掌握足夠多的用戶信息和市場認為電子商務已經掌握足夠多的用戶信息和 2C 端商業化應用，線下挖掘的動力不足且應用場景端商業化應用，線下挖掘的動力不足且應用場景并不直接。但我們認為伴隨線上流量紅利的不斷飽和，重拾線下的數字化開發將成為大趨勢，并不直接。但我們認為伴隨線上流量紅利的不斷飽和，重拾線下的數字化開發

15、將成為大趨勢，并且對并且對于于 2B 端的商業應用也存在生長的環境。端的商業應用也存在生長的環境。股價上漲的催化因素股價上漲的催化因素 1、數據要素市場支持政策進一步推出數據要素市場支持政策進一步推出。當前市場仍處于有偏階段，數據要素支持政策推出有望完善市場建設，降低交易成本。2、公司加大數據化投入開發數據資產公司加大數據化投入開發數據資產。數據資產開發有望豐厚公司收入利潤，使得公司價值重估。投資風險投資風險 1、數據確權、數據隱私問題使得數據要素市場建設進展低于預期。2、公司數字化投入開發數據資產會增加成本，短期內拖累收入和利潤。3、不同主體提供類似數據產品，使得數據要素市場競爭加劇，影響盈

16、利水平。1 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 一、一、數據體量持續增長數據體量持續增長，數據經濟規模龐大，數據經濟規模龐大 全球數據量持續增長，全球數據量持續增長，中中國數據體量位居世界前列。國數據體量位居世界前列。根據 IDC 數據預測，全球數據量持續增長，預計到 2025年全球數據量將達到 175ZB。根據中國信通院測算，2017 年到 2021 年我國數據量從 2.3ZB 增長至 6.6ZB，全球占比 9.9%，僅次于美國，位居世界第二。圖圖 1:全球數據量增長預測全球數據量增長預測（ZB）（2010-2025E）圖圖 2:我國數據產量及全球占比持續增長（我國數據

17、產量及全球占比持續增長（2017-2021 年）年）數據來源：IDC，數據時代2025，數據資產生態白皮書，中信建投證券 數據來源：中國信息通信研究院、中國網絡空間研究院，中信建投證券 中國中國數據要素市場數據要素市場已經已經起勢起勢。根據中國數據要素市場發展報告（2021-2022）測算顯示，我國數據要素市場規模達到 815 億元，其中數據儲存、數據分析、數據加工、數據交易分別占比 22%、21.5%、19.6%、14.7%，預計“十四五”期間市場規模復合增速超過 25%，即將進入群體性突破的關鍵發展階段。圖圖 3:2022 年年數據要素市場數據要素市場不同細分領域市場規模不同細分領域市場規

18、模（億元）（億元）數據來源：國家工業信息安全發展研究中心，中信建投證券 246810141620405060708010013017502040608010012014016018020020102011201220132014201520162017201820192020E2021E2022E2023E2024E2025E2.333.95.16.68.89.19.39.69.98.28.48.68.899.29.49.69.810012345672017年2018年2019年2020年2021年我國數據產量（ZB）全球占比情況（%，右軸）180175160120855045數據存儲數據分析

19、數據加工數據交易數據服務生態保障數據采集 2 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 數字化賦能數字化賦能效果明顯效果明顯，數據資產潛在價值巨大。，數據資產潛在價值巨大。數據資產的使用能夠充分挖掘數據的價值，提高各行各業的運轉效率。根據中國工業信息安全發展研究中心測算，數字化轉型對不同行業都所影響，其中制造業中已轉型上市公司與比未轉型上市公司的 ROA 高 5.59%。圖圖 4:企業數字化轉型前后對比企業數字化轉型前后對比 圖圖 5:不同行業企業數字化轉型前后不同行業企業數字化轉型前后 ROA 差值差值（%）數據來源：國家工業信息安全發展研究中心、北京大學光華管理學院中國數據

20、要素市場發展報告（2021-2022），中信建投證券 數據來源：國家工業信息安全發展研究中心、北京大學光華管理學院中國數據要素市場發展報告（2021-2022），中信建投證券 -3-2-10123456制造業農業、林業及漁業信息和通信行業能源業采礦業金融服務業未轉型上市公司ROA（%）已轉型上市公司ROA（%）5.594.334.323.632.810.80123456制造業農業、林業及漁業信息和通信行業能源業采礦業金融服務業 3 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 二、二、供給供給：基礎設施基礎設施漸完善，漸完善，助助數據市場數據市場騰飛騰飛（一）數據二十條出臺，數據市

21、場建設邁出關鍵一步（一）數據二十條出臺，數據市場建設邁出關鍵一步 數據要素具有特殊性，良好的市場生態需要首先完成基礎設施建設，市場方可由有偏走向無偏。數據要素具有特殊性，良好的市場生態需要首先完成基礎設施建設，市場方可由有偏走向無偏。數據要素具有虛擬性、非競爭性、部分排他性、負外部性等特點，因此面臨著產權界定不明晰、數據交易機制不健全、數據安全保護不完善的問題。產權問題、交易機制和數據保護又會影響數據要素的流通和市場價值的實現，數據要素市場仍處于有偏階段。數據要素市場需要首先完成基礎設施建設，完善產權確認、數據保護等方面，數據要素市場的需求才可以更好被滿足。數據數據要素要素戰略戰略和規劃緊鑼密

22、鼓出臺和規劃緊鑼密鼓出臺，數據要素市場，數據要素市場揚帆起航揚帆起航。自十九屆四中全會首次提出將數據作為生產要素參與分配，我國開始加快推動數據戰略布局的不斷深入，陸續推出規范數據要素市場標準化發展的指導文件和政策。其中，2022 年 12 月 19 日，國務院發布中共中央國務院關于構建數據基礎制度更好發揮要素作用的意見（簡稱“數據二十條”），提出要在中國建立四項數據基礎制度，分別是數據產權制度、流通交易制度、收益分配制度和安全治理制度?！皵祿畻l”淡化了數據所有權、強調使用權，創造性提出建立數據資源持有權、數據加工使用權和數據產品經營權“三權分置”的數據產權制度框架。該文件對數據基礎制度體系

23、進行了布局，為之后政府內部的行政法規、文件政策等提供原則性指導。數據要素市場基礎性制度建設邁出關鍵性一步，為數據要素市場建設注入了新的動力，發展速度和發展水平有望實現進一步的突破。2023 年 2 月，中共中央、國務院印發了數字中國建設整體布局規劃，提出數字中國建設按照“2522”的整體框架進行布局，并且明確提出，將數字中國建設工作情況作為對有關黨政領導干部考核評價的參考。因此，數字化建設進度有望加快，數據要素市場將以更快速度趨于完善和成熟。表表 1:我國數據戰略布局政策我國數據戰略布局政策 頒布時間頒布時間 政策名稱政策名稱 政策要點政策要點 2023 年 2 月 數字中國建設整體布局規劃

