1、 本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时请参阅最后一页的重要声明。证券研究报告证券研究报告行业深度行业深度 数据资产数据资产重构零售行业价值，重重构零售行业价值，重视专业零售市场视专业零售市场商机商机 核心观点核心观点 零售行业数据价值量巨大，随着基础制度建设和数商生态逐渐繁荣，数据要素市场逐渐由有偏走向无偏、产业链各环节专业程度提高、交易成本降低，数据资产价值将逐步显现、渠道价值得以重构。我们推荐关注零售细分领域龙头企业，其数据资产具备独特性，数据资

2、产价值潜力较大，同时数字化进程正在加速。要点要点 部分零售企业部分零售企业积极推进数字化积极推进数字化升级升级，挖掘挖掘数据资产数据资产价值价值。原始数据需要经历数据资源化和资产化的阶段才可以发挥价值。原始数据经过收集和初步管理成为数据资源。数据资源是数据资产化的起点，针对特定应用场景或商业目的进行加工、开发，数据资源方可形成数据资产。部分零售企业积极推进数字化，数字化系统等工具已经上线，逐步迈向数据资源和数据资产阶段。数据产品应用场景丰富，数据产品应用场景丰富，商业商业价值有待释放价值有待释放。目前已有数据产品落地应用：1、公共领域：推进城市规划建设；2、商业领域：通过客流分析进行商场、门店

3、选址；借助数据进行精准化营销；3、金融领域：定位用户需求，进行风险评估。我们认为，零售行业的数据资产未来主要应用场景包括：产品定价、产品开发、精准营销、选址落位、供应链金融等。重点关注零售细分方向重点关注零售细分方向。聚焦细分市场的零售企业数据具备更为明显的稀缺性和多维性。我们推荐关注：1、居然之家：、居然之家：公司为中国泛家居行业龙头企业，已经上线数字化产业服务平台“洞窝”，平台服务消费者，连接工厂和卖场，目前已经于直营门店布局统一收银系统，加盟和非居然之家门店有望推进。2022 年平台 GMV 已经超过 350 亿元，2023 年有望达到 1000 亿元。2、汇、汇通达：通达：公司聚焦下沉

4、市场发展 B2B 电商，已经覆盖中国 21 省份，超 2 万个乡镇，交易业务规模庞大。以交易业务为基础，公司积极推进 SaaS 服务。22H1 付费 SaaS 用户达 27065 家，同比增长179.71%，服务业务板块收入 36.44 亿元，同比增长 117%。3、孩子王：孩子王：孩子王为母婴行业龙头企业，注重私域会员运营。截至2022H1，公司会员人数超过 5,300 万人，其中最近一年的活跃用户近 1,000 万人，黑金会员至 82 万人。孩子王不断加大研发投入，进行全渠道数字化升级开发，助力内部效率提升。维持维持 强于大市强于大市 刘乐文 SAC 编号:S03 S

5、FC 编号:BPC301 发布日期：2023 年 03 月 06 日 市场表现市场表现 相关研究报告相关研究报告 -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商贸零售上证指数商贸零售商贸零售 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 目录 核心观点.1 要点.1 投资要件.5 关键假设.5 与市场不同的观点.5 股价上涨的催化因素.5 投资风险.5

6、一、数据体量持续增长，数据经济规模庞大.1 二、供给：基础设施渐完善，助数据市场腾飞.3（一）数据二十条出台，数据市场建设迈出关键一步.3（二）数据产业链建设启动，数商生态逐步完善.4 三、零售行业：数据潜力巨大，价值有待挖掘.8（一）价值评估框架：数据质量+应用维度+风险合规.8（二）零售行业：数据价值挖掘潜力巨大，细分市场龙头数据价值尤甚.9 1、零售行业具备数据资产价值基础.9 2、零售行业数据资产价值具备变现动力，乘数效应带来商业发展新红利期.12 3、零售行业数据资产价值挖掘进度有望进一步加快.13 四、数据产品应用场景丰富，关注零售细分市场龙头企业.17（一）窥见数据产品应用，场景

7、丰富多样.17 1、公共领域：数据产品深度融合，推进城市规划建设.17 2、商业领域：优化管理决策，助力降本增效，发现全新市场机遇.17 3、金融领域：洞悉真实交易，助力风控防诈.19（二）关注零售细分市场龙头.20 1、居然之家：家居全产业链布局，多维赋能家居经营.20 2、汇通达：分销供货为基础，数字化变现加速.21 3、孩子王：数字资产助力内部效率提升.22 4、借鉴成熟 SaaS 企业估值模式，初步估算数据资产价值.24 投资评价和建议.26 风险分析.27 图目录 图 1:全球数据量增长预测（ZB）（2010-2025E）.1 图 2:我国数据产量及全球占比持续增长（2017-202

8、1 年）.1 图 3:2022 年数据要素市场不同细分领域市场规模（亿元）.1 图 4:企业数字化转型前后对比.2 图 5:不同行业企业数字化转型前后 ROA 差值（%）.2 图 6:数据要素产业三大环节.4 图 7:不同类型数商企业成长趋势.5 rRqRYUcVcWbZpXeXzW9P9R7NpNmMpNoNlOmMnOkPqQsN7NnMoONZrQpPwMnMqQ 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图 8:上海数据交易所交易前服务及交易中服务流程.7 图 9:上海数据交易所交易后服务流程.7 图 10:数据资产价值评估框架.8 图 11:数据资产化成本构成：按财务

9、核算口径分类.9 图 12:数据资产化成本构成：按功能分类.9 图 13:各行业 GDP 占总 GDP 比重（不变价）.9 图 14:零售行业数据量居于各行业前列（EB）.10 图 15:泛零售行业数字洞察能力指数较高.10 图 16:不同行业 SDAF 指数对比.10 图 17:限额以上批发和零售业零售额中不同行业占比.11 图 18:考虑数据质量和应用维度，商贸零售数据资产价值较大（ToC 行业对比）.12 图 19:双 11 阿里巴巴 GMV 增速放缓.13 图 20:快手直播电商 GMV 增速放缓.13 图 21:部分一二线城市商铺平均租金（元/日.平米）.13 图 22:数据资源化与

10、资产化过程.14 图 23:零售细分板块代表性企业数据资产价值.16 图 24:城市建设可视化数据产品计算结果示意图.17 图 25:沃尔玛对于数据的应用.18 图 26:汇纳科技基于客流等数据为商业综合体和品牌连锁店提供服务.18 图 33:2017-2021 年居然之家经营门店数量.20 图 34:2021 年居然之家门店地区分布情况.20 图 35:洞窝平台注册用户及覆盖卖场.20 图 36:洞窝平台 GMV（亿元）.20 图 37:居然之家数据资产应用场景举例.21 图 38:汇通达活跃会员零售门店数量.22 图 39:汇通达 SaaS+付费用户数量.22 图 40:汇通达数据资产价值

11、举例.22 图 41:孩子王门店数量（家）.23 图 42:孩子王会员数量.23 图 43:孩子王研发投入（万元，%）.23 图 44:孩子王数字化门店.23 图 45:孩子王数据资产价值举例.24 表目录 表 1:我国数据战略布局政策.3 表 2:数据要素相关企业数量(2010-2021).5 表 3:数据交易平台陆续建立，促进数据流通领域高效发展.6 表 4:SDAF 指数 60 分以上的企业.10 表 5:ToC 行业数据描述.11 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 表 6:零售细分板块代表性企业数据情况.15 表 7:数据产品在金融领域的应用.19 表 9:部分

