零售企業(yè)增長受限，智能BI如何成為破局之道

　 域名預(yù)訂/競價(jià)，好“米”不錯(cuò)過

近兩年，伴隨流量紅利消失和供給過剩，從粗放擴(kuò)張走向精細(xì)化運(yùn)營，已成為諸多消費(fèi)零售企業(yè)的共識(shí)。其中，數(shù)字化、智能化作為業(yè)務(wù)的重要引擎，也在被越來越多地提及。

但在落地時(shí)，大多數(shù)消費(fèi)零售企業(yè)還是一籌莫展，他們普遍存在以下疑慮：

如何判定數(shù)據(jù)對企業(yè)的具體價(jià)值，什么時(shí)候落地系統(tǒng)最合適？在不同階段怎么做升級(jí)迭代？未來通過數(shù)據(jù)化、智能化，可以做成什么樣的公司？

為此，浪潮新消費(fèi)專訪了觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人蘇春園 ，他曾任微策略中國區(qū)產(chǎn)品研發(fā)總裁，在商業(yè)智能領(lǐng)域有多年專業(yè)積累。

2016 年創(chuàng)立觀遠(yuǎn)數(shù)據(jù)，深耕零售和消費(fèi)領(lǐng)域，圍繞數(shù)據(jù)分析決策，服務(wù)超過一百家頭部消費(fèi)零售公司，包括聯(lián)合利華、沃爾瑪?shù)任灏購?qiáng)企業(yè)。 而在最近，「觀遠(yuǎn)數(shù)據(jù)」也獲得了襄禾資本、紅杉資本等機(jī)構(gòu)的上億元B輪融資。

“過去大家關(guān)注的都是流量問題：怎么做電商的投放、流量增長，但零售最終比的就是精耕細(xì)作，這才是未來企業(yè)的核心競爭力。 ”在蘇春園看來，未來好的零售企業(yè)，一定也是科技企業(yè)。

“你不能指望它馬上就能產(chǎn)出多么大的結(jié)果。但只要你愿意持續(xù)地投入，每天都在基于新的數(shù)據(jù)不斷迭代，在你更新365天之后，一定能甩別人十條街。”

1 、數(shù)據(jù)發(fā)生重要價(jià)值，需要時(shí)間的積累

最近幾年，我們看到一個(gè)大趨勢，就是現(xiàn)在已經(jīng)不是流量的時(shí)代了，而是效率的時(shí)代。 如何持續(xù)地創(chuàng)新，更敏捷地反應(yīng)，更精準(zhǔn)地選品……這些問題都建立在效率基礎(chǔ)之上。

對企業(yè)來說，這是一個(gè)從2C到2B的過程，過去大家關(guān)注的都是流量增長問題，比如怎么做電商投放、流量運(yùn)營等等，但現(xiàn)在比的是精耕細(xì)作，比的是效率。

無論是大數(shù)據(jù)，還是人工智能，其實(shí)解決的都是效率問題，這才是未來企業(yè)的核心競爭力。

相比于國內(nèi)，美國企業(yè)在這方面發(fā)展得很好。最大的區(qū)別在于，他們的基礎(chǔ)非常扎實(shí)。 像星巴克這些五百強(qiáng)企業(yè)，它們的數(shù)據(jù)化工作堅(jiān)持了很多年，到今天已經(jīng)形成非常規(guī)范的數(shù)據(jù)口徑和很好的數(shù)據(jù)質(zhì)量。這其實(shí)非常難得，需要很長時(shí)間積累。

國內(nèi)零售企業(yè)很典型的一類問題是什么呢？大家都說要擁抱大數(shù)據(jù)，擁抱人工智能，但很少能堅(jiān)持下來。

因?yàn)榇髷?shù)據(jù)未必能一下子產(chǎn)生多么宏大的價(jià)值，它需要持續(xù)積累。有一些客戶，上來就想做預(yù)測和指導(dǎo)，但其實(shí)沒有歷史上的促銷、門店、貨架等數(shù)據(jù)，很難一下子做出多么大的優(yōu)化。