24、數字中國建設按照“2522”的整體框架進行布局；將數字中國建設工作情況作為對有關黨政領導干部考核評價的參考 2022 年 12 月 關于構建數據基礎制度更好發揮數據要素作用的意見 提出構建數據基礎制度體系 2022 年 10 月 國務院關于數字經濟發展情況的報告 建立數據產權制度，健全數據要素權益保護制 2022 年 6 月 關于構建數據基礎制度更好發揮數據要素作用的意見 加快培育數據要素市場 2022 年 4 月 關于加快建設全國統一大市場的意見 提出加快培育統一的技術和數據市場 2022 年 1 月“十四五”數字經濟發展規劃 充分挖掘數據要素價值，激活發展潛力 2021 年 12 月 要素

25、市場化配置綜合改革試點總體方案 細化建立數據要素市場規則的具體要點 2021 年 10 月 國家標準化發展綱要 建立產權交易流通，安全保護等標準規范 2020 年 5 月 關于構建更加完善的要素市場化配置機制的 首次提出培育數據要素市場 4 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 2019 年 10 月 中國共產黨第十九屆中央委員會第四次全體會議公報 首次將數據明確納入生產要素 2017 年 1 月 大數據產業發展規劃（2016-2020）到 2020 年，保障有力的大數據產業體系基本形成 2016 年 3 月 十三五規劃綱要 實施國家大數據戰略 2015 年 9 月 促進大

26、數據發展的行動綱要 統籌規劃大數據基礎設施建設 資料來源：中國政府網，中國信息通信研究院，中信建投證券 （二）（二）數據產業鏈數據產業鏈建設啟動建設啟動，數商生態逐步完善數商生態逐步完善 數據要素數據要素產業鏈產業鏈包括數據供應、數據服務及數據需求三大環節。包括數據供應、數據服務及數據需求三大環節。我國數據供應端積淀較深，數據量龐大，在近期國家政策的加持下，展現出較大的潛力。數據服務環節包括數據采集、分析、交易、定價、安全保障等環節，是數據資源得以資產化的重要環節，是數據產業鏈的重要組成部分。產業鏈下游環節主要為數據產品需求方，我們認為只有在數據供應完善的情況下，數據產品需求才能夠得以釋放，數

27、據要素市場才可以繁榮發展。圖圖 6:數據要素產業三大環節數據要素產業三大環節 數據來源：TRS數星產業大腦、拓爾思數據要素產業鏈分析報告，中信建投證券 數商生態逐漸繁榮數商生態逐漸繁榮，數據要素市場，數據要素市場專業化和標準化程度有望提高專業化和標準化程度有望提高。在基礎制度夯實底座的背景下，數商生態也在逐步走向繁榮，不同類型的市場參與者可以降低產品供給成本、高效對接需求、促進數據價值發揮。根據全國數商產業發展報告（2022），從 2000 年至 2021 年底，中國數商企業復合年均增長率為 25.7%，截至2022 年 11 月，中國數商行業企業數量達到 183 萬家，涵蓋數據咨詢服務商、數

28、據分析技術服務商、數據資產評估服務商、數據基礎設施提供商等。根據中國數據要素市場發展報告（2021-2022），數據要素相關企業數量在 2010 年 2021 年實現了高速發展。數商生態繁榮助力數據要素市場基礎設施進一步完善，為數據資產的發展奠定了良好的基礎。5 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 表表 2:數據要素相關企業數量數據要素相關企業數量(2010-2021)類型類型 2010 年公司數量年公司數量 2021 年公司數量年公司數量 年復合增長率（年復合增長率（%）行業應用層 7254 448887 79.16 數據資源層 6280 332385 72.36 通用

29、軟件層 64988 2183280 52.63 基礎硬件層 6324 171679 43.37 安全保障層 2435 65645 43.07 資料來源：中國數據要素市場發展報告（2021-2022），中信建投證券 圖圖 7:不同類型數商企業成長趨勢不同類型數商企業成長趨勢 數據來源：全國數商產業發展報告（2022），中信建投證券 中中國數據流通在政策加持下持續探索，取得初步成效。國數據流通在政策加持下持續探索，取得初步成效。數據流通也就是完成數據資產的市場化配置，使得數據價值得以釋放。數據供應方完成登記、定價后在數據交易機構掛牌交易，數據需求方通過數據交易機構進行數據購買。隨著近年來政策加持，

30、上海數據交易所、貴陽大數據交易所等一批政府背景平臺已建成并投入使用，阿里、騰訊、京東等頭部企業也陸續建立數據交易平臺。其中，數據交易所迎來快速發展期其中，數據交易所迎來快速發展期。2015 年-2017 年是我國數據交易機構的第一輪快速發展期，在 2015 年一年中就成立了 7 家數據交易平臺。2021 年以來隨著我國政策支持力度的提高，數據交易機構迎來新一輪的快速發展期，根據信通院數據顯示，全國已經有 40 余家數據交易平臺。6 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 表表 3:數據交易平臺陸續建立，促進數據流通領域高效發展數據交易平臺陸續建立，促進數據流通領域高效發展 年

31、份年份 年度新建交易平臺數量年度新建交易平臺數量 交易平臺交易平臺 2014 3 北京大數據交易服務平臺 中關村樹海大數據交易平臺 香港大數據交易所 2015 11 交通大數據交易平臺 河北大數據交易中心 杭州錢塘江大數據交易中心 河北京津冀大數據交易中心 華中大數據交易平臺 華東江蘇大數據交易中心 重慶大數據交易市場 西咸新區大數據交易所 武漢東湖大數據交易中心 武漢長江大數據交易中心 貴陽大數據交易所 2016 8 亞歐大數據交易中心 絲路輝煌大戶數據交易中心 深圳南方大數據交易 浙江大數據交易中心 錢塘大數據交易中心 廣州數據交易平臺 上海數據交易中心 哈爾濱數據交易中心 2017 6

32、河南平原大數據交易中心 山東省先行大數據交易中心 山東省新動能大數據交易中心 濰坊大數據交易中心 青島大數據交易中心 中原大數據交易平臺 2018 1 吉林省東北亞大數據交易服務中心 2019 1 山東數據交易公司 2020 3 北部灣大數據交易平臺 山西數據交易服務平臺 中關村醫藥健康大數據交易平臺 2021 12 海南數據產品超市 長三角數據要素流通平臺 德陽數據交易中心 西部數據交易中心 7 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 上海數據交易所 貴州省數據流通交易中心 合肥數據要素流通平臺 深圳數據交易公司 北京國際大數據交易所 華南數據交易公司 深圳數據交易所 鄭州

33、數據交易中心 2022 5 湖南大數據交易所 青島海洋數據交易平臺 廣州數據交易所 無錫大數據交易平臺 湖南大數據交易中心 資料來源：中國信息通信研究院，中信建投證券 以上海數據交易所為例，交易平臺的交易流程已經比較完善、清晰以上海數據交易所為例，交易平臺的交易流程已經比較完善、清晰。數據流通是數據資產實現價值的關鍵環節，隨著我國數據流通平臺的不斷建成，以及國家政策的支持，數據流通的定價規則、交易機制、流通制度等完善，平臺數據技術加速提高。未來我國數據流通領域將以法律法規和基本制度為前提，實現數據流通過程中安全與效率兼具、規范與活力并行。圖圖 8:上海上海數據數據交易所交易前服務及交易中服務流