12、 SaaS 企业估值（2023 年 3 月 6 日）.25 表 9:有赞与 Shopify 估值.25 表 10:重点公司盈利预测（人民币元）.26 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 投资要件投资要件 关键假设关键假设 1、数据要素市场基础制度建设逐步数据要素市场基础制度建设逐步推进推进。政府出台了一系列政策促进数据要素市场发展，2022 年 12 月出台“数据二十条”，淡化了数据所有权、强调使用权，创造性提出建立数据资源持有权、数据加工使用权和数据产品经营权“三权分置”的数据产权制度框架。预计后续政府出台具体性法律制度，进一步完善数据要素市场建设。2、数商生态逐渐繁荣

13、，专业数据服务提供商涌现数商生态逐渐繁荣，专业数据服务提供商涌现。在基础制度夯实底座的背景下，数商生态也在逐步走向繁荣，不同类型的市场参与者可以降低产品供给成本、高效对接需求、促进数据价值发挥。与市场不同的观点与市场不同的观点 1、市场认为市场认为零售行业零售行业生产关系落后、市场生产关系落后、市场增速放缓增速放缓、盈利能力下行，因此给予较低估值，我们认为零售盈利能力下行，因此给予较低估值，我们认为零售行业数据行业数据掌握大规模的数据入口专业渠道的目的性强，数据价值高，潜在数据要素的价值重估空间大。掌握大规模的数据入口专业渠道的目的性强，数据价值高，潜在数据要素的价值重估空间大。2、零售的渠道

14、价值零售的渠道价值被市场低估被市场低估，我们认为零售行业的渠道价值是其数据资产价值的重要来源我们认为零售行业的渠道价值是其数据资产价值的重要来源。零售公司广泛的渠道使得公司成为链接品牌商、经销商、零售商和消费者的枢纽，因此，相较于其他消费行业，零售行业数据规模更加庞大。3、市场认为电子商务已经掌握足够多的用户信息和市场认为电子商务已经掌握足够多的用户信息和 2C 端商业化应用，线下挖掘的动力不足且应用场景端商业化应用，线下挖掘的动力不足且应用场景并不直接。但我们认为伴随线上流量红利的不断饱和，重拾线下的数字化开发将成为大趋势，并不直接。但我们认为伴随线上流量红利的不断饱和，重拾线下的数字化开发

15、将成为大趋势，并且对并且对于于 2B 端的商业应用也存在生长的环境。端的商业应用也存在生长的环境。股价上涨的催化因素股价上涨的催化因素 1、数据要素市场支持政策进一步推出数据要素市场支持政策进一步推出。当前市场仍处于有偏阶段，数据要素支持政策推出有望完善市场建设，降低交易成本。2、公司加大数据化投入开发数据资产公司加大数据化投入开发数据资产。数据资产开发有望丰厚公司收入利润，使得公司价值重估。投资风险投资风险 1、数据确权、数据隐私问题使得数据要素市场建设进展低于预期。2、公司数字化投入开发数据资产会增加成本，短期内拖累收入和利润。3、不同主体提供类似数据产品，使得数据要素市场竞争加剧，影响盈

16、利水平。1 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 一、一、数据体量持续增长数据体量持续增长，数据经济规模庞大，数据经济规模庞大 全球数据量持续增长，全球数据量持续增长，中中国数据体量位居世界前列。国数据体量位居世界前列。根据 IDC 数据预测，全球数据量持续增长，预计到 2025年全球数据量将达到 175ZB。根据中国信通院测算，2017 年到 2021 年我国数据量从 2.3ZB 增长至 6.6ZB，全球占比 9.9%，仅次于美国，位居世界第二。图图 1:全球数据量增长预测全球数据量增长预测（ZB）（2010-2025E）图图 2:我国数据产量及全球占比持续增长（我国数据

17、产量及全球占比持续增长（2017-2021 年）年）数据来源：IDC，数据时代2025，数据资产生态白皮书，中信建投证券 数据来源：中国信息通信研究院、中国网络空间研究院，中信建投证券 中国中国数据要素市场数据要素市场已经已经起势起势。根据中国数据要素市场发展报告（2021-2022）测算显示，我国数据要素市场规模达到 815 亿元，其中数据储存、数据分析、数据加工、数据交易分别占比 22%、21.5%、19.6%、14.7%，预计“十四五”期间市场规模复合增速超过 25%，即将进入群体性突破的关键发展阶段。图图 3:2022 年年数据要素市场数据要素市场不同细分领域市场规模不同细分领域市场规

18、模（亿元）（亿元）数据来源：国家工业信息安全发展研究中心，中信建投证券 2468060708004060800000020E2021E2022E2023E2024E2025E2.333.95.16.68.89.19.39.69.98.28.48.68.899.29.49.69.8017年2018年2019年2020年2021年我国数据产量（ZB）全球占比情况（%，右轴）0855045数据存储数据分析

19、数据加工数据交易数据服务生态保障数据采集 2 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 数字化赋能数字化赋能效果明显效果明显，数据资产潜在价值巨大。，数据资产潜在价值巨大。数据资产的使用能够充分挖掘数据的价值，提高各行各业的运转效率。根据中国工业信息安全发展研究中心测算，数字化转型对不同行业都所影响，其中制造业中已转型上市公司与比未转型上市公司的 ROA 高 5.59%。图图 4:企业数字化转型前后对比企业数字化转型前后对比 图图 5:不同行业企业数字化转型前后不同行业企业数字化转型前后 ROA 差值差值（%）数据来源：国家工业信息安全发展研究中心、北京大学光华管理学院中国数据

20、要素市场发展报告（2021-2022），中信建投证券 数据来源：国家工业信息安全发展研究中心、北京大学光华管理学院中国数据要素市场发展报告（2021-2022），中信建投证券 -3-2-10123456制造业农业、林业及渔业信息和通信行业能源业采矿业金融服务业未转型上市公司ROA（%）已转型上市公司ROA（%）5.594.334.323.632.810.80123456制造业农业、林业及渔业信息和通信行业能源业采矿业金融服务业 3 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 二、二、供给供给：基础设施基础设施渐完善，渐完善，助助数据市场数据市场腾飞腾飞（一）数据二十条出台，数据市

21、场建设迈出关键一步（一）数据二十条出台，数据市场建设迈出关键一步 数据要素具有特殊性，良好的市场生态需要首先完成基础设施建设，市场方可由有偏走向无偏。数据要素具有特殊性，良好的市场生态需要首先完成基础设施建设，市场方可由有偏走向无偏。数据要素具有虚拟性、非竞争性、部分排他性、负外部性等特点，因此面临着产权界定不明晰、数据交易机制不健全、数据安全保护不完善的问题。产权问题、交易机制和数据保护又会影响数据要素的流通和市场价值的实现，数据要素市场仍处于有偏阶段。数据要素市场需要首先完成基础设施建设，完善产权确认、数据保护等方面，数据要素市场的需求才可以更好被满足。数据数据要素要素战略战略和规划紧锣密

22、鼓出台和规划紧锣密鼓出台，数据要素市场，数据要素市场扬帆起航扬帆起航。自十九届四中全会首次提出将数据作为生产要素参与分配，我国开始加快推动数据战略布局的不断深入，陆续推出规范数据要素市场标准化发展的指导文件和政策。其中，2022 年 12 月 19 日，国务院发布中共中央国务院关于构建数据基础制度更好发挥要素作用的意见（简称“数据二十条”），提出要在中国建立四项数据基础制度，分别是数据产权制度、流通交易制度、收益分配制度和安全治理制度。“数据二十条”淡化了数据所有权、强调使用权，创造性提出建立数据资源持有权、数据加工使用权和数据产品经营权“三权分置”的数据产权制度框架。该文件对数据基础制度体系