所以數(shù)據(jù)化這個(gè)東西，越早啟動(dòng)越好。把該沉淀的數(shù)據(jù)沉淀下來，該規(guī)范的管理規(guī)范起來，包括數(shù)據(jù)的質(zhì)量，也要一步一步優(yōu)化。就像蓋樓一樣，你不可能不要第一層第二層，直接就蓋到第五層。

而且技術(shù)沒什么捷徑，美國的整個(gè)信息化，也是過去30年循序漸進(jìn)發(fā)展起來的。國內(nèi)是最近10年才開始，還有很多不規(guī)范的地方，比如會(huì)員到底是不是本人消費(fèi)的，二維碼掃得合不合規(guī)等等。因?yàn)閿?shù)據(jù)是有口徑的，不是采集上來就行，還涉及到各個(gè)環(huán)節(jié)數(shù)據(jù)的規(guī)范統(tǒng)一。

2 、中國零售的創(chuàng)新、迭代，將催生DT時(shí)代SAP的機(jī)會(huì)

雖然國內(nèi)的基礎(chǔ)比較弱，但基本也以三到五倍的速度在趕超，尤其是在新技術(shù)的擁抱和處理上。

我發(fā)現(xiàn)我們的一些五百強(qiáng)客戶，像沃爾瑪、百威、聯(lián)合利華等等，他們在全球范圍內(nèi)，只有跟中國才有這么前沿的合作，包括他們很多全球的高管都來參觀。

中國在全球最能拿得出手的，就是在消費(fèi)零售領(lǐng)域的各種創(chuàng)新玩法。 各種線上線下的融合、體驗(yàn)的迭代，還有各式各樣的線下門店，像社區(qū)生鮮，在美國根本就沒有這種概念。

這跟中國的商業(yè)環(huán)境有關(guān)，移動(dòng)互聯(lián)網(wǎng)加上新生代的消費(fèi)主力軍，創(chuàng)造了一個(gè)復(fù)雜又非常有活力的市場。在C端的倒逼下，你必須源源不斷地創(chuàng)新，在國內(nèi)如果你不按照最高的要求去做，肯定活不下去。

在這種市場環(huán)境的教育下，創(chuàng)新已經(jīng)成為主流的群體，尤其是消費(fèi)零售行業(yè)，這幾年講的新零售、社交電商、小程序，如果你沒有做過這些創(chuàng)新，企業(yè)可能都不在了。

這樣的壓力，推著國內(nèi)的零售和品牌力量變得越來越強(qiáng)，迭代越來越快。它們需要最新的技術(shù)，技術(shù)也永遠(yuǎn)是跟著商業(yè)去服務(wù)，這對于我們來說是個(gè)巨大的機(jī)會(huì)。

回到一個(gè)例子，就在二三十年前，制造業(yè)蓬勃發(fā)展的時(shí)候，SAP誕生在哪？德國。全球最牛逼的制造大國。SAP 把德國最先進(jìn)的的產(chǎn)品和理念提煉出來，輸出到全球，再牛的企業(yè)也得用，而中國現(xiàn)在也有類似的機(jī)會(huì)。

像SAP、IBM做的都是千億美金的市場，但為什么中國企業(yè)服務(wù)領(lǐng)域還沒有出現(xiàn)同等實(shí)力的公司呢？因?yàn)橹袊举|(zhì)上已經(jīng)不是IT的時(shí)代了，而是DT時(shí)代（Data Technology），企業(yè)需要的是DT時(shí)代的SAP、IBM。

1 、通過數(shù)據(jù)，尋找100倍迭代改進(jìn)的機(jī)會(huì)

如果說IT是幫企業(yè)上數(shù)據(jù)，那DT本質(zhì)上就是幫企業(yè)去用數(shù)據(jù)，挖掘數(shù)據(jù)價(jià)值。在這個(gè)大趨勢下，觀遠(yuǎn)數(shù)據(jù)的核心定位就是做一個(gè)數(shù)據(jù)分析平臺(tái)，通過分析業(yè)務(wù)數(shù)據(jù)，讓企業(yè)更好地發(fā)現(xiàn)問題，給出決策建議。