34、程交易所交易前服務及交易中服務流程 圖圖 9:上海數據交易所上海數據交易所交易后服務流程交易后服務流程 數據來源：上海數據交易所官網，中信建投證券 數據來源：上海數據交易所官網，中信建投證券 8 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 三三、零售行業：數據潛力巨大、零售行業：數據潛力巨大，價值，價值有待挖掘有待挖掘（一）價值評估框架：數據質量（一）價值評估框架：數據質量+應用維度應用維度+風險合規風險合規 數據資產價值的基礎是數據質量，數據資產價值的基礎是數據質量，需要在應用場景中實現需要在應用場景中實現，但是但是風險合規具有“一票否決權”風險合規具有“一票否決權”。分析數據

35、資產是否具有可以實現的價值需要從三個維度考慮，分別為質量維度、應用維度和風險維度。數據完整、真實、準確、采集成本低等才可以被認為是高質量數據。高質量數據并不意味著高價值數據資產，數據資產具備高價值意味著其在現實應用中可以提供價值，這意味著數據資產需要具備一定的稀缺性、時效性、多維性、標準化程度較高等。但是風險合規具有“一票否決權”，即便數據質量高同時應用價值大，實際應用產生風險可能性較大會使得數據無法應用。圖圖 10:數據資產價值評估框架數據資產價值評估框架 數據來源：德勤，中信建投證券 收益高于成本決定數據資產化的動力，外部收益與內部收益的比較決定是否進行數據產品化。收益高于成本決定數據資產

36、化的動力，外部收益與內部收益的比較決定是否進行數據產品化。只有當數據資產化帶來的收益大于資產化過程的成本后，企業才會有動力進行數據資產化。數據資產既可以在內部使用，服務自身經營決策、業務流程，從而提升盈利能力，也可以形成數據商品進入數據要素流通市場變現。若內部使用收益較高，或者外部使用有被窺取行業機密的重大風險的情況下，企業將選擇通過內部使用的方式進行變現；若外部使用收益較高，且對外出售數據不會影響企業的核心競爭力，企業會通過外部使用進行變現。9 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖圖 11:數據資產化成本構成：按財務核算口徑分類數據資產化成本構成：按財務核算口徑分類

37、圖圖 12:數據資產化成本構成：按功能分類數據資產化成本構成：按功能分類 數據來源：普華永道，中信建投證券 數據來源：普華永道，中信建投證券 （二）零售行業：數據價值挖掘潛力巨大（二）零售行業：數據價值挖掘潛力巨大，細分市場龍頭數據價值尤甚，細分市場龍頭數據價值尤甚 1、零售行業具備數據資產價值基礎 零售行業零售行業與居民日常消費關聯度高，與居民日常消費關聯度高，是是 GDP 最重要的組成部分之一，龐大收入規模最重要的組成部分之一，龐大收入規模蘊含蘊含海量潛在數據海量潛在數據。批發與零售行業占 GDP 的比重僅次于工業，是國民經濟最重要的組成部分之一。批發與零售行業與居民日常高頻消費高度相關，

38、鏈接眾多群體和上下游企業，因此蘊含著海量數據。圖圖 13:各行業各行業 GDP 占總占總 GDP 比重（不變價）比重（不變價）數據來源：Wind，中信建投證券 0%5%10%15%20%25%30%35%201920202021 10 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 零售公司數據零售公司數據量龐大，數字化運營程度較高量龐大，數字化運營程度較高。零售行業的數據產業處于數據要素產業鏈的上游，即數據供應環節。根據 IDC 測算，在 2018 年各行業的數據量分布中，制造業、零售業、金融業分別以 3584EB、2212EB、2074EB 的數據量位居前三位。根據神策研究院發布

39、的2022 中國企業數字化運營成熟度報告，泛零售行業在“中國企業數字化運營成熟度模型”中綜合指數排名第一，在包含數據采集這一考察指標的“數字洞察能力指數”也超越金融和互聯網行業排名第一，永輝超市、永和大王、屈臣氏等零售企業綜合指數均處于領軍地位。零售行業數據價值較高，發展空間廣闊。圖圖 14:零售行業數據量居于各行業前列零售行業數據量居于各行業前列（EB）圖圖 15:泛零售行業數字洞察能力指數較高泛零售行業數字洞察能力指數較高 數據來源：IDC，中信建投證券 數據來源：神策研究院，2022中國企業數字化運營成熟度報告，中信建投證券 表表 4:SDAF 指數指數 60 分以上的企業分以上的企業

40、行業行業 代表企業代表企業 泛零售 小米、RELX、驢媽媽、雅士利、中國南方航空、李寧永輝超市、永和大王、御泥坊、天虹、極米、海底撈、麥當勞等 互聯網 百度、墨跡天氣、環球網校、SHEIN、得物、好未來等 金融 富途證券、招商銀行、中國銀聯、北京銀行、匯添富基金等 資料來源：神策研究院，2022中國企業數字化運營成熟度報告，中信建投證券 圖圖 16:不同行業不同行業 SDAF 指數對比指數對比 數據來源：神策研究院，2022中國企業數字化運營成熟度報告，中信建投證券 35842212207415551296121871705001000150020002500300035004000制造業零售

41、批發金融服務基礎設施媒體與娛樂醫療保健交通運輸43.815.18.51010.305101520253035404550泛零售金融互聯網企業服務其他行業01020304050綜合指數數字洞察能力數據決策能力數字運營能力提升優化能力泛零售金融互聯網企業服務其他行業 11 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 中信證券行業分類中的零售業涵蓋范圍較小，包括超市百貨業態、貿易業態、專業市場經營、專業連鎖、電商服務和運營。拆分限額以上批發和零售業零售額中不同行業，我們發現與中信證券行業分類中的零售業態相關度高的商品銷售額仍占有重要比例，2022 年占比達到 39%。結合數據分析框架結

42、合數據分析框架，我們認為我們認為零售行業數據價值相對較高。零售行業數據價值相對較高。渠道是商貿零售行業重要組成部分，零售行業是鏈接廠商、經銷商、零售商和消費者的重要樞紐，因此，零售行業覆蓋消費者數量眾多，并且消費頻次較高，覆蓋產品種類多樣，消費數據量龐大。根據我們的數據資產價值評估框架，我們認為零售行業數據資產居于消費行業前列。圖圖 17:限額以上限額以上批發和零售業零售額批發和零售業零售額中不同行業占比中不同行業占比 數據來源：Wind，中信建投證券 表表 5:ToC 行業數據描述行業數據描述 行業行業 可獲得數據可獲得數據 用戶群體用戶群體 數據頻率數據頻率 數據規模數據規模 數字化建設數

43、字化建設 CS 銀行 個人/企業身份數據，個人/企業財產數據，個人/企業信用，個人/企業交易數據 幾乎所有個人/企業 月度，甚至日度 龐大 程度高 CS 非銀行金融 個人/企業身份數據，個人/企業交易數據 使用產品服務的個體，消費頻率較高 年度，甚至月度 龐大 程度高 CS 交通運輸 個體出行軌跡，交通工具信息 涉及乘坐交通工具的出行群體 月度，甚至日度 龐大 程度較高 CS 商貿零售 客流數據，不同品類產品銷售數據，消費者購物偏好，企業貿易數據 使用產品服務的個體，消費高頻，群體廣泛 月度，甚至周度 龐大 程度較高 CS 家電 家電產品銷售數據，消費者購物偏好，產品生產數據 使用產品服務的個