23、进行了布局，为之后政府内部的行政法规、文件政策等提供原则性指导。数据要素市场基础性制度建设迈出关键性一步，为数据要素市场建设注入了新的动力，发展速度和发展水平有望实现进一步的突破。2023 年 2 月，中共中央、国务院印发了数字中国建设整体布局规划，提出数字中国建设按照“2522”的整体框架进行布局，并且明确提出，将数字中国建设工作情况作为对有关党政领导干部考核评价的参考。因此，数字化建设进度有望加快，数据要素市场将以更快速度趋于完善和成熟。表表 1:我国数据战略布局政策我国数据战略布局政策 颁布时间颁布时间 政策名称政策名称 政策要点政策要点 2023 年 2 月 数字中国建设整体布局规划

24、数字中国建设按照“2522”的整体框架进行布局；将数字中国建设工作情况作为对有关党政领导干部考核评价的参考 2022 年 12 月 关于构建数据基础制度更好发挥数据要素作用的意见 提出构建数据基础制度体系 2022 年 10 月 国务院关于数字经济发展情况的报告 建立数据产权制度，健全数据要素权益保护制 2022 年 6 月 关于构建数据基础制度更好发挥数据要素作用的意见 加快培育数据要素市场 2022 年 4 月 关于加快建设全国统一大市场的意见 提出加快培育统一的技术和数据市场 2022 年 1 月“十四五”数字经济发展规划 充分挖掘数据要素价值，激活发展潜力 2021 年 12 月 要素

25、市场化配置综合改革试点总体方案 细化建立数据要素市场规则的具体要点 2021 年 10 月 国家标准化发展纲要 建立产权交易流通，安全保护等标准规范 2020 年 5 月 关于构建更加完善的要素市场化配置机制的 首次提出培育数据要素市场 4 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 2019 年 10 月 中国共产党第十九届中央委员会第四次全体会议公报 首次将数据明确纳入生产要素 2017 年 1 月 大数据产业发展规划（2016-2020）到 2020 年，保障有力的大数据产业体系基本形成 2016 年 3 月 十三五规划纲要 实施国家大数据战略 2015 年 9 月 促进大

26、数据发展的行动纲要 统筹规划大数据基础设施建设 资料来源：中国政府网，中国信息通信研究院，中信建投证券 （二）（二）数据产业链数据产业链建设启动建设启动，数商生态逐步完善数商生态逐步完善 数据要素数据要素产业链产业链包括数据供应、数据服务及数据需求三大环节。包括数据供应、数据服务及数据需求三大环节。我国数据供应端积淀较深，数据量庞大，在近期国家政策的加持下，展现出较大的潜力。数据服务环节包括数据采集、分析、交易、定价、安全保障等环节，是数据资源得以资产化的重要环节，是数据产业链的重要组成部分。产业链下游环节主要为数据产品需求方，我们认为只有在数据供应完善的情况下，数据产品需求才能够得以释放，数

27、据要素市场才可以繁荣发展。图图 6:数据要素产业三大环节数据要素产业三大环节 数据来源：TRS数星产业大脑、拓尔思数据要素产业链分析报告，中信建投证券 数商生态逐渐繁荣数商生态逐渐繁荣，数据要素市场，数据要素市场专业化和标准化程度有望提高专业化和标准化程度有望提高。在基础制度夯实底座的背景下，数商生态也在逐步走向繁荣，不同类型的市场参与者可以降低产品供给成本、高效对接需求、促进数据价值发挥。根据全国数商产业发展报告（2022），从 2000 年至 2021 年底，中国数商企业复合年均增长率为 25.7%，截至2022 年 11 月，中国数商行业企业数量达到 183 万家，涵盖数据咨询服务商、数

28、据分析技术服务商、数据资产评估服务商、数据基础设施提供商等。根据中国数据要素市场发展报告（2021-2022），数据要素相关企业数量在 2010 年 2021 年实现了高速发展。数商生态繁荣助力数据要素市场基础设施进一步完善，为数据资产的发展奠定了良好的基础。5 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 表表 2:数据要素相关企业数量数据要素相关企业数量(2010-2021)类型类型 2010 年公司数量年公司数量 2021 年公司数量年公司数量 年复合增长率（年复合增长率（%）行业应用层 7254 448887 79.16 数据资源层 6280 332385 72.36 通用

29、软件层 64988 2183280 52.63 基础硬件层 6324 171679 43.37 安全保障层 2435 65645 43.07 资料来源：中国数据要素市场发展报告（2021-2022），中信建投证券 图图 7:不同类型数商企业成长趋势不同类型数商企业成长趋势 数据来源：全国数商产业发展报告（2022），中信建投证券 中中国数据流通在政策加持下持续探索，取得初步成效。国数据流通在政策加持下持续探索，取得初步成效。数据流通也就是完成数据资产的市场化配置，使得数据价值得以释放。数据供应方完成登记、定价后在数据交易机构挂牌交易，数据需求方通过数据交易机构进行数据购买。随着近年来政策加持，

30、上海数据交易所、贵阳大数据交易所等一批政府背景平台已建成并投入使用，阿里、腾讯、京东等头部企业也陆续建立数据交易平台。其中，数据交易所迎来快速发展期其中，数据交易所迎来快速发展期。2015 年-2017 年是我国数据交易机构的第一轮快速发展期，在 2015 年一年中就成立了 7 家数据交易平台。2021 年以来随着我国政策支持力度的提高，数据交易机构迎来新一轮的快速发展期，根据信通院数据显示，全国已经有 40 余家数据交易平台。6 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 表表 3:数据交易平台陆续建立，促进数据流通领域高效发展数据交易平台陆续建立，促进数据流通领域高效发展 年

31、份年份 年度新建交易平台数量年度新建交易平台数量 交易平台交易平台 2014 3 北京大数据交易服务平台 中关村树海大数据交易平台 香港大数据交易所 2015 11 交通大数据交易平台 河北大数据交易中心 杭州钱塘江大数据交易中心 河北京津冀大数据交易中心 华中大数据交易平台 华东江苏大数据交易中心 重庆大数据交易市场 西咸新区大数据交易所 武汉东湖大数据交易中心 武汉长江大数据交易中心 贵阳大数据交易所 2016 8 亚欧大数据交易中心 丝路辉煌大户数据交易中心 深圳南方大数据交易 浙江大数据交易中心 钱塘大数据交易中心 广州数据交易平台 上海数据交易中心 哈尔滨数据交易中心 2017 6

32、河南平原大数据交易中心 山东省先行大数据交易中心 山东省新动能大数据交易中心 潍坊大数据交易中心 青岛大数据交易中心 中原大数据交易平台 2018 1 吉林省东北亚大数据交易服务中心 2019 1 山东数据交易公司 2020 3 北部湾大数据交易平台 山西数据交易服务平台 中关村医药健康大数据交易平台 2021 12 海南数据产品超市 长三角数据要素流通平台 德阳数据交易中心 西部数据交易中心 7 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 上海数据交易所 贵州省数据流通交易中心 合肥数据要素流通平台 深圳数据交易公司 北京国际大数据交易所 华南数据交易公司 深圳数据交易所 郑州

33、数据交易中心 2022 5 湖南大数据交易所 青岛海洋数据交易平台 广州数据交易所 无锡大数据交易平台 湖南大数据交易中心 资料来源：中国信息通信研究院，中信建投证券 以上海数据交易所为例，交易平台的交易流程已经比较完善、清晰以上海数据交易所为例，交易平台的交易流程已经比较完善、清晰。数据流通是数据资产实现价值的关键环节，随着我国数据流通平台的不断建成，以及国家政策的支持，数据流通的定价规则、交易机制、流通制度等完善，平台数据技术加速提高。未来我国数据流通领域将以法律法规和基本制度为前提，实现数据流通过程中安全与效率兼具、规范与活力并行。图图 8:上海上海数据数据交易所交易前服务及交易中服务流