它是一個(gè)決策大腦的問題，是企業(yè)未來的核心競爭力所在，也是我們所有商業(yè)合作的大門。

因?yàn)槠髽I(yè)每天都要做幾百上千個(gè)決策，補(bǔ)貨是不是要調(diào)整，現(xiàn)在表現(xiàn)是不是異常等等，都不好判斷。原來怎么解決的呢？可能是一周開一次會(huì)，去分析哪些商品賣得好，貨架怎么去調(diào)整，怎么做促銷。但很多時(shí)候你會(huì)發(fā)現(xiàn)人流量沒問題，貨架也OK，但銷量為什么不好，你找不到原因。

如果我們能通過規(guī)則、算法，讓這件事情自動(dòng)化，每半個(gè)小時(shí)就讓算法過一次，每天按8個(gè)小時(shí)算，一周就多了一百多次發(fā)現(xiàn)問題的機(jī)會(huì)。

從每周一次變成每周一百次，這100倍發(fā)現(xiàn)問題的機(jī)會(huì)，就等于有了100倍迭代改進(jìn)的機(jī)會(huì)，最后就是100倍的增長機(jī)會(huì)。 一年之后，你跟隔壁店的競爭力就完全不一樣。

所以我們從第一天開始就很明確，要做的是分析平臺(tái)，要讓不同的客戶都能在這個(gè)平臺(tái)上解決共性問題。而非做項(xiàng)目，最后沒法規(guī)模化，還要拖累客戶，因?yàn)槊總€(gè)客戶都要開發(fā)不同代碼，很多很好的行業(yè)實(shí)踐就沒法共享。

這樣的話，就要求產(chǎn)品本身要高度抽象，一些獨(dú)特的需求再通過配置來解決。它不是定制，是配置。這種抽象化的產(chǎn)品能力也是我們的核心能力，它的要求其實(shí)很綜合：

一是對數(shù)據(jù)分析的理解 ，企業(yè)到底應(yīng)該怎么分析數(shù)據(jù)，用哪些模型算法；

二是對業(yè)務(wù)的理解 ，因?yàn)樗械姆治龆际禽o助完成業(yè)務(wù)的，不同的業(yè)務(wù)需要什么樣的決策方式；

三是產(chǎn)品技術(shù)能力 ，用什么樣的技術(shù)來解決對應(yīng)的問題，怎么處理海量的數(shù)據(jù)、拓展等等。

當(dāng)然，還需要你正兒八經(jīng)地去服務(wù)一百個(gè)大客戶，只有踩過足夠的坑，交過足夠的學(xué)費(fèi)，才能知道企業(yè)在不同階段，不同的數(shù)據(jù)源情況下，怎么抽象出產(chǎn)品。說白了也沒什么捷徑，坐在辦公室，找?guī)讉€(gè)技術(shù)，肯定解決不了企業(yè)的問題。

2 、只有數(shù)據(jù)才能解決的零售問題

落到數(shù)據(jù)分析在消費(fèi)零售企業(yè)的具體實(shí)踐，我們關(guān)注三個(gè)問題：

第一是精細(xì)。消費(fèi)零售這個(gè)行業(yè)，說破天就是看誰更精細(xì)。什么是真正的顆粒度革命？從單店、單品，到單客、單時(shí)（每個(gè)小時(shí)的數(shù)據(jù)），沒有這樣的顆粒度，企業(yè)很難做好。

甚至我們還有個(gè)概念叫「單度」，比如到了八月份，氣溫每上升一度，對你每個(gè)商品的銷售會(huì)產(chǎn)生怎樣的影響。

這種細(xì)微的變化和規(guī)律，沒有算力，光靠人工，是把握不了的。除非遇到一個(gè)超級(jí)店長，但你一千個(gè)店里能有幾個(gè)超級(jí)店長？這是很客觀的問題。