44、體 年度 一般 程度較高 12 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 CS 食品飲料 食品飲料產品銷售數據，消費者購物偏好，產品生產數據 使用產品服務的個體，消費高頻 月度 較大 一般 CS 消費電子 消費電子產品銷售數據，消費者購物偏好，產品生產數據 使用產品服務的個體 年度 一般 一般 CS 輕工制造 特定品類產品銷售數據，消費者購物偏好，產品生產數據 使用產品服務的個體 年度 一般 一般 CS 紡織服裝 特定品類產品銷售數據，消費者購物偏好，產品生產數據 使用產品服務的個體 年度 一般 一般 CS 消費者服務 文旅產品銷售數據，消費者購物偏好 使用產品服務的個體 年度

45、 一般 一般 資料來源：Wind，中信建投證券 圖圖 18:考慮數據質量和應用維度，商貿零售數據資產價值較大考慮數據質量和應用維度，商貿零售數據資產價值較大（ToC 行業行業對比）對比）數據來源：Wind，中信建投證券，注：根據上表ToC行業數據描述，對不同行業數據性質打分，分數越高表明數據在該維度上表現越優。2、零售行業數據資產價值具備變現動力，乘數效應帶來商業發展新紅利期 零售行業數據資產存在價值基礎，零售行業數據資產存在價值基礎，數據資產挖掘動力數據資產挖掘動力充分充分：1、線上流量成本增加以及流量邊際收益遞減，無論是綜合電商還是直播電商，行業增速均已放緩。2、線上流量紅利接近飽和并且流

46、量成本走高推動經營者需要再次考慮挖掘線下商業價值并重視對傳統商業的數字化改造。3、電子商務已經將 2C 端的數據分析和商業化做得比較成熟，但是商業中 2B 端的價值挖掘仍舊處于初級階段。我們認為，數據要素并不是簡單將數據線上化來提升線上滲透率或者給予線上提供流量支持，而是助力于實體商業運營的。歷史來看，線下租金較高為線上業務快速發展帶來機遇，2019 年以來線下租金呈現下降趨勢，但是商業交易簡單回歸線下并不會創造增量價值，商業交易簡單回歸線下并不會創造增量價值，數據要素具備乘數數據要素具備乘數倍增倍增效應，效應，數據資產價值挖掘能夠提升線數據資產價值挖掘能夠提升線下商業生態效率，甚至創新商業模

47、式，從而能夠下商業生態效率，甚至創新商業模式，從而能夠創造新的發展機遇，帶來新的紅利期。創造新的發展機遇，帶來新的紅利期。13 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖圖 19:雙雙 11 阿里巴巴阿里巴巴 GMV 增速放緩增速放緩 圖圖 20:快手直播電商快手直播電商 GMV 增速放緩增速放緩 數據來源：阿里巴巴官網，千龍網，中信建投證券，注：2022年阿里巴巴未公布雙11GMV，2020年起雙11的GMV由單日變為多日。數據來源：公司公告，中信建投證券 圖圖 21:部分一二線城市部分一二線城市商鋪平均租金商鋪平均租金（元元/日日.平米平米）數據來源：Wind，中信建投證

48、券 3、零售行業數據資產價值挖掘進度有望進一步加快 零售企業仍然處于數據資產化的初步階段。零售企業仍然處于數據資產化的初步階段。無序、混亂的原始數據需要被收集管理成為有序和具備使用價值的數據，原始數據才可以成為數據資源。數據資源是數據資產化的起點，需要針對特定應用場景或商業目的進行加工、開發，從而形成可供企業業務部門應用或者交易的數據資產。大部分零售企業生產經營中產生的數據仍處于混亂的原始狀態，尚未開始數據資源化。部分企業積極推進數字化，數據化系統等工具已經上線，邁向數據資產階段。0%100%200%300%400%500%0100020003000400050006000雙11GMV（億元）

49、YOY（右軸）61640%539%78%34%0%10000%20000%30000%40000%50000%60000%70000%01000200030004000500060007000800020182019202020213Q22快手（億元）快手YOY（右軸）0246810122010年1月2010年5月2010年9月2011年1月2011年5月2011年9月2012年1月2012年5月2012年9月2013年1月2013年5月2013年9月2014年1月2014年5月2014年9月2015年1月2015年5月2015年9月2016年1月2016年5月2016年9月2017年1月20

50、17年5月2017年9月2018年1月2018年5月2018年9月2019年1月2019年5月2019年9月2020年1月2020年5月2020年9月2021年1月2021年5月2021年9月2022年1月2022年5月2022年9月2023年1月北京上海深圳成都長春鄭州武漢太原西安 14 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖圖 22:數據數據資源化與資產化資源化與資產化過程過程 數據來源：普華永道，中信建投證券 我們認為零售行業數據資產價值將逐步釋放我們認為零售行業數據資產價值將逐步釋放，數據資產建設加快，數據資產建設加快：1、零售行業數據量龐大，一般滿足法律合規要求

51、，同時由于鏈接眾多消費者和企業，數據潛在價值較大。2、零售行業數據資產變現動力較大?；ヂ摼W電商平臺企業數據量龐大，但是由于互聯網企業本身已經形成生態圈，自身數據在內部循環產生的收益大于向外部變現收益，出售數據反而會削弱自身核心競爭力，因此其變現動力較弱。零售企業數據尚未形成或難以完整閉環生態圈，因此數據變現動力更大。3、零售企業數字化投入仍然不足，數據價值尚未發揮。數據服務商生態已經得到發展培育，零售企業有望以較低成本獲得數據服務商服務開發數據。隨著企業數字化意識增強和數字化投入增加，數據資產有望對企業帶來正向收益。根據數據資產價值評估框架，我們認為零售行業中的專營根據數據資產價值評估框架，我

52、們認為零售行業中的專營/專業連鎖業態的數據資產價值較大。專業連鎖業態的數據資產價值較大。零售企業數據基本滿足法律合規要求，較少涉及國家公共安全領域，具備數據挖掘變現基礎。相較于一般零售企業而言，聚焦細分市場的零售企業的數據具備更為明顯的稀缺性和多維性，同時已經積極布局線上數字化平臺向數據資源化階段過渡。15 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 表表 6:零售細分板塊代表性企業數據情況零售細分板塊代表性企業數據情況 數據類型數據類型 數據資產潛在使用場景數據資產潛在使用場景 數據資產階段數據資產階段 數據特點數據特點 百貨/購物中心 重慶百貨 客流信息、消費者購物信息 商場