34、程交易所交易前服务及交易中服务流程 图图 9:上海数据交易所上海数据交易所交易后服务流程交易后服务流程 数据来源：上海数据交易所官网，中信建投证券 数据来源：上海数据交易所官网，中信建投证券 8 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 三三、零售行业：数据潜力巨大、零售行业：数据潜力巨大，价值，价值有待挖掘有待挖掘（一）价值评估框架：数据质量（一）价值评估框架：数据质量+应用维度应用维度+风险合规风险合规 数据资产价值的基础是数据质量，数据资产价值的基础是数据质量，需要在应用场景中实现需要在应用场景中实现，但是但是风险合规具有“一票否决权”风险合规具有“一票否决权”。分析数据

35、资产是否具有可以实现的价值需要从三个维度考虑，分别为质量维度、应用维度和风险维度。数据完整、真实、准确、采集成本低等才可以被认为是高质量数据。高质量数据并不意味着高价值数据资产，数据资产具备高价值意味着其在现实应用中可以提供价值，这意味着数据资产需要具备一定的稀缺性、时效性、多维性、标准化程度较高等。但是风险合规具有“一票否决权”，即便数据质量高同时应用价值大，实际应用产生风险可能性较大会使得数据无法应用。图图 10:数据资产价值评估框架数据资产价值评估框架 数据来源：德勤，中信建投证券 收益高于成本决定数据资产化的动力，外部收益与内部收益的比较决定是否进行数据产品化。收益高于成本决定数据资产

36、化的动力，外部收益与内部收益的比较决定是否进行数据产品化。只有当数据资产化带来的收益大于资产化过程的成本后，企业才会有动力进行数据资产化。数据资产既可以在内部使用，服务自身经营决策、业务流程，从而提升盈利能力，也可以形成数据商品进入数据要素流通市场变现。若内部使用收益较高，或者外部使用有被窥取行业机密的重大风险的情况下，企业将选择通过内部使用的方式进行变现；若外部使用收益较高，且对外出售数据不会影响企业的核心竞争力，企业会通过外部使用进行变现。9 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图图 11:数据资产化成本构成：按财务核算口径分类数据资产化成本构成：按财务核算口径分类

37、图图 12:数据资产化成本构成：按功能分类数据资产化成本构成：按功能分类 数据来源：普华永道，中信建投证券 数据来源：普华永道，中信建投证券 （二）零售行业：数据价值挖掘潜力巨大（二）零售行业：数据价值挖掘潜力巨大，细分市场龙头数据价值尤甚，细分市场龙头数据价值尤甚 1、零售行业具备数据资产价值基础 零售行业零售行业与居民日常消费关联度高，与居民日常消费关联度高，是是 GDP 最重要的组成部分之一，庞大收入规模最重要的组成部分之一，庞大收入规模蕴含蕴含海量潜在数据海量潜在数据。批发与零售行业占 GDP 的比重仅次于工业，是国民经济最重要的组成部分之一。批发与零售行业与居民日常高频消费高度相关，

38、链接众多群体和上下游企业，因此蕴含着海量数据。图图 13:各行业各行业 GDP 占总占总 GDP 比重（不变价）比重（不变价）数据来源：Wind，中信建投证券 0%5%10%15%20%25%30%35%201920202021 10 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 零售公司数据零售公司数据量庞大，数字化运营程度较高量庞大，数字化运营程度较高。零售行业的数据产业处于数据要素产业链的上游，即数据供应环节。根据 IDC 测算，在 2018 年各行业的数据量分布中，制造业、零售业、金融业分别以 3584EB、2212EB、2074EB 的数据量位居前三位。根据神策研究院发布

39、的2022 中国企业数字化运营成熟度报告，泛零售行业在“中国企业数字化运营成熟度模型”中综合指数排名第一，在包含数据采集这一考察指标的“数字洞察能力指数”也超越金融和互联网行业排名第一，永辉超市、永和大王、屈臣氏等零售企业综合指数均处于领军地位。零售行业数据价值较高，发展空间广阔。图图 14:零售行业数据量居于各行业前列零售行业数据量居于各行业前列（EB）图图 15:泛零售行业数字洞察能力指数较高泛零售行业数字洞察能力指数较高 数据来源：IDC，中信建投证券 数据来源：神策研究院，2022中国企业数字化运营成熟度报告，中信建投证券 表表 4:SDAF 指数指数 60 分以上的企业分以上的企业

40、行业行业 代表企业代表企业 泛零售 小米、RELX、驴妈妈、雅士利、中国南方航空、李宁永辉超市、永和大王、御泥坊、天虹、极米、海底捞、麦当劳等 互联网 百度、墨迹天气、环球网校、SHEIN、得物、好未来等 金融 富途证券、招商银行、中国银联、北京银行、汇添富基金等 资料来源：神策研究院，2022中国企业数字化运营成熟度报告，中信建投证券 图图 16:不同行业不同行业 SDAF 指数对比指数对比 数据来源：神策研究院，2022中国企业数字化运营成熟度报告，中信建投证券 35842229602500300035004000制造业零售

41、批发金融服务基础设施媒体与娱乐医疗保健交通运输43.815.18.51010.3055404550泛零售金融互联网企业服务其他行业01020304050综合指数数字洞察能力数据决策能力数字运营能力提升优化能力泛零售金融互联网企业服务其他行业 11 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 中信证券行业分类中的零售业涵盖范围较小，包括超市百货业态、贸易业态、专业市场经营、专业连锁、电商服务和运营。拆分限额以上批发和零售业零售额中不同行业，我们发现与中信证券行业分类中的零售业态相关度高的商品销售额仍占有重要比例，2022 年占比达到 39%。结合数据分析框架结

42、合数据分析框架，我们认为我们认为零售行业数据价值相对较高。零售行业数据价值相对较高。渠道是商贸零售行业重要组成部分，零售行业是链接厂商、经销商、零售商和消费者的重要枢纽，因此，零售行业覆盖消费者数量众多，并且消费频次较高，覆盖产品种类多样，消费数据量庞大。根据我们的数据资产价值评估框架，我们认为零售行业数据资产居于消费行业前列。图图 17:限额以上限额以上批发和零售业零售额批发和零售业零售额中不同行业占比中不同行业占比 数据来源：Wind，中信建投证券 表表 5:ToC 行业数据描述行业数据描述 行业行业 可获得数据可获得数据 用户群体用户群体 数据频率数据频率 数据规模数据规模 数字化建设数

43、字化建设 CS 银行 个人/企业身份数据，个人/企业财产数据，个人/企业信用，个人/企业交易数据 几乎所有个人/企业 月度，甚至日度 庞大 程度高 CS 非银行金融 个人/企业身份数据，个人/企业交易数据 使用产品服务的个体，消费频率较高 年度，甚至月度 庞大 程度高 CS 交通运输 个体出行轨迹，交通工具信息 涉及乘坐交通工具的出行群体 月度，甚至日度 庞大 程度较高 CS 商贸零售 客流数据，不同品类产品销售数据，消费者购物偏好，企业贸易数据 使用产品服务的个体，消费高频，群体广泛 月度，甚至周度 庞大 程度较高 CS 家电 家电产品销售数据，消费者购物偏好，产品生产数据 使用产品服务的个

44、体 年度 一般 程度较高 12 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 CS 食品饮料 食品饮料产品销售数据，消费者购物偏好，产品生产数据 使用产品服务的个体，消费高频 月度 较大 一般 CS 消费电子 消费电子产品销售数据，消费者购物偏好，产品生产数据 使用产品服务的个体 年度 一般 一般 CS 轻工制造 特定品类产品销售数据，消费者购物偏好，产品生产数据 使用产品服务的个体 年度 一般 一般 CS 纺织服装 特定品类产品销售数据，消费者购物偏好，产品生产数据 使用产品服务的个体 年度 一般 一般 CS 消费者服务 文旅产品销售数据，消费者购物偏好 使用产品服务的个体 年度

