如果數(shù)據(jù)成為企業(yè)的大腦,如何持久地保持這個大腦的開放性和學(xué)習(xí)性,將成為考驗(yàn)企業(yè)的新問題。行業(yè)正在覺醒。當(dāng)很多企業(yè)還在糾結(jié)是否數(shù)字化、下多大力氣數(shù)字化時,已經(jīng)有先行者將看似紙上談兵的理論落地,開始建造屬于自己的數(shù)據(jù)大腦。
一路走來,蘇春園和他創(chuàng)辦的觀遠(yuǎn)數(shù)據(jù)既是冷靜的旁觀者,又是切身的參與者。在談起“數(shù)據(jù)”相關(guān)話題時,蘇春園似乎可隨時隨地進(jìn)入狀態(tài),他想深入觀察和參與零售業(yè)的數(shù)字化歷史進(jìn)程,也想讓數(shù)據(jù)大腦真正地變成零售企業(yè)的標(biāo)配。
行業(yè)認(rèn)知的升級和變革,使得扎根零售數(shù)字化和智能化的企業(yè)和平臺一波又一波涌出,看似炫酷又高大上的“黑科技”不斷地給行業(yè)注入強(qiáng)心針,但是在這場漫長的零售業(yè)升級進(jìn)程中,數(shù)據(jù)究竟將扮演何種角色?行業(yè)是否真的迎來了得數(shù)據(jù)者得天下的時代?
精耕細(xì)作是前提
此前,一起惠曾獨(dú)家對話觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人兼CEO蘇春園,詳細(xì)了解其提出的5A戰(zhàn)略。點(diǎn)擊此處了解5A戰(zhàn)略
觀遠(yuǎn)數(shù)據(jù)將自己定位于智能數(shù)據(jù)分析平臺,5A戰(zhàn)略是其數(shù)據(jù)分析與商業(yè)智能解決方案的具體落地途徑,即AI+BI(Business Intelligence)。根據(jù)介紹,5A戰(zhàn)略可拆分為5個部分進(jìn)行理解:
1、Agile-敏捷化,從核心場景切入,構(gòu)建基礎(chǔ)數(shù)據(jù)分析體系。
2、Accurate-場景化,梳理監(jiān)控指標(biāo),對商品、營運(yùn)、市場營銷、進(jìn)銷存等數(shù)據(jù)監(jiān)控和運(yùn)營。
3、Automated-自動化,對全鏈路進(jìn)行自動處理與監(jiān)控,分析業(yè)務(wù)變化。
4、Augmented-增強(qiáng)化,用算法幫助企業(yè)進(jìn)行復(fù)雜場景的人工智能應(yīng)用。
5、Actionable-行動化,分析異常產(chǎn)生的原因,提供可行動的建議。
而這五個階段好比建樓和打地基的過程,“心急吃不了熱豆腐”,必須循序漸進(jìn)。企業(yè)要從積累數(shù)據(jù)開始,再到分析數(shù)據(jù),最后將所有數(shù)據(jù)“為我所用”。其實(shí),數(shù)據(jù)好比一座半掩埋的金礦,只能看不能用的數(shù)據(jù)并不能發(fā)揮真正的價值,而觀遠(yuǎn)想幫助行業(yè)真正地挖掘出這座金礦的價值。
“目前核心抓手就是數(shù)據(jù),大家應(yīng)該先來挖掘數(shù)據(jù)金山,把現(xiàn)有的數(shù)據(jù)有價值地利用起來,再開始重點(diǎn)考慮創(chuàng)新?!碧K春園表示。
蘇春園向一起惠反復(fù)強(qiáng)調(diào)了精細(xì)化運(yùn)營的重要性,這可能會成為零售業(yè)數(shù)字化的分水嶺之一?!斑^去幾年中,所謂的數(shù)字化大多停留在粗放地管理經(jīng)營。從今年開始,零售企業(yè)一定要進(jìn)入精耕細(xì)作的階段,開始精細(xì)管理。通過數(shù)據(jù)去監(jiān)管到單店、單品、單客、單SKU和單時,這是真正要做的事情,其他都是概念,企業(yè)一定要把精細(xì)化管理作為重中之重?!?/span>