53、動線設置、消費者偏好分析、選址 原始數據階段 地域龍頭為主，數據同質化程度較高，面臨支付數據競爭 武商集團 原始數據階段 超市便利店 永輝超市 客流信息、消費者購物信息 消費者偏好分析、品牌銷售信息、選址 原始數據階段 超市數量眾多，數據同質化程度較高 家家悅 原始數據階段 貿易 蘇美達 大宗商品信息、貿易商信息 貿易商偏好 原始數據階段 合作客戶有限，面臨大宗商品專門數據庫競爭 廈門國貿 原始數據階段 專營連鎖 老鳳祥 珠寶加盟商銷售信息、購買者購物信息、產品銷售信息 消費者偏好、產品開發、精準營銷、引流 原始數據階段 數據以內部使用為主，線上銷售數據與綜合電商平臺數據競爭不占優 中國黃金

54、原始數據階段 數據以內部使用為主，線上銷售數據與綜合電商平臺數據競爭不占優 迪阿股份 初步數字化 擁有消費者年齡、身份信息 潮宏基 原始數據階段 數據以內部使用為主，線上銷售數據與綜合電商平臺數據競爭不占優 孩子王 母嬰消費偏好 消費者偏好、產品開發、精準營銷、引流 初步數字化 電商服務 壹網壹創 品牌商信息 合作客戶有限，數據被所在電商平臺掌握 值得買 消費者購買意愿信息 初步數據資源化 自建社區留存數據，但是面臨電商平臺數據競爭 電商 匯通達 夫妻老婆店銷售信息 產品開發、精準營銷 初步數據資源化 切入細分市場，數據具有稀缺性 華凱易佰 跨境貿易商信息 引流、營銷 初步數據資源化，建立“億

55、邁”線上平臺 客戶數量有限，與亞馬遜等平臺的數據相比不具有競爭優勢 專業市場經營 居然之家 家裝品牌和經銷商銷售信息、家裝購物者信息 家裝消費者偏好、引流、產品開發、營銷 初步數據資源化，建立“洞窩”線上平臺收集、應用數據 家裝專業細分市場 16 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 美凱龍 家裝品牌和經銷商銷售信息、家裝購物者信息 家裝消費者偏好、引流、產品開發、營銷 初步數據資源化，與阿里巴巴合作建立同城站 家裝專業細分市場 資料來源：公司公告，中信建投證券 圖圖 23:零售細分板塊代表性企業零售細分板塊代表性企業數據資產價值數據資產價值 數據來源：Wind，中信建投證

56、券，注：根據上表零售細分板塊代表性企業數據情況，對不同細分板塊數據性質打分，分數越高表明數據在該維度上表現越優。17 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 四四、數據產品應用場景豐富，關注零售細分市場龍頭企業數據產品應用場景豐富，關注零售細分市場龍頭企業（一）（一）窺見窺見數據產品數據產品應用應用，場景豐富多樣場景豐富多樣 1、公共領域：數據產品深度融合，推進城市規劃建設 至少十余種公共服務應用場景，激發數據產品需求。至少十余種公共服務應用場景，激發數據產品需求。各地區依托政務大數據平臺建立政務數據倉庫，根據中國數據要素市場發展報告（2021-2022）統計顯示，國內 31

57、 個?。ㄖ陛犑?、自治區）政務云基礎設施建設基本完成，超過 70%的地級市已經建成或正在建設政務云，北京、山東、重慶等多省市政務系統上云率超過 90%。依托政務數據倉庫，城市規劃、環境保護、生態建設、交通運輸、城市規劃、食品安全、金融服務、市場監督、社會救助、公共衛生、應急處理等領域都可以通過對數據進行分析處理，有助于政府精準施策，保障民生。以城市規劃為例，以城市規劃為例，城市規劃與數據產品融合，優化規劃方案，推進城市建設。城市規劃與數據產品融合，優化規劃方案，推進城市建設。傳統城市規劃中存在數據缺乏、數據重復、規劃分析主觀性強、不同尺度空間規劃難以匹配、規劃效果缺乏藍圖等問題，而將數據進行可視

58、化處理，可將大量原始數據轉化為可以直接顯示計算結果的、可以直觀的顯示在屏幕上的結果，從而更加直觀、清晰的讀取數據特征，優化設計方案，合理配置資源，提高資源利用率，有利于城市的建設與發展。圖圖 24:城市建設城市建設可視化數據產品計算結果示意圖可視化數據產品計算結果示意圖 數據來源：周旻基于GIS的噪聲地圖研究，中信建投證券 2、商業領域：優化管理決策，助力降本增效，發現全新市場機遇 優化管理決策，提升效率，幫助企業增收降本。優化管理決策，提升效率，幫助企業增收降本。零售企業日常經營或者采集的數據已有應用場景包括：個性化營銷、價格優化、庫存管理、門店選址等。企業對于消費者畫像、購物行為、客流情況

59、等數據的了解增進，因此可以提升消費者留存，更好滿足消費者偏好，高效管理庫存，從而實現增收降本。以沃爾瑪為例，公司注重零售數據應用以改善購物體驗、以沃爾瑪為例，公司注重零售數據應用以改善購物體驗、優化優化決策和提升效率決策和提升效率。2017 年沃爾瑪建立了數據分析中心 Data Caf，數據來源超過 200 個，包括門店產生的內部經營業務數據，外部的通訊數據、社交媒體數據、汽油數據等等。依靠 Data Caf，沃爾瑪可以更加高效做出管理決策，比如及時調整價格、高效管理庫存。2019 年沃爾瑪又發布了 Intelligent Retail Lab，借助物聯網和 AI 來改善運營，比如公司可以通過

60、貨架的傳感器來監控產品的庫存和新鮮程度，以此改善消費者的購物體驗和管理庫存減少損耗。18 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖圖 25:沃爾瑪對于數據的應用沃爾瑪對于數據的應用 數據來源：哈佛商學院，中信建投證券 匯納科技基于百億客流提供零售選址、營銷效果分析等服務匯納科技基于百億客流提供零售選址、營銷效果分析等服務。匯納科技覆蓋超過 1800 個購物中心，5 萬家品牌零售店，每年統計超過 150 億客流?；谡莆盏凝嫶髷祿?，匯納科技向百貨、購物中心和品牌連鎖店提供選址、營銷分析、客流預測等服務。圖圖 26:匯納科技基于客流等數據為商業綜合體和品牌連鎖店提供服務匯納科技

61、基于客流等數據為商業綜合體和品牌連鎖店提供服務 數據來源：匯納科技官網，中信建投證券 19 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 3、金融領域：洞悉真實交易，助力風控防詐 數據產品助力銀行定位用戶需求、風險評估，促進信貸業務的發展。數據產品助力銀行定位用戶需求、風險評估，促進信貸業務的發展。以銀行為例，銀行以數據產品為基礎，整合客戶信息，如所在地、工作情況、婚姻狀況、在電商網站上的交易數據、客戶近期消費等，進而分析客戶潛在的金融服務需求，進行精準推廣。對于中小企業貸款風險評估，可以通過企業的生產、流通、銷售、財務等相關信息，進行數據挖掘與貸款風險分析，量化企業信用額度，進而