45、 一般 一般 资料来源：Wind，中信建投证券 图图 18:考虑数据质量和应用维度，商贸零售数据资产价值较大考虑数据质量和应用维度，商贸零售数据资产价值较大（ToC 行业行业对比）对比）数据来源：Wind，中信建投证券，注：根据上表ToC行业数据描述，对不同行业数据性质打分，分数越高表明数据在该维度上表现越优。2、零售行业数据资产价值具备变现动力，乘数效应带来商业发展新红利期 零售行业数据资产存在价值基础，零售行业数据资产存在价值基础，数据资产挖掘动力数据资产挖掘动力充分充分：1、线上流量成本增加以及流量边际收益递减，无论是综合电商还是直播电商，行业增速均已放缓。2、线上流量红利接近饱和并且流

46、量成本走高推动经营者需要再次考虑挖掘线下商业价值并重视对传统商业的数字化改造。3、电子商务已经将 2C 端的数据分析和商业化做得比较成熟，但是商业中 2B 端的价值挖掘仍旧处于初级阶段。我们认为，数据要素并不是简单将数据线上化来提升线上渗透率或者给予线上提供流量支持，而是助力于实体商业运营的。历史来看，线下租金较高为线上业务快速发展带来机遇，2019 年以来线下租金呈现下降趋势，但是商业交易简单回归线下并不会创造增量价值，商业交易简单回归线下并不会创造增量价值，数据要素具备乘数数据要素具备乘数倍增倍增效应，效应，数据资产价值挖掘能够提升线数据资产价值挖掘能够提升线下商业生态效率，甚至创新商业模

47、式，从而能够下商业生态效率，甚至创新商业模式，从而能够创造新的发展机遇，带来新的红利期。创造新的发展机遇，带来新的红利期。13 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图图 19:双双 11 阿里巴巴阿里巴巴 GMV 增速放缓增速放缓 图图 20:快手直播电商快手直播电商 GMV 增速放缓增速放缓 数据来源：阿里巴巴官网，千龙网，中信建投证券，注：2022年阿里巴巴未公布双11GMV，2020年起双11的GMV由单日变为多日。数据来源：公司公告，中信建投证券 图图 21:部分一二线城市部分一二线城市商铺平均租金商铺平均租金（元元/日日.平米平米）数据来源：Wind，中信建投证

48、券 3、零售行业数据资产价值挖掘进度有望进一步加快 零售企业仍然处于数据资产化的初步阶段。零售企业仍然处于数据资产化的初步阶段。无序、混乱的原始数据需要被收集管理成为有序和具备使用价值的数据，原始数据才可以成为数据资源。数据资源是数据资产化的起点，需要针对特定应用场景或商业目的进行加工、开发，从而形成可供企业业务部门应用或者交易的数据资产。大部分零售企业生产经营中产生的数据仍处于混乱的原始状态，尚未开始数据资源化。部分企业积极推进数字化，数据化系统等工具已经上线，迈向数据资产阶段。0%100%200%300%400%500%00400050006000双11GMV（亿元）

49、YOY（右轴）61640%539%78%34%0%10000%20000%30000%40000%50000%60000%70000%0040005000600070008000200213Q22快手（亿元）快手YOY（右轴）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长春郑州武汉太原西安 14 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图图 22:数据数据资源化与资产化资源化与资产化过程过程 数据来源：普华永道，中信建投证券 我们认为零售行业数据资产价值将逐步释放我们认为零售行业数据资产价值将逐步释放，数据资产建设加快，数据资产建设加快：1、零售行业数据量庞大，一般满足法律合规要求

51、，同时由于链接众多消费者和企业，数据潜在价值较大。2、零售行业数据资产变现动力较大。互联网电商平台企业数据量庞大，但是由于互联网企业本身已经形成生态圈，自身数据在内部循环产生的收益大于向外部变现收益，出售数据反而会削弱自身核心竞争力，因此其变现动力较弱。零售企业数据尚未形成或难以完整闭环生态圈，因此数据变现动力更大。3、零售企业数字化投入仍然不足，数据价值尚未发挥。数据服务商生态已经得到发展培育，零售企业有望以较低成本获得数据服务商服务开发数据。随着企业数字化意识增强和数字化投入增加，数据资产有望对企业带来正向收益。根据数据资产价值评估框架，我们认为零售行业中的专营根据数据资产价值评估框架，我

52、们认为零售行业中的专营/专业连锁业态的数据资产价值较大。专业连锁业态的数据资产价值较大。零售企业数据基本满足法律合规要求，较少涉及国家公共安全领域，具备数据挖掘变现基础。相较于一般零售企业而言，聚焦细分市场的零售企业的数据具备更为明显的稀缺性和多维性，同时已经积极布局线上数字化平台向数据资源化阶段过渡。15 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 表表 6:零售细分板块代表性企业数据情况零售细分板块代表性企业数据情况 数据类型数据类型 数据资产潜在使用场景数据资产潜在使用场景 数据资产阶段数据资产阶段 数据特点数据特点 百货/购物中心 重庆百货 客流信息、消费者购物信息 商场

53、动线设置、消费者偏好分析、选址 原始数据阶段 地域龙头为主，数据同质化程度较高，面临支付数据竞争 武商集团 原始数据阶段 超市便利店 永辉超市 客流信息、消费者购物信息 消费者偏好分析、品牌销售信息、选址 原始数据阶段 超市数量众多，数据同质化程度较高 家家悦 原始数据阶段 贸易 苏美达 大宗商品信息、贸易商信息 贸易商偏好 原始数据阶段 合作客户有限，面临大宗商品专门数据库竞争 厦门国贸 原始数据阶段 专营连锁 老凤祥 珠宝加盟商销售信息、购买者购物信息、产品销售信息 消费者偏好、产品开发、精准营销、引流 原始数据阶段 数据以内部使用为主，线上销售数据与综合电商平台数据竞争不占优 中国黄金

54、原始数据阶段 数据以内部使用为主，线上销售数据与综合电商平台数据竞争不占优 迪阿股份 初步数字化 拥有消费者年龄、身份信息 潮宏基 原始数据阶段 数据以内部使用为主，线上销售数据与综合电商平台数据竞争不占优 孩子王 母婴消费偏好 消费者偏好、产品开发、精准营销、引流 初步数字化 电商服务 壹网壹创 品牌商信息 合作客户有限，数据被所在电商平台掌握 值得买 消费者购买意愿信息 初步数据资源化 自建社区留存数据，但是面临电商平台数据竞争 电商 汇通达 夫妻老婆店销售信息 产品开发、精准营销 初步数据资源化 切入细分市场，数据具有稀缺性 华凯易佰 跨境贸易商信息 引流、营销 初步数据资源化，建立“亿

55、迈”线上平台 客户数量有限，与亚马逊等平台的数据相比不具有竞争优势 专业市场经营 居然之家 家装品牌和经销商销售信息、家装购物者信息 家装消费者偏好、引流、产品开发、营销 初步数据资源化，建立“洞窝”线上平台收集、应用数据 家装专业细分市场 16 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 美凯龙 家装品牌和经销商销售信息、家装购物者信息 家装消费者偏好、引流、产品开发、营销 初步数据资源化，与阿里巴巴合作建立同城站 家装专业细分市场 资料来源：公司公告，中信建投证券 图图 23:零售细分板块代表性企业零售细分板块代表性企业数据资产价值数据资产价值 数据来源：Wind，中信建投证