能一蹴而就的變革并不能稱之為變革,零售業(yè)數(shù)字化同樣適用于這個道理。零售漫長的發(fā)展史,也使得數(shù)字化階段不可能做到一次到位,這將經(jīng)歷一個過程,對于不同行業(yè)不同企業(yè)來說,速度或快或慢,但都是必經(jīng)之路。
蘇春園判斷,隨著企業(yè)內(nèi)部業(yè)務(wù)的不斷調(diào)整,管理體系和數(shù)據(jù)分析體系也需要不斷變化。按照目前的經(jīng)驗(yàn)和情況來判斷,對于企業(yè)內(nèi)部的單一業(yè)務(wù)來說,經(jīng)過3~6個月可以初步形成一個精細(xì)化管理的體系。
務(wù)實(shí)+創(chuàng)新是過程
在交談過程中,蘇春園向一起惠談及了幾個問題,而這些問題也是不少零售企業(yè)正在面對并亟待解決的。
例如:在每一次大促結(jié)束后,該如何自動進(jìn)行效果分析與評估?如何從海量SKU中快速定位和匹配到本季度門店內(nèi)最熱銷的關(guān)聯(lián)商品搭配?在下午三點(diǎn),門店某主力SKU商品銷售不及預(yù)期時,如何在第一時間預(yù)警?數(shù)據(jù)要如何追蹤,并給出切實(shí)可行的正確建議?新品推出后,如何做到快速反應(yīng),將實(shí)時數(shù)據(jù)和歷史規(guī)律相結(jié)合,判斷新品銷售情況并響應(yīng)市場節(jié)奏?
企業(yè)該如何基于歷史經(jīng)營數(shù)據(jù)和公共數(shù)據(jù),預(yù)測不同品類甚至SKU的銷售情況?又要如何進(jìn)一步指導(dǎo)訂貨、促銷、生產(chǎn)和物流?
和立即應(yīng)用起各種“黑科技”、AI技術(shù)比起來,先務(wù)實(shí)地解決這些擺在眼前的問題,是蘇春園和觀遠(yuǎn)對行業(yè)提出的建議。
“在過去的兩年中,我們發(fā)現(xiàn)很多傳統(tǒng)零售企業(yè)的數(shù)據(jù)基礎(chǔ)差、底子薄,可能沒法直接使用一些數(shù)據(jù)分析的工具,觀遠(yuǎn)會先幫助其做數(shù)據(jù)梳理,夯實(shí)數(shù)據(jù)基礎(chǔ),基礎(chǔ)不好真的會拉后腿。除了底子薄的問題比較棘手外,很多企業(yè)的負(fù)責(zé)人被AI‘洗腦’,希望直接運(yùn)用AI技術(shù),全面AI化,就好比地基還沒打好,就想直接蓋到五層樓?!碧K春園向一起惠表示。
經(jīng)過AI風(fēng)口的洗禮,和有關(guān)數(shù)字化的激烈討論,行業(yè)正在逐漸回歸到理性階段?!叭绻f企業(yè)有兩只手,那一只手已經(jīng)開始理性地打基礎(chǔ),監(jiān)控?cái)?shù)據(jù)細(xì)節(jié)。但另一方面,大家對科技的熱度還在,在務(wù)實(shí)的同時,另外一只手也會去嘗試更多可能和創(chuàng)新?!碧K春園認(rèn)為,這種狀態(tài)非常好,“該務(wù)實(shí)的地方要務(wù)實(shí),該嘗試新的東西也要去嘗試?!?/span>
和一些傳統(tǒng)零售企業(yè)相比,部分發(fā)跡于互聯(lián)網(wǎng)和注重?cái)?shù)據(jù)的零售公司在基本功上更具先發(fā)優(yōu)勢。相比較之下,數(shù)據(jù)積累充分、技術(shù)好、預(yù)算多的企業(yè),已經(jīng)可以從精細(xì)化運(yùn)營進(jìn)入到更高階段的嘗試——單場景的智能化落地,例如在某個場景下做到智能預(yù)警,預(yù)測發(fā)現(xiàn)問題,并進(jìn)行自動診斷。
數(shù)據(jù)決策是結(jié)果