62、有效開展中小企業貸款等。精準營銷精準營銷+防詐防詐+精細運營三管齊下，有助于保險領域健康、穩定運行。精細運營三管齊下，有助于保險領域健康、穩定運行。數據產品可以從精準營銷、欺詐行為分析和精細化運營三個方面廣泛應用于保險領域。在營銷方面，實時采集用戶的職業、愛好、家庭結構、習慣、瀏覽行為、人脈關系等，進行實時精準營銷，同時運用數據挖掘潛客、計算客戶的退保概率和續期概率，及時發現高風險流失客戶以實施干預，提高保單續保率。在欺詐行為分析方面，通過數據追溯，找出影響保險欺詐最顯著因素以及因素的取值區間，建立預測模型，通過自動化分析，將理賠案件依照濫用欺詐可能性進行分類處理，高效解決保險欺詐的問題。在精

63、細化運營方面，通過數據產品獲得更準確和更高利潤率的保單模型，為客戶定制個性化保單。表表 7:數據產品在金融領域的應用數據產品在金融領域的應用 領域領域 方式方式 證券 CRM、投資分析、股價預測 保險 細分客戶、精細營銷、欺詐分析 銀行 精準營銷、風險管控、客戶畫像、運營優化 資料來源：中國支付清算協會，中信建投證券 20 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 （二二）關注零售細分市場龍頭）關注零售細分市場龍頭 1、居然之家：家居全產業鏈布局，多維賦能家居經營 居然之家是中國泛家居行業龍頭企業居然之家是中國泛家居行業龍頭企業，門店網絡遍布全國，門店網絡遍布全國。居然主營家居

64、賣場，同時涵蓋室內設計、裝修、智能家居、智慧物流等。截至 2022 年 6 月 30 日，公司在國內 29 個省區市經營了 427 個家居賣場，包含 97 個直營賣場及 330 個加盟賣場。圖圖 27:2017-2021 年年居然之家居然之家經營門店數量經營門店數量 圖圖 28:2021 年年居然之家居然之家門店地區分布情況門店地區分布情況 數據來源：公司公告，中信建投證券 數據來源：公司公告，中信建投證券 數字化數字化產業服務產業服務平臺“洞窩”上線，平臺“洞窩”上線，數字化布局基本完成數字化布局基本完成。公司的家居零售產業服務平臺“洞窩”于 2021年正式上線。截至 2022 年末，平臺覆

65、蓋線下賣場達到了 341 家；GMV 從 2021 年的超過 1 億元增長至 2022 年末的超過 350 億元?！岸锤C”通過搭建中端零售管理、品牌數據決策、賣場經營管理三大系統賦能商戶，服務消費者，連接工廠和賣場。由于公司旗下直營店的交易結算全部都統一收銀，加盟、委管和非居然之家賣場逐步推進中，公司有望掌握千億級的交易數據以及衍生的用戶信息。圖圖 29:洞窩平臺注冊用戶及覆蓋賣場洞窩平臺注冊用戶及覆蓋賣場 圖圖 30:洞窩平臺洞窩平臺 GMV（億元）（億元）數據來源：公司公告，新華網，中信建投證券 數據來源：公司公告，新華網，中信建投證券 01002003004005002017201820

66、1920202021直營門店數量加盟門店數量010203040東北華北華東華南華中西北西南自有租賃委管特許21749060174341010020030040050060020212022H12022累計注冊用戶（萬）覆蓋賣場（家）74超35005010015020025030035040020212022H12022 21 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 數據資產有望對于消費者、商戶、品牌方多維賦能數據資產有望對于消費者、商戶、品牌方多維賦能。統一收銀為居然之家沉淀數據資產的基礎，洞窩的快速推進是數據資產積累的重要來源。公司于核心區域布局倉儲物流，并且上線了設計、裝

67、修、家政等服務，有望形成家居家裝全產業鏈數據閉環。由于家居賣場數字化程度較低并且專業化程度較高，因此以洞窩為核心形成的家居家裝全產業鏈數據資產應用前景較大。1、對于消費者而言，購物數字化可以提升消費者購物體驗，提升成交意愿；2、對于商戶而言，數據資產可以幫助商戶更加精準了解自身經營狀況，同時由于家居賣場消費具備強關聯性，因此數據資產有望實現高效引流；3、對于品牌商而言，豐富的零售終端數據可以幫助品牌開發新品、高效管理庫存等。圖圖 31:居然之家數據資產居然之家數據資產應用場景應用場景舉例舉例 數據來源：中信建投證券 2、匯通達：分銷供貨為基礎，數字化變現加速 公司錯位競爭，聚焦下沉市場公司錯位

68、競爭，聚焦下沉市場發展發展 B2B 電商。電商。公司主要業務為交易業務和服務業務。1、交易業務交易業務：通過公司自營的匯通達商城網站向鄉鎮農村商戶分銷家用電器、消費電子產品、農業生產資料、交通出行、家居建材及酒水飲料等品類。截至 2022H1，公司累計注冊會員零售門店總數達到 191,750 家，同比增長 21.7%；實現活躍會員零售門店 65,264 家，同比增長 62.6%。截至 2021 年 9 月末，公司已經覆蓋中國 21 省份，超 2 萬個鄉鎮。2、服務業務：、服務業務：以數字化能力為基礎，向商家提供免費 SaaS、SaaS 訂閱+、商家解決方案等項目，截至 2022H1，SaaS+

69、訂閱用戶總數達 110781 人，同比增長 55.1%，其中付費 SaaS 用戶達 27065 家，同比增長 179.71%；22H1服務業務板塊收入 36.44 億元，同比增長 117%。22 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖圖 32:匯通達匯通達活躍會員零售門店數量活躍會員零售門店數量 圖圖 33:匯通達匯通達 SaaS+付費用戶付費用戶數量數量 數據來源：公司公告，中信建投證券 數據來源：公司公告，中信建投證券 匯通達基于匯通達基于 SaaS 服務，將數據資產運用到幫買、幫賣、幫管理等場景服務，將數據資產運用到幫買、幫賣、幫管理等場景。其中幫買主要包括商品的經

70、營，幫助用戶進行爆款采購、數據分析以及反向定價；幫賣主要指經營顧客，包括開網店、精準營銷以及流量管理；幫管理主要指店鋪經營，包括支付結算、貨物管理、履約管理、員工管理。圖圖 34:匯通達數據資產價值舉例匯通達數據資產價值舉例 數據來源：中信建投證券 3、孩子王：數字資產助力內部效率提升 孩子王孩子王為母嬰行業龍頭企業，為母嬰行業龍頭企業，注重私域會員運營注重私域會員運營。孩子王為母嬰產品零售龍頭企業，自營門店位居行業前列，截至 2022H1，孩子王于華東、西南、華中等地區擁有 500 家門店。孩子王注重會員運營，公司會員人數超過 5,000 萬人，其中最近一年的活躍用戶超過 1,100 萬人，

71、企業微信私域運營用戶近 1000 萬，截至 2022H1 公司付費黑金會員規模超過 82 萬人。-20%0%20%40%60%80%100%01000020000300004000050000600007000020182019202020212022H1活躍會員零售門店數目（家）同比增長（右軸）-100%0%100%200%300%400%500%600%700%05000100001500020000250003000020182019202020212022H1SaaS+付費用戶（家）同比增長（右軸）23 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 圖圖 35:孩子王門店數