56、券，注：根据上表零售细分板块代表性企业数据情况，对不同细分板块数据性质打分，分数越高表明数据在该维度上表现越优。17 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 四四、数据产品应用场景丰富，关注零售细分市场龙头企业数据产品应用场景丰富，关注零售细分市场龙头企业（一）（一）窥见窥见数据产品数据产品应用应用，场景丰富多样场景丰富多样 1、公共领域：数据产品深度融合，推进城市规划建设 至少十余种公共服务应用场景，激发数据产品需求。至少十余种公共服务应用场景，激发数据产品需求。各地区依托政务大数据平台建立政务数据仓库，根据中国数据要素市场发展报告（2021-2022）统计显示，国内 31

57、 个省（直辖市、自治区）政务云基础设施建设基本完成，超过 70%的地级市已经建成或正在建设政务云，北京、山东、重庆等多省市政务系统上云率超过 90%。依托政务数据仓库，城市规划、环境保护、生态建设、交通运输、城市规划、食品安全、金融服务、市场监督、社会救助、公共卫生、应急处理等领域都可以通过对数据进行分析处理，有助于政府精准施策，保障民生。以城市规划为例，以城市规划为例，城市规划与数据产品融合，优化规划方案，推进城市建设。城市规划与数据产品融合，优化规划方案，推进城市建设。传统城市规划中存在数据缺乏、数据重复、规划分析主观性强、不同尺度空间规划难以匹配、规划效果缺乏蓝图等问题，而将数据进行可视

58、化处理，可将大量原始数据转化为可以直接显示计算结果的、可以直观的显示在屏幕上的结果，从而更加直观、清晰的读取数据特征，优化设计方案，合理配置资源，提高资源利用率，有利于城市的建设与发展。图图 24:城市建设城市建设可视化数据产品计算结果示意图可视化数据产品计算结果示意图 数据来源：周旻基于GIS的噪声地图研究，中信建投证券 2、商业领域：优化管理决策，助力降本增效，发现全新市场机遇 优化管理决策，提升效率，帮助企业增收降本。优化管理决策，提升效率，帮助企业增收降本。零售企业日常经营或者采集的数据已有应用场景包括：个性化营销、价格优化、库存管理、门店选址等。企业对于消费者画像、购物行为、客流情况

59、等数据的了解增进，因此可以提升消费者留存，更好满足消费者偏好，高效管理库存，从而实现增收降本。以沃尔玛为例，公司注重零售数据应用以改善购物体验、以沃尔玛为例，公司注重零售数据应用以改善购物体验、优化优化决策和提升效率决策和提升效率。2017 年沃尔玛建立了数据分析中心 Data Caf，数据来源超过 200 个，包括门店产生的内部经营业务数据，外部的通讯数据、社交媒体数据、汽油数据等等。依靠 Data Caf，沃尔玛可以更加高效做出管理决策，比如及时调整价格、高效管理库存。2019 年沃尔玛又发布了 Intelligent Retail Lab，借助物联网和 AI 来改善运营，比如公司可以通过

60、货架的传感器来监控产品的库存和新鲜程度，以此改善消费者的购物体验和管理库存减少损耗。18 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图图 25:沃尔玛对于数据的应用沃尔玛对于数据的应用 数据来源：哈佛商学院，中信建投证券 汇纳科技基于百亿客流提供零售选址、营销效果分析等服务汇纳科技基于百亿客流提供零售选址、营销效果分析等服务。汇纳科技覆盖超过 1800 个购物中心，5 万家品牌零售店，每年统计超过 150 亿客流。基于掌握的庞大数据，汇纳科技向百货、购物中心和品牌连锁店提供选址、营销分析、客流预测等服务。图图 26:汇纳科技基于客流等数据为商业综合体和品牌连锁店提供服务汇纳科技

61、基于客流等数据为商业综合体和品牌连锁店提供服务 数据来源：汇纳科技官网，中信建投证券 19 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 3、金融领域：洞悉真实交易，助力风控防诈 数据产品助力银行定位用户需求、风险评估，促进信贷业务的发展。数据产品助力银行定位用户需求、风险评估，促进信贷业务的发展。以银行为例，银行以数据产品为基础，整合客户信息，如所在地、工作情况、婚姻状况、在电商网站上的交易数据、客户近期消费等，进而分析客户潜在的金融服务需求，进行精准推广。对于中小企业贷款风险评估，可以通过企业的生产、流通、销售、财务等相关信息，进行数据挖掘与贷款风险分析，量化企业信用额度，进而

62、有效开展中小企业贷款等。精准营销精准营销+防诈防诈+精细运营三管齐下，有助于保险领域健康、稳定运行。精细运营三管齐下，有助于保险领域健康、稳定运行。数据产品可以从精准营销、欺诈行为分析和精细化运营三个方面广泛应用于保险领域。在营销方面，实时采集用户的职业、爱好、家庭结构、习惯、浏览行为、人脉关系等，进行实时精准营销，同时运用数据挖掘潜客、计算客户的退保概率和续期概率，及时发现高风险流失客户以实施干预，提高保单续保率。在欺诈行为分析方面，通过数据追溯，找出影响保险欺诈最显著因素以及因素的取值区间，建立预测模型，通过自动化分析，将理赔案件依照滥用欺诈可能性进行分类处理，高效解决保险欺诈的问题。在精

63、细化运营方面，通过数据产品获得更准确和更高利润率的保单模型，为客户定制个性化保单。表表 7:数据产品在金融领域的应用数据产品在金融领域的应用 领域领域 方式方式 证券 CRM、投资分析、股价预测 保险 细分客户、精细营销、欺诈分析 银行 精准营销、风险管控、客户画像、运营优化 资料来源：中国支付清算协会，中信建投证券 20 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 （二二）关注零售细分市场龙头）关注零售细分市场龙头 1、居然之家：家居全产业链布局，多维赋能家居经营 居然之家是中国泛家居行业龙头企业居然之家是中国泛家居行业龙头企业，门店网络遍布全国，门店网络遍布全国。居然主营家居

64、卖场，同时涵盖室内设计、装修、智能家居、智慧物流等。截至 2022 年 6 月 30 日，公司在国内 29 个省区市经营了 427 个家居卖场，包含 97 个直营卖场及 330 个加盟卖场。图图 27:2017-2021 年年居然之家居然之家经营门店数量经营门店数量 图图 28:2021 年年居然之家居然之家门店地区分布情况门店地区分布情况 数据来源：公司公告，中信建投证券 数据来源：公司公告，中信建投证券 数字化数字化产业服务产业服务平台“洞窝”上线，平台“洞窝”上线，数字化布局基本完成数字化布局基本完成。公司的家居零售产业服务平台“洞窝”于 2021年正式上线。截至 2022 年末，平台覆

65、盖线下卖场达到了 341 家；GMV 从 2021 年的超过 1 亿元增长至 2022 年末的超过 350 亿元。“洞窝”通过搭建中端零售管理、品牌数据决策、卖场经营管理三大系统赋能商户，服务消费者，连接工厂和卖场。由于公司旗下直营店的交易结算全部都统一收银，加盟、委管和非居然之家卖场逐步推进中，公司有望掌握千亿级的交易数据以及衍生的用户信息。图图 29:洞窝平台注册用户及覆盖卖场洞窝平台注册用户及覆盖卖场 图图 30:洞窝平台洞窝平台 GMV（亿元）（亿元）数据来源：公司公告，新华网，中信建投证券 数据来源：公司公告，新华网，中信建投证券 005002017201820

66、1920202021直营门店数量加盟门店数量010203040东北华北华东华南华中西北西南自有租赁委管特许2440050060020212022H12022累计注册用户（万）覆盖卖场（家）74超350050030035040020212022H12022 21 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 数据资产有望对于消费者、商户、品牌方多维赋能数据资产有望对于消费者、商户、品牌方多维赋能。统一收银为居然之家沉淀数据资产的基础，洞窝的快速推进是数据资产积累的重要来源。公司于核心区域布局仓储物流，并且上线了设计、装