在蘇春園看來,找到可以智能化的第一個場景很重要,有第一個應(yīng)用場景后才能進(jìn)一步“開枝散葉”?!皵?shù)據(jù)分析和應(yīng)用相對成熟的企業(yè),可以挑選一兩個場景優(yōu)先落地進(jìn)行嘗試,隨著數(shù)據(jù)不斷完善,再探討可復(fù)制性,做更多的落地嘗試。例如先做銷量預(yù)測預(yù)警、再到客戶流失的預(yù)警以及智能訂貨等?!?/span>
和傳統(tǒng)BI不同,觀遠(yuǎn)數(shù)據(jù)希望根據(jù)不同企業(yè)的數(shù)據(jù)基礎(chǔ),幫助其進(jìn)行整體的數(shù)字化發(fā)展規(guī)劃。這家企業(yè)篤定,未來企業(yè)的核心競爭力勢必在于數(shù)據(jù)驅(qū)動和智能決策。在這個充滿未知的時代,all in在建造數(shù)據(jù)決策大腦這件事上是最佳策略。
在新零售、智慧零售和無界零售等各種新名詞的加碼下,概念辨析和爭論已經(jīng)變得意義微弱,但不可否認(rèn)的是,在互聯(lián)網(wǎng)巨頭的吹風(fēng)和推動下,線上線下進(jìn)一步融合,“人貨場”三要素間的多維互動更為頻繁和復(fù)雜。在這種背景下,讓數(shù)據(jù)代替人的經(jīng)驗(yàn)的說話顯得更為重要和緊迫。
蘇春園認(rèn)為,數(shù)字化和智能化是遞進(jìn)關(guān)系,前者是基礎(chǔ),后者則是深度應(yīng)用。觀遠(yuǎn)一些客戶企業(yè)中,已經(jīng)可以把單個場景進(jìn)行智能化運(yùn)營,例如對銷售進(jìn)行智能預(yù)測,從靠經(jīng)驗(yàn)決策改為用算法決策。以前需要等老板拍板決策的問題或者反饋問題較慢的劉亮程,現(xiàn)在都可以托管給算法。
“算法要結(jié)合人的經(jīng)驗(yàn)共同發(fā)揮作用。算法不知疲倦地運(yùn)轉(zhuǎn)和發(fā)現(xiàn)問題,而人是要驗(yàn)證規(guī)律,然后告訴算法,基于這個規(guī)律去不斷地發(fā)現(xiàn)問題。但現(xiàn)在一般只能做到某個場景的智能化運(yùn)營,我們離全面智能還需要一段時間,大概可能在3至5年。而且我們要不斷提高智能化的精準(zhǔn)程度,從70%、80%、90%到99%……智能化是沒有止境的?!碧K春園向一起惠指出。
從2016年9月成立至今,觀遠(yuǎn)數(shù)據(jù)已經(jīng)服務(wù)于聯(lián)合利華、百威英博、岡本、生鮮傳奇、NOME諾米家居、喜茶、Lily、IFS、上蔬永輝、小紅書等多家零售企業(yè)。結(jié)合兩年多的垂直行業(yè)經(jīng)驗(yàn)和對未來趨勢的預(yù)判,在面對新的競爭對手、新的渠道和新的環(huán)境時,蘇春園總結(jié)了三點(diǎn)建議:
第一,極度的精細(xì)化管理,到單品、單SKU、單客。
第二,快速反應(yīng),實(shí)時響應(yīng)外部或者內(nèi)部各種經(jīng)營環(huán)節(jié)異常。
第三,智能決策,一層層縱深,針對企業(yè)所處的不同階段,從數(shù)據(jù)分析到更智能的決策。
數(shù)字化改革如火如荼,服務(wù)商戰(zhàn)場群雄逐鹿,在零售業(yè)這場深刻的變革中,觀遠(yuǎn)數(shù)據(jù)試圖把看似冰冷數(shù)據(jù)描繪得更加性感。無論其構(gòu)想的這幅藍(lán)圖能否如期實(shí)現(xiàn),能參與和見證一個時代的迭代都已經(jīng)足夠幸福。
聲明:本站部分信息來自互聯(lián)網(wǎng),轉(zhuǎn)載的目的在于傳遞更多信息及用于網(wǎng)絡(luò)分享,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),也不構(gòu)成任何其他建議。如果您發(fā)現(xiàn)網(wǎng)站上有侵犯您的知識產(chǎn)權(quán)的作品,請與我們?nèi)〉寐?lián)系,我們會及時修改或刪除