第二是快速反應(yīng)。怎么快？比如前面提到的，通過算法，把一周開一次討論會(huì)，變成每周一百次的算法決策。

當(dāng)然，前提是你到了一定的體量，如果只是一個(gè)夫妻老婆店，那肯定不是我們的目標(biāo)用戶。本質(zhì)上，我們解決的還是規(guī)?；墓芾硇蕟栴}，而不是幫大家去開一個(gè)小店。

第三叫智能決策。你能基于預(yù)測，給出行動(dòng)建議。 比如我未來四小時(shí)怎么供貨？它可能跟天氣、時(shí)期、門店的畫像、庫存和供應(yīng)鏈情況都有關(guān)系，其中核心就是要養(yǎng)數(shù)據(jù)，把分析指標(biāo)體系構(gòu)建出來。

只有在你積累了半年一年，數(shù)據(jù)質(zhì)量越來越高，口徑越來越規(guī)范的時(shí)候，才能做到真正的預(yù)測。所以我們走到這一步的合作伙伴還很少，基本只有五百強(qiáng)企業(yè)才有這個(gè)基礎(chǔ)。

這也涉及到零售企業(yè)跟技術(shù)公司協(xié)作的問題，我認(rèn)為最合適的一定是戰(zhàn)略合作伙伴關(guān)系，而不是簡單的甲乙方。因?yàn)閿?shù)字化這個(gè)事情，不光是一個(gè)工具或者產(chǎn)品就能改變，企業(yè)更需要的你告訴他行業(yè)有哪些最佳實(shí)踐，給他們做一些輕度咨詢，然后再接入服務(wù)。

當(dāng)然，我也接觸過一些想自己做數(shù)據(jù)分析系統(tǒng)的企業(yè)，最后都會(huì)發(fā)現(xiàn)跟想象的不一樣，一是慢，二是因?yàn)樽约鹤觯鸵馕吨狈π袠I(yè)視角的指導(dǎo)。

還有一點(diǎn)，零售企業(yè)要招高水平的技術(shù)團(tuán)隊(duì)，最后其實(shí)留不住。因?yàn)榛虿灰粯樱嬲胱黾夹g(shù)的人，最希望的都是源源不斷地接觸新技術(shù)，一個(gè)便利店你說我要天天嘗試新技術(shù)也不可能。

所以我的建議是很明確的，最后一定是專業(yè)分工，要跟外部合作。 當(dāng)然，同時(shí)你也可以有自己的技術(shù)團(tuán)隊(duì)，他未必要直接下手，但因?yàn)槭煜I(yè)務(wù)，在出問題的時(shí)候，大概能知道是什么問題，就夠了。

1 、看三年做三個(gè)月，針對零售場景的五步法（5A）路徑

對于零售企業(yè)的數(shù)字化，我們提出一個(gè)方法論叫「看三年做三個(gè)月」。什么意思呢？我們根據(jù)很多領(lǐng)先企業(yè)的做法，幫他去推演未來三年，構(gòu)建數(shù)據(jù)化能夠在哪些場景，以什么樣的形態(tài)產(chǎn)生多大的價(jià)值。然后再根據(jù)你數(shù)據(jù)的基礎(chǔ)，去規(guī)劃眼下三個(gè)月應(yīng)該怎么去構(gòu)建。

具體就是圍繞一個(gè)企業(yè)的生命周期來展開，我們稱之為從BI到AI的「5A五步法路徑」：

第一步是敏捷化（Agile）。 企業(yè)不管是新業(yè)務(wù)還是傳統(tǒng)業(yè)務(wù)，都需要不斷去發(fā)現(xiàn)問題，然后迭代優(yōu)化。比如你哪個(gè)產(chǎn)品進(jìn)了微商的群，或者在線下做了一個(gè)掃碼購，第一步就是要分析它的效果。

「敏捷化」的意思就是，從經(jīng)營分析這個(gè)核心場景去切入，監(jiān)測你在不同渠道和不同場景的表現(xiàn)，能夠快速地把你基礎(chǔ)的數(shù)據(jù)分析體系給建立起來。

第二步叫場景化（Accurate）。 就是人貨場、進(jìn)銷存的全面覆蓋，通過產(chǎn)品復(fù)購數(shù)據(jù)，不斷地分析你的同款比、七天流水、復(fù)購等等，再借鑒行業(yè)最佳實(shí)踐，幫你搞清楚這個(gè)單店到底該怎么做。