67、修、家政等服务，有望形成家居家装全产业链数据闭环。由于家居卖场数字化程度较低并且专业化程度较高，因此以洞窝为核心形成的家居家装全产业链数据资产应用前景较大。1、对于消费者而言，购物数字化可以提升消费者购物体验，提升成交意愿；2、对于商户而言，数据资产可以帮助商户更加精准了解自身经营状况，同时由于家居卖场消费具备强关联性，因此数据资产有望实现高效引流；3、对于品牌商而言，丰富的零售终端数据可以帮助品牌开发新品、高效管理库存等。图图 31:居然之家数据资产居然之家数据资产应用场景应用场景举例举例 数据来源：中信建投证券 2、汇通达：分销供货为基础，数字化变现加速 公司错位竞争，聚焦下沉市场公司错位

68、竞争，聚焦下沉市场发展发展 B2B 电商。电商。公司主要业务为交易业务和服务业务。1、交易业务交易业务：通过公司自营的汇通达商城网站向乡镇农村商户分销家用电器、消费电子产品、农业生产资料、交通出行、家居建材及酒水饮料等品类。截至 2022H1，公司累计注册会员零售门店总数达到 191,750 家，同比增长 21.7%；实现活跃会员零售门店 65,264 家，同比增长 62.6%。截至 2021 年 9 月末，公司已经覆盖中国 21 省份，超 2 万个乡镇。2、服务业务：、服务业务：以数字化能力为基础，向商家提供免费 SaaS、SaaS 订阅+、商家解决方案等项目，截至 2022H1，SaaS+

69、订阅用户总数达 110781 人，同比增长 55.1%，其中付费 SaaS 用户达 27065 家，同比增长 179.71%；22H1服务业务板块收入 36.44 亿元，同比增长 117%。22 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图图 32:汇通达汇通达活跃会员零售门店数量活跃会员零售门店数量 图图 33:汇通达汇通达 SaaS+付费用户付费用户数量数量 数据来源：公司公告，中信建投证券 数据来源：公司公告，中信建投证券 汇通达基于汇通达基于 SaaS 服务，将数据资产运用到帮买、帮卖、帮管理等场景服务，将数据资产运用到帮买、帮卖、帮管理等场景。其中帮买主要包括商品的经

70、营，帮助用户进行爆款采购、数据分析以及反向定价；帮卖主要指经营顾客，包括开网店、精准营销以及流量管理；帮管理主要指店铺经营，包括支付结算、货物管理、履约管理、员工管理。图图 34:汇通达数据资产价值举例汇通达数据资产价值举例 数据来源：中信建投证券 3、孩子王：数字资产助力内部效率提升 孩子王孩子王为母婴行业龙头企业，为母婴行业龙头企业，注重私域会员运营注重私域会员运营。孩子王为母婴产品零售龙头企业，自营门店位居行业前列，截至 2022H1，孩子王于华东、西南、华中等地区拥有 500 家门店。孩子王注重会员运营，公司会员人数超过 5,000 万人，其中最近一年的活跃用户超过 1,100 万人，

71、企业微信私域运营用户近 1000 万，截至 2022H1 公司付费黑金会员规模超过 82 万人。-20%0%20%40%60%80%100%0000040000500006000070000200212022H1活跃会员零售门店数目（家）同比增长（右轴）-100%0%100%200%300%400%500%600%700%0500000002500030000200212022H1SaaS+付费用户（家）同比增长（右轴）23 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 图图 35:孩子王门店数

72、量（家）孩子王门店数量（家）图图 36:孩子王会员数量孩子王会员数量 数据来源：公司公告，中信建投证券 数据来源：公司公告，中信建投证券 孩子王不断加大研发投入，进行全渠道数字化升级开发孩子王不断加大研发投入，进行全渠道数字化升级开发。孩子王研发投入行业领先，同业爱婴室无研发支出。公司主要从 3 方面进行了数字化：1、用户数字化：搭建了 APP、小程序、云 POS 等用户前端系统，实现了从线下数字化门店到手机 APP、微信小程序等全渠道互通。2、员工数字化：发了育儿顾问客户管理工具“人客合一”、“云客合一”、“阿基米德”店总经营管理工具等，赋能基层员工进行高效而精准的客户服务和管理。3、管理数

73、字化：公司搭建了以业务和数据双中台系统为主，以 AI 中台为辅的技术架构，提升了整体业务运转效率。图图 37:孩子王研发投入（万元，孩子王研发投入（万元，%）图图 38:孩子王孩子王数字化门店数字化门店 数据来源：公司公告，中信建投证券 数据来源：公司公告，中信建投证券 公司沿着“信息化公司沿着“信息化-在线化在线化-智能化”的发展路径智能化”的发展路径，实现了“用户、员工、商品、服务、管理”等生产要素，实现了“用户、员工、商品、服务、管理”等生产要素的数字化在线。的数字化在线。截至 2021 年，孩子王亿搭建 5 大前台系统、3 大中台系统、7 大后台系统，涵盖 7000+个系统模块，130

74、0+个数字化生产工具，丰富的数据资产为公司发展赋能。公司数据资产可以用于精准营销和服务、精准管理、智能物流等。25835243449550000500600200212022H14,2005,0005,3001,0001,1001,00070768201,0002,0003,0004,0005,0006,000202020212022H1会员数/万活跃会员数/万黑金会员数/万0.0%0.5%1.0%1.5%2.0%020004000600080000021研发费用研发费率（右轴）24 行业深度报告 商贸零售

75、商贸零售 请参阅最后一页的重要声明 图图 39:孩子王数据资产价值举例孩子王数据资产价值举例 数据来源：中信建投证券 4、借鉴成熟 SaaS 企业估值模式，初步估算数据资产价值 数据要素在零售端的应用仍处于初级阶段，数据产品定价规则仍不明晰。对于零售企业，数据正处于由原始阶段向数据资产阶段行进中，首先是内部提效，其次外部赋能。我们认为，未来零售企业数据资产有望通过订阅+服务的类 SaaS 模式向上下游 B 端获取增值收入空间。因此，参考主要 SaaS 企业估值模式，我们对于我们对于零零售细分市场龙头潜在售细分市场龙头潜在线上业务估值采取三阶段的方式线上业务估值采取三阶段的方式。【1】初级阶段是

76、构建基础框架和数据积累，此时变现模式还不成熟，货币化率（即 GMV 变现为收入的比例）仍然在快速增长且尚未达到稳定，因此可以采取 P/GMV 估值方法，即市场对于单位 GMV 愿意付出的价格，表明投资者对于 GMV 变现为收入的预期。我们认为，我们认为，产业链延伸范围的广度和服务的深度决定变现率的高度，产业链延伸范围的广度和服务的深度决定变现率的高度，如果如果平台能够链接更多主体，与主体深度绑定平台能够链接更多主体，与主体深度绑定提供深度服务提供深度服务，那么，那么 GMV 更具有价值，变现潜力更高。更具有价值，变现潜力更高。根据国内外 SaaS 企业有赞和 Shopify 历史估值，我们认为

77、对于 GMV 高速增长的企业，根据服务链路的完整性、增值方式的差异、变现潜力的大小，终局差异极大，因而 0.1-0.9 倍 P/GMV 都是可能存在的。【2】次级阶段是数据应用场景的搭建、综合解决方案的成型和用户粘性的积累，此时变现率进入稳步提升阶段，收入规模开始显现，并且投资者对于收入有所期待，可以采取 P/S 估值的方式。目前多数 SaaS 企业已经处于此阶段，GMV 增速放缓，变现比例逐渐进入稳定阶段，结合服务粘性的强弱、收入和成本曲线（规模效应）的趋势、我们认为其可预期的终局价值依旧差异很大，合理估值区间为 2-10 倍 P/S。【3】成熟阶段是可持续性的数据要素生产加工变现，对应稳定