72、量（家）孩子王門店數量（家）圖圖 36:孩子王會員數量孩子王會員數量 數據來源：公司公告，中信建投證券 數據來源：公司公告，中信建投證券 孩子王不斷加大研發投入，進行全渠道數字化升級開發孩子王不斷加大研發投入，進行全渠道數字化升級開發。孩子王研發投入行業領先，同業愛嬰室無研發支出。公司主要從 3 方面進行了數字化：1、用戶數字化：搭建了 APP、小程序、云 POS 等用戶前端系統，實現了從線下數字化門店到手機 APP、微信小程序等全渠道互通。2、員工數字化：發了育兒顧問客戶管理工具“人客合一”、“云客合一”、“阿基米德”店總經營管理工具等，賦能基層員工進行高效而精準的客戶服務和管理。3、管理數

73、字化：公司搭建了以業務和數據雙中臺系統為主，以 AI 中臺為輔的技術架構，提升了整體業務運轉效率。圖圖 37:孩子王研發投入（萬元，孩子王研發投入（萬元，%）圖圖 38:孩子王孩子王數字化門店數字化門店 數據來源：公司公告，中信建投證券 數據來源：公司公告，中信建投證券 公司沿著“信息化公司沿著“信息化-在線化在線化-智能化”的發展路徑智能化”的發展路徑，實現了“用戶、員工、商品、服務、管理”等生產要素，實現了“用戶、員工、商品、服務、管理”等生產要素的數字化在線。的數字化在線。截至 2021 年，孩子王億搭建 5 大前臺系統、3 大中臺系統、7 大后臺系統，涵蓋 7000+個系統模塊，130

74、0+個數字化生產工具，豐富的數據資產為公司發展賦能。公司數據資產可以用于精準營銷和服務、精準管理、智能物流等。258352434495500010020030040050060020182019202020212022H14,2005,0005,3001,0001,1001,00070768201,0002,0003,0004,0005,0006,000202020212022H1會員數/萬活躍會員數/萬黑金會員數/萬0.0%0.5%1.0%1.5%2.0%0200040006000800010000120002018201920202021研發費用研發費率（右軸）24 行業深度報告 商貿零售

75、商貿零售 請參閱最后一頁的重要聲明 圖圖 39:孩子王數據資產價值舉例孩子王數據資產價值舉例 數據來源：中信建投證券 4、借鑒成熟 SaaS 企業估值模式，初步估算數據資產價值 數據要素在零售端的應用仍處于初級階段，數據產品定價規則仍不明晰。對于零售企業，數據正處于由原始階段向數據資產階段行進中，首先是內部提效，其次外部賦能。我們認為，未來零售企業數據資產有望通過訂閱+服務的類 SaaS 模式向上下游 B 端獲取增值收入空間。因此，參考主要 SaaS 企業估值模式，我們對于我們對于零零售細分市場龍頭潛在售細分市場龍頭潛在線上業務估值采取三階段的方式線上業務估值采取三階段的方式?！?】初級階段是

76、構建基礎框架和數據積累，此時變現模式還不成熟，貨幣化率（即 GMV 變現為收入的比例）仍然在快速增長且尚未達到穩定，因此可以采取 P/GMV 估值方法，即市場對于單位 GMV 愿意付出的價格，表明投資者對于 GMV 變現為收入的預期。我們認為，我們認為，產業鏈延伸范圍的廣度和服務的深度決定變現率的高度，產業鏈延伸范圍的廣度和服務的深度決定變現率的高度，如果如果平臺能夠鏈接更多主體，與主體深度綁定平臺能夠鏈接更多主體，與主體深度綁定提供深度服務提供深度服務，那么，那么 GMV 更具有價值，變現潛力更高。更具有價值，變現潛力更高。根據國內外 SaaS 企業有贊和 Shopify 歷史估值，我們認為

77、對于 GMV 高速增長的企業，根據服務鏈路的完整性、增值方式的差異、變現潛力的大小，終局差異極大，因而 0.1-0.9 倍 P/GMV 都是可能存在的?！?】次級階段是數據應用場景的搭建、綜合解決方案的成型和用戶粘性的積累，此時變現率進入穩步提升階段，收入規模開始顯現，并且投資者對于收入有所期待，可以采取 P/S 估值的方式。目前多數 SaaS 企業已經處于此階段，GMV 增速放緩，變現比例逐漸進入穩定階段，結合服務粘性的強弱、收入和成本曲線（規模效應）的趨勢、我們認為其可預期的終局價值依舊差異很大，合理估值區間為 2-10 倍 P/S?！?】成熟階段是可持續性的數據要素生產加工變現，對應穩定

78、的訂閱+增值服務創收，此時可以采取 P/E估值的方式，預計部分 SaaS 企業于未來幾年進入成熟階段，盈利有望浮出水面并且步入高速增長階段，參考盈利模式成熟企業，可以給予其 30-50 倍 P/E 估值。居然之家：居然之家：預計 22 年/23 年洞窩平臺 GMV 分別為 350 億元、1000 億元，預計 22 年/23 年洞窩平臺產生的收入分別為 0.4 億元、2.5 億元，初級階段如果按照 P/GMV 估值，可以給予 22 年 0.5-0.8 倍 P/GMV，給予 23年 0.2-0.4 倍 GMV，對于 22 年、23 年估值分別為 175-280 億元、200-400 億元。25 行

79、業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 表表 8:部分部分 SaaS 企業估值（企業估值（2023 年年 3 月月 6 日）日）代碼代碼 公司公司 市值市值（百萬元百萬元）收入預測（百萬元）收入預測（百萬元）PS PE 2022A/E 2023E 2024E 2022A/E 2023E 2024E 2022A/E 2023E 2024E 8083 HK Equity 有贊 3,641 1,502 1,742 2 2-2013 HK Equity 微盟 12,700 1,901 2,367 2,948 7 5 4-181 SHOP US Equity Shopify 61,465

80、 5,511 6,651 8,056 11 9 8-2553 207 SQ US Equity Square 48,692 17,479 20,033 22,830 3 2 2 74 48 34 CRM US Equity Salesforce 186,430 26,406 30,986 34,574 7 6 5 40 38 27 SNOW US Equity Snowflake 45,703 1,209 2,052 2,902 38 22 16-615 238 CRWD US Equity CrowdStrike 29,850 1,432 2,229 2,955 21 13 10 215 8

81、4 63 VEEV US Equity Veeva Systems 28,032 1,845 2,144 2,356 15 13 12 49 43 42 DDOG US Equity Datadog 24,625 1,655 2,085 2,675 15 12 9 85 73 55 BIGC US Equity BigCommerce 772 280 307 352 3 3 2-267 平均 12 9 8 92 493 124 資料來源：Bloomberg，Wind，中信建投證券，注：有贊與微盟單位為人民幣元，采用中信建投盈利預測。其余公司為美元，采用彭博一致盈利預期。表表 9:有贊與有贊與