比如你有一千家店，在場景化之后，我能告訴你每個(gè)店應(yīng)該怎么監(jiān)控，缺貨指標(biāo)有哪些，缺貨時(shí)具體應(yīng)該怎么分析決策等等。

這個(gè)問題看似簡單，但在連鎖業(yè)態(tài)真正落地的時(shí)候，你是不知道什么時(shí)候缺不缺貨的，它有很多關(guān)聯(lián)的要素和指標(biāo)，可以被不斷梳理出來。

第三步叫自動(dòng)化（Automated）。 當(dāng)你基礎(chǔ)的數(shù)據(jù)分析體系構(gòu)建好了，整個(gè)全場景的監(jiān)測和分析指標(biāo)也梳理出來之后，怎么做到每隔半個(gè)小時(shí)就自動(dòng)處理和監(jiān)測，怎么讓它自動(dòng)去完成數(shù)據(jù)分析。

第四步叫增強(qiáng)化(Augmengted)。 就是AI增強(qiáng)分析，基于不同的SKU，不同的庫存和物流時(shí)間，不同的客流等等，找到里面千絲萬縷的聯(lián)系和規(guī)律，然后給出預(yù)測。

第五步行動(dòng)化(Actionable)。 就是基于預(yù)測，給出決策建議，比如我應(yīng)該怎么補(bǔ)貨、怎么調(diào)整品類、貨架等等。

這是我們獨(dú)創(chuàng)的針對零售場景的智能數(shù)據(jù)分析路徑。你未必要嚴(yán)格按照這個(gè)來，因?yàn)椴煌钠髽I(yè)，數(shù)字化基礎(chǔ)不一樣。如果你的基礎(chǔ)比較好，我們也推薦你直接進(jìn)入后面的步驟。

但國內(nèi)的企業(yè)一般都處在前三步的階段，跟我們走到第四第五步的基本都是五百強(qiáng)。

2 、數(shù)字化的「大腦」和「五官」，做深決策分析

數(shù)字化的工作大家可能都在做，但差異很大。我們最初做觀遠(yuǎn)數(shù)據(jù)，也是看到很多大公司，包括外企，還在用Excel報(bào)表的形式在處理數(shù)據(jù)。這種方式只做到了數(shù)據(jù)最基礎(chǔ)的一層，你能看到數(shù)據(jù)，但沒有分析，沒有決策，也不智能。

這些需求其實(shí)一直都有，但為什么原來沒有做到？核心就是2016年開始的三波技術(shù)浪潮：算力、算法、數(shù)據(jù)。 只有這幾個(gè)結(jié)合起來，才能解決前面提到的問題。

比如一線門店的訂單，你怎么實(shí)時(shí)監(jiān)測，快速處理？你怎么去分析海量數(shù)據(jù)形成的千萬種組合，對銷售產(chǎn)生的影響？

這就是我們做分析決策，和很多其他做數(shù)據(jù)分析公司最本質(zhì)的區(qū)別。 我們碰到很多專門做門店數(shù)據(jù)采集，專門做供應(yīng)鏈優(yōu)化，以及專門做用戶行為的等等，但我們的定位是數(shù)據(jù)分析平臺(tái)，解決的是決策問題。

任何一個(gè)重要的決策，都要融合企業(yè)的各個(gè)環(huán)節(jié)來看，不管門店數(shù)據(jù)，還是供應(yīng)鏈，都只是其中一個(gè)環(huán)節(jié)。如果你只有門店數(shù)據(jù)，比如你知道張三來了，但如果沒有其他數(shù)據(jù)，沒有分析，你也不能怎么樣？

可是針對歷史數(shù)據(jù)，你知道他不同的時(shí)間點(diǎn)喜歡干什么，再結(jié)合庫存、貨架的情況，以及是不是處于促銷的狀態(tài)等等，就能做出分析預(yù)測，而不是推薦你本來就缺的產(chǎn)品。