78、的订阅+增值服务创收，此时可以采取 P/E估值的方式，预计部分 SaaS 企业于未来几年进入成熟阶段，盈利有望浮出水面并且步入高速增长阶段，参考盈利模式成熟企业，可以给予其 30-50 倍 P/E 估值。居然之家：居然之家：预计 22 年/23 年洞窝平台 GMV 分别为 350 亿元、1000 亿元，预计 22 年/23 年洞窝平台产生的收入分别为 0.4 亿元、2.5 亿元，初级阶段如果按照 P/GMV 估值，可以给予 22 年 0.5-0.8 倍 P/GMV，给予 23年 0.2-0.4 倍 GMV，对于 22 年、23 年估值分别为 175-280 亿元、200-400 亿元。25 行

79、业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 表表 8:部分部分 SaaS 企业估值（企业估值（2023 年年 3 月月 6 日）日）代码代码 公司公司 市值市值（百万元百万元）收入预测（百万元）收入预测（百万元）PS PE 2022A/E 2023E 2024E 2022A/E 2023E 2024E 2022A/E 2023E 2024E 8083 HK Equity 有赞 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 资料来源：Bloomberg，Wind，中信建投证券，注：有赞与微盟单位为人民币元，采用中信建投盈利预测。其余公司为美元，采用彭博一致盈利预期。表表 9:有赞与有赞与

82、Shopify 估值估值 有赞有赞 2019 2020 2021 2022H1 GMV（亿元）645.00 1037.00 983.00 479.00 日均市值（亿元）69.61 180.39 248.46 34.76 P/GMV 0.11 0.17 0.25 0.07 Shopify 2019 2020 2021 2022 GMV（亿美元）611.4 1195.8 1753.6 1971.7 日均市值（亿美元）308.00 928.78 1,647.88 602.34 P/GMV 0.50 0.78 0.94 0.31 资料来源：公司公告，Wind，中信建投证券，注：市值采用当年度的日均总市

83、值。26 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 投资评价和建议投资评价和建议 零售行业数据价值量巨大，随着数据要素市场基础制度建设和数商生态逐渐繁荣，数据要素市场由有偏走向无偏，产业链各环节专业程度提高、交易成本降低，数据资产价值将逐步释放。零售行业渠道价值得以重构。我们推荐关注零售细分领域龙头企业，其数据资产具备独特性，数据资产价值潜力较大，同时数字化进程加速。推荐关注：居然之家、汇通达、孩子王居然之家、汇通达、孩子王。表表 10:重点公司盈利预测重点公司盈利预测（人民币（人民币元元）代码代码 公司公司 股价股价 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 汇通达网络 28.11-0.62 0.77 1.46 36 19 资料来源：Wind，中信建投证券 27 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 风险分析风险分析 1、数据确权、数据隐私问题使得数据要素市场建设进展低于预期。由于数据本身具有虚拟性、非竞争性等特点，因此面临数据安全和数据确权问题。如果基础制度

85、建设进度慢于预期，数据资产开发和数据产品交易可能受阻。2、公司数字化投入开发数据资产会增加成本，短期内拖累收入和利润。目前数据资产价值释放场景仍不完全明晰，即便加大投入数字化投入，数据资产变现进程可能仍然较慢，短期内公司收入和利润承压。3、不同主体提供类似数据产品，使得数据要素市场竞争加剧，影响盈利水平。不同数据供应主体可能具有同质化程度较高的数据资产，随着数字化建设和市场机制建设加快，数据资产竞争可能加剧。28 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 分析师介绍分析师介绍 刘乐文刘乐文 美国约翰霍普金斯大学金融硕士学位，现任中信建投商贸社服行业首席分析师。拥有六年证券研究从

86、业经验，主要研究领域社会服务、商贸零售、医美化妆品等多个服务类板块。研究助理研究助理 孙英杰孙英杰 29 行业深度报告 商贸零售商贸零售 请参阅最后一页的重要声明 评级说明评级说明 投资评级标准 评级 说明 报告中投资建议涉及的评级标准为报告发布日后 6个月内的相对市场表现，也即报告发布日后的 6 个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A 股市场以沪深300 指数作为基准；新三板市场以三板成指为基准；香港市场以恒生指数作为基准；美国市场以标普 500 指数为基准。股票评级 买入 相对涨幅 15以上 增持 相对涨幅 5%15 中性 相对涨幅-5%5之间 减持

87、 相对跌幅 5%15 卖出 相对跌幅 15以上 行业评级 强于大市 相对涨幅 10%以上 中性 相对涨幅-10-10%之间 弱于大市 相对跌幅 10%以上 分析师声明分析师声明 本报告署名分析师在此声明：（i）以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,结论不受任何第三方的授意或影响。（ii）本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。法律主体说明法律主体说明 本报告由中信建投证券股份有限公司及/或其附属机构（以下合称“中信建投”）制作，由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门

88、、台湾）提供。中信建投证券股份有限公司具有中国证监会许可的投资咨询业务资格，本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告上海品茶。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。本报告作者所持香港证监会牌照的中央编号已披露在报告上海品茶。一般性声明一般性声明 本报告由中信建投制作。发送本报告不构成任何合同或承诺的基础，不因接收者收到本报告而视其为中信建投客户。本报告的信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性及完整性不作任何保证。本报告所载观点、评估和预测仅反映本报告出具日该分析师的判断，该等观点、评估和预

89、测可能在不发出通知的情况下有所变更，亦有可能因使用不同假设和标准或者采用不同分析方法而与中信建投其他部门、人员口头或书面表达的意见不同或相反。本报告所引证券或其他金融工具的过往业绩不代表其未来表现。报告中所含任何具有预测性质的内容皆基于相应的假设条件，而任何假设条件都可能随时发生变化并影响实际投资收益。中信建投不承诺、不保证本报告所含具有预测性质的内容必然得以实现。本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其他因素自主做出决策并自

90、行承担投资风险。中信建投建议所有投资者应就任何潜在投资向其税务、会计或法律顾问咨询。不论报告接收者是否根据本报告做出投资决策，中信建投都不对该等投资决策提供任何形式的担保，亦不以任何形式分享投资收益或者分担投资损失。中信建投不对使用本报告所产生的任何直接或间接损失承担责任。在法律法规及监管规定允许的范围内，中信建投可能持有并交易本报告中所提公司的股份或其他财产权益，也可能在过去 12 个月、目前或者将来为本报告中所提公司提供或者争取为其提供投资银行、做市交易、财务顾问或其他金融服务。本报告内容真实、准确、完整地反映了署名分析师的观点，分析师的薪酬无论过去、现在或未来都不会直接或间接与其所撰写报

91、告中的具体观点相联系，分析师亦不会因撰写本报告而获取不当利益。本报告为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本报告全部或部分内容，亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本报告全部或部分内容。版权所有，违者必究。中信建投证券研究发展部中信建投证券研究发展部 中信建投（国际）中信建投（国际）北京 上海 深圳 香港 东城区朝内大街2 号凯恒中心B座 12 层 上海浦东新区浦东南路528号南塔 2106 室 福田区福中三路与鹏程一路交汇处广电金融中心 35 楼 中环交易广场 2 期 18 楼 电话：（8610）8513-0588 电话：（8621）6882-1600 电话：（86755）8252-1369 电话：（852）3465-5600 联系人：李祉瑶 联系人：翁起帆 联系人：曹莹 联系人：刘泓麟 邮箱： 邮箱： 邮箱： 邮箱：charleneliucsci.hk