82、Shopify 估值估值 有贊有贊 2019 2020 2021 2022H1 GMV（億元）645.00 1037.00 983.00 479.00 日均市值（億元）69.61 180.39 248.46 34.76 P/GMV 0.11 0.17 0.25 0.07 Shopify 2019 2020 2021 2022 GMV（億美元）611.4 1195.8 1753.6 1971.7 日均市值（億美元）308.00 928.78 1,647.88 602.34 P/GMV 0.50 0.78 0.94 0.31 資料來源：公司公告，Wind，中信建投證券，注：市值采用當年度的日均總市

83、值。26 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 投資評價和建議投資評價和建議 零售行業數據價值量巨大，隨著數據要素市場基礎制度建設和數商生態逐漸繁榮，數據要素市場由有偏走向無偏，產業鏈各環節專業程度提高、交易成本降低，數據資產價值將逐步釋放。零售行業渠道價值得以重構。我們推薦關注零售細分領域龍頭企業，其數據資產具備獨特性，數據資產價值潛力較大，同時數字化進程加速。推薦關注：居然之家、匯通達、孩子王居然之家、匯通達、孩子王。表表 10:重點公司盈利預測重點公司盈利預測（人民幣（人民幣元元）代碼代碼 公司公司 股價股價 EPS PE 2023/3/6 2021 年年 2022E

84、 2023E 2024E 2022E 2023E 2024E 000785.SZ 居然之家 4.49 0.36 0.28 0.37 0.43 16 12 10 301078.SZ 孩子王 13.53 0.20 0.16 0.27 0.37 85 50 37 9878.HK 匯通達網絡 28.11-0.62 0.77 1.46 36 19 資料來源：Wind，中信建投證券 27 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 風險分析風險分析 1、數據確權、數據隱私問題使得數據要素市場建設進展低于預期。由于數據本身具有虛擬性、非競爭性等特點，因此面臨數據安全和數據確權問題。如果基礎制度

85、建設進度慢于預期，數據資產開發和數據產品交易可能受阻。2、公司數字化投入開發數據資產會增加成本，短期內拖累收入和利潤。目前數據資產價值釋放場景仍不完全明晰，即便加大投入數字化投入，數據資產變現進程可能仍然較慢，短期內公司收入和利潤承壓。3、不同主體提供類似數據產品，使得數據要素市場競爭加劇，影響盈利水平。不同數據供應主體可能具有同質化程度較高的數據資產，隨著數字化建設和市場機制建設加快，數據資產競爭可能加劇。28 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 分析師介紹分析師介紹 劉樂文劉樂文 美國約翰霍普金斯大學金融碩士學位，現任中信建投商貿社服行業首席分析師。擁有六年證券研究從

86、業經驗，主要研究領域社會服務、商貿零售、醫美化妝品等多個服務類板塊。研究助理研究助理 孫英杰孫英杰 29 行業深度報告 商貿零售商貿零售 請參閱最后一頁的重要聲明 評級說明評級說明 投資評級標準 評級 說明 報告中投資建議涉及的評級標準為報告發布日后 6個月內的相對市場表現，也即報告發布日后的 6 個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A 股市場以滬深300 指數作為基準；新三板市場以三板成指為基準；香港市場以恒生指數作為基準；美國市場以標普 500 指數為基準。股票評級 買入 相對漲幅 15以上 增持 相對漲幅 5%15 中性 相對漲幅-5%5之間 減持

87、 相對跌幅 5%15 賣出 相對跌幅 15以上 行業評級 強于大市 相對漲幅 10%以上 中性 相對漲幅-10-10%之間 弱于大市 相對跌幅 10%以上 分析師聲明分析師聲明 本報告署名分析師在此聲明：（i）以勤勉的職業態度、專業審慎的研究方法，使用合法合規的信息，獨立、客觀地出具本報告,結論不受任何第三方的授意或影響。（ii）本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。法律主體說明法律主體說明 本報告由中信建投證券股份有限公司及/或其附屬機構（以下合稱“中信建投”）制作，由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門

88、、臺灣）提供。中信建投證券股份有限公司具有中國證監會許可的投資咨詢業務資格，本報告署名分析師所持中國證券業協會授予的證券投資咨詢執業資格證書編號已披露在報告首頁。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。本報告作者所持香港證監會牌照的中央編號已披露在報告首頁。一般性聲明一般性聲明 本報告由中信建投制作。發送本報告不構成任何合同或承諾的基礎，不因接收者收到本報告而視其為中信建投客戶。本報告的信息均來源于中信建投認為可靠的公開資料，但中信建投對這些信息的準確性及完整性不作任何保證。本報告所載觀點、評估和預測僅反映本報告出具日該分析師的判斷，該等觀點、評估和預

89、測可能在不發出通知的情況下有所變更，亦有可能因使用不同假設和標準或者采用不同分析方法而與中信建投其他部門、人員口頭或書面表達的意見不同或相反。本報告所引證券或其他金融工具的過往業績不代表其未來表現。報告中所含任何具有預測性質的內容皆基于相應的假設條件，而任何假設條件都可能隨時發生變化并影響實際投資收益。中信建投不承諾、不保證本報告所含具有預測性質的內容必然得以實現。本報告內容的全部或部分均不構成投資建議。本報告所包含的觀點、建議并未考慮報告接收人在財務狀況、投資目的、風險偏好等方面的具體情況，報告接收者應當獨立評估本報告所含信息，基于自身投資目標、需求、市場機會、風險及其他因素自主做出決策并自

90、行承擔投資風險。中信建投建議所有投資者應就任何潛在投資向其稅務、會計或法律顧問咨詢。不論報告接收者是否根據本報告做出投資決策，中信建投都不對該等投資決策提供任何形式的擔保，亦不以任何形式分享投資收益或者分擔投資損失。中信建投不對使用本報告所產生的任何直接或間接損失承擔責任。在法律法規及監管規定允許的范圍內，中信建投可能持有并交易本報告中所提公司的股份或其他財產權益，也可能在過去 12 個月、目前或者將來為本報告中所提公司提供或者爭取為其提供投資銀行、做市交易、財務顧問或其他金融服務。本報告內容真實、準確、完整地反映了署名分析師的觀點，分析師的薪酬無論過去、現在或未來都不會直接或間接與其所撰寫報

91、告中的具體觀點相聯系，分析師亦不會因撰寫本報告而獲取不當利益。本報告為中信建投所有。未經中信建投事先書面許可，任何機構和/或個人不得以任何形式轉發、翻版、復制、發布或引用本報告全部或部分內容，亦不得從未經中信建投書面授權的任何機構、個人或其運營的媒體平臺接收、翻版、復制或引用本報告全部或部分內容。版權所有，違者必究。中信建投證券研究發展部中信建投證券研究發展部 中信建投（國際）中信建投（國際）北京 上海 深圳 香港 東城區朝內大街2 號凱恒中心B座 12 層 上海浦東新區浦東南路528號南塔 2106 室 福田區福中三路與鵬程一路交匯處廣電金融中心 35 樓 中環交易廣場 2 期 18 樓 電話：（8610）8513-0588 電話：（8621）6882-1600 電話：（86755）8252-1369 電話：（852）3465-5600 聯系人：李祉瑤 聯系人：翁起帆 聯系人：曹瑩 聯系人：劉泓麟 郵箱： 郵箱： 郵箱： 郵箱：charleneliucsci.hk