當(dāng)然，不管是從什么角度做數(shù)據(jù)分析，大家都是有價(jià)值，并且是互補(bǔ)的。比如你在門店裝了一個(gè)「眼睛」，可以實(shí)時(shí)監(jiān)測動(dòng)態(tài)，但同時(shí)你要跟其他數(shù)據(jù)結(jié)合分析，才能知道，貨架到底要怎么擺放，動(dòng)態(tài)地監(jiān)控怎么轉(zhuǎn)化成和銷量的關(guān)系？

他們相當(dāng)于是支持我們的一個(gè)個(gè)五官，我們更像是最終匯聚數(shù)據(jù)做決策的大腦，這是我們的核心能力。

未來我們也會(huì)聚焦這一塊，把各種分析決策做深入，怎么把預(yù)測做得更精準(zhǔn)，而不是胡亂延伸。 因?yàn)槊總€(gè)企業(yè)都要面臨會(huì)員的流失，商品的補(bǔ)貨，門店的動(dòng)銷等等問題，這些場景都需要預(yù)測，所以做好預(yù)測還是非常有價(jià)值的。

3 、未來好的零售企業(yè)，一定也是科技企業(yè)

從2017年服務(wù)第一個(gè)用戶到現(xiàn)在兩年多，我們每年大概都有5倍以上的增長，到現(xiàn)在已經(jīng)服務(wù)一百多家消費(fèi)零售的新經(jīng)濟(jì)企業(yè)。

未來三年，我們希望能服務(wù)更多的創(chuàng)新公司，但這也沒什么捷徑，只能一家一家地去服務(wù)好，而不是快速擴(kuò)張。反而更需要慢，因?yàn)槲覀冎饕?wù)中大型的企業(yè)，如果能把頭部服務(wù)好，無論是對需求理解，還是產(chǎn)品提煉，都能產(chǎn)生更多的效益。

當(dāng)然，我們也不著急，因?yàn)槲磥砻恳粋€(gè)牛逼的零售企業(yè)，一定也是科技的企業(yè)，否則一定跑不出來。現(xiàn)在對于領(lǐng)先的企業(yè)來說，數(shù)據(jù)分析可能是一個(gè)差異化的競爭手段，但未來肯定會(huì)成為企業(yè)的標(biāo)配，是你必須要具備的能力。

所以我經(jīng)常說要有信仰，你不能指望它馬上就能產(chǎn)出多么大的結(jié)果，覺得自己馬上就可以取代誰。但它有一個(gè)復(fù)利效應(yīng)，如果你持續(xù)地投入，每天都在基于新的數(shù)據(jù)不斷迭代，更新365天之后，一定甩別人十條街。

現(xiàn)在很多零售企業(yè)，會(huì)花很多時(shí)間做前端做增長，比如網(wǎng)紅店，通過各種營銷活動(dòng)、創(chuàng)意玩法，很受關(guān)注，但大部分其實(shí)缺一個(gè)底層的東西，去支撐它持續(xù)地做下去。

當(dāng)然，對于前端的創(chuàng)意，我們肯定要尊重，特別是要利用每個(gè)企業(yè)家獨(dú)有的審美，形成他的判斷，這個(gè)沒毛病。但與此同時(shí)，你一定也有科技的一面。

科技本質(zhì)上是解放創(chuàng)業(yè)者的腦力，把每天大量的分析和決策通過算法來實(shí)現(xiàn)，把你在前端創(chuàng)意的優(yōu)勢放大。 因?yàn)檎嬲兄腔圩鰶Q策的人一定不到百分之一，如果能通過技術(shù)去完成這一步，其實(shí)大大地減輕了創(chuàng)業(yè)者的負(fù)擔(dān)。

所以同樣的企業(yè)，通過把算法算力的作用發(fā)揮出來，每天去迭代，就能比過去多發(fā)現(xiàn)十倍百倍的增長機(jī)會(huì)。 這就是智能時(shí)代跟工業(yè)時(shí)代、IT時(shí)代最大的區(qū)別。

（文章來源：浪潮新消費(fèi)）

申請創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！