零售消費行業(yè)實踐合集

零售消費行業(yè)智能分析與決策實踐合集近20家先進數字化典型實踐剖解，多角度詮釋數據價值精選實踐交流互鑒深度洞察聯合利華|元氣森林|絲芙蘭中國|漢堡王中國張亮集團|慕尚集團|來伊份|王小鹵獨家對話行業(yè)先進企業(yè)數據從業(yè)者，學習先進企業(yè)數字化實踐方法論剖析行業(yè)細分賽道典型案例，探尋適合企業(yè)自身數字化升級路徑前

言數字經濟時代，全球化競爭加劇，數字化轉型席

卷各行各業(yè)，最貼近人們“衣食住行”生活必備的零售消費行業(yè)，更處于轉型的浪潮之巔。轉或不轉已不成問題，難題卻在如何轉型。面對數字化的必答題，眾多零售消費企業(yè)選擇從以經驗為主的經營決策，轉向數據驅動的智能決策，挖掘數據價值，實現降本增效，寫下數字化經營提效的最佳答案。利用數字化手段充分應用數據，提升數據價值成為零售消費企業(yè)發(fā)展的重要抓手。市場環(huán)境不斷變化，零售消費行業(yè)快速發(fā)展，在經歷了以產品為中心、以渠道為中心的發(fā)展階段后，在人口紅利和互聯網紅利消失，以及供需關系轉變的背景下，零售消費行業(yè)進入存量博弈階段，以用戶為中心成為企業(yè)的核心增長點與長期發(fā)展趨勢。零售消費企業(yè)建立與用戶直接溝通和交易方式，低成本獲取第一手用戶數據是企業(yè)增長的必有之路。而想要充分挖掘數據價值，就一定需要找到適合企業(yè)自身的數據應用方案。商業(yè)智能（Business

Intelligence，BI）正是無數企業(yè)應用數據、提升價值，飛馳奔向“數據驅動的智能決策”的一條高速公路。BI為企業(yè)連接數據孤島，打破數據壁壘，幫助企業(yè)整合、組織、分析數據，賦能更敏捷的業(yè)務分析與決策，為企業(yè)經營管理、業(yè)務決策、戰(zhàn)略發(fā)展提供穩(wěn)固而有力的支持，成為企業(yè)數字化變革、創(chuàng)新持續(xù)發(fā)展的必選項之一。觀遠數據在商業(yè)智能領域深耕多年，以行業(yè)領先的BI產品體系，為不同發(fā)展階段的企業(yè)打造更適應企業(yè)發(fā)展需求的數據應用方案。在零售消費行業(yè)，觀遠數據已深入服務了包括聯合利華、3M中國、絲芙蘭中國、安踏、元氣森林、蜜雪冰城等數百家行業(yè)領先企業(yè)，沉淀積累下豐富的數字化創(chuàng)新實踐經驗。《零售消費行業(yè)智能分析與決策實踐合集》匯整了觀遠數據與零售消費行業(yè)領先客戶的近20項BI最佳實踐，覆蓋餐飲茶飲、鞋服時尚、美妝個護等多個細分賽道，內容涵蓋

絲芙蘭中國、漢堡王中國、元氣森林、張亮集團等多家先進企業(yè)創(chuàng)始人、CXO、數據從業(yè)者的親述分享，世界500強企業(yè)聯合利華在供應鏈數字化領域的最佳實踐，與來伊份、靜博士、氣味圖書館等細分賽道領先企業(yè)CXO、數據負責人的交流對話，對王小鹵、鍋圈

食匯、凱盛浩豐等數字化轉型先鋒企業(yè)的實踐洞察與探索。希望通過該實踐合集，能夠幫助更多零售消費企業(yè)與相關從業(yè)者認識BI價值，找到適用于企業(yè)自身發(fā)展階段的數據應用方案，開拓數字化增長新路徑，進一步實現商業(yè)創(chuàng)新與可持續(xù)增長。CONTENT

目錄01

實踐分享PAGE

01元氣森林：數據驅動的元氣森林從12個月到52周

，365天的數據分析實戰(zhàn)02絲芙蘭中國：分貨效率提高60%，“讓業(yè)務用起來”的門店新品AI+BI智能分貨案例05漢堡王中國：沖突?數字化變革與創(chuàng)新的禮物10張亮集團：3個月從0-1快速落地數據分析能力，BI實現業(yè)務全流程數字化13慕尚集團：敏捷BI上線一年不到滿足全集團業(yè)務數據需求，員工使用率達86.3%20每日的菌：從爆品出圈

到價值沉淀，實現破局增長25奧蘭中國：BI一定是把握市場的方向盤3102

最佳實踐PAGE

41聯合利華：AI賦能品牌DTC場景下的快速補貨決策價值鏈4246聯合利華：從

AI需求預測到基于多級庫存控制理論的補貨策略03

數智對話PAGE

49獨家對話元氣森林：揭秘崛起背后的數字化策略和生存法則505458氣味圖書館CIO溫曉瑩：1周

VS1小時，BI為業(yè)務提效數十倍對話來伊份：BI月活躍用戶突破2000+，“讓業(yè)務用起來”成為日常靜博士COO楊智昌：數字化運營在業(yè)務中的落地，用起來才是王道61咬不得CFO施東海：數字化是需要長期布局、持續(xù)深耕的66樂凱撒CTO黃道泳：餐飲企業(yè)的數智化建設，要看企業(yè)所處發(fā)展階段6804深度洞察PAGE

72品類王者！王小鹵以數據貫通產品、渠

道、品牌全鏈路，撬動增長飛輪73798588出圈

之后，NEIWAI內外、Ubras如何以數字化推動品牌長紅？“飛馳”的鍋圈

食匯，以“數據智能引擎”領跑賽道凱盛浩豐：一顆“爆品”番茄從種子到餐桌的數據故事05附錄PAGE

9293關于觀遠數據觀遠數據零售消費行業(yè)標桿客戶名錄（部分）95觀遠數據零售消費行業(yè)榮譽獎項（部分）97更多行業(yè)白皮書下載9801實踐分享數據驅動的元氣森林從12個月到52周，365天的數據分析實戰(zhàn)精彩觀點：·，我們各個部門從底層都知道，全鏈路最優(yōu)是追求的結果，也是做策略調整的初心?！?，數據驅動不但要定性地輔助決策結果，還需要定量地提高決策的頻率，縮短策略落地的時效。·，正因為觀遠對于過程的透明展示，才使得從簡

單評價優(yōu)劣的溝通，轉變?yōu)檫\營人員主動調整策略系統(tǒng)里的某一條策略，來優(yōu)化決策的細節(jié)。元氣森林是一家致力于為美好生活創(chuàng)造健康好產品的中國食品飲料企業(yè)。公司成立于2016年，以“整合全球資源為全球用戶創(chuàng)造有愛的好產品”為企業(yè)愿景，先后榮獲國家高新技術企業(yè)的稱號。目前，旗下擁有元氣森林氣泡水、燃茶、纖茶、外星人電解質水等系列產品，現有五座工廠已經投產，分布在華北、華東、華南、華中和西南。從拒絕添加防腐劑，到升級污水、固廢排放標準，再到充分利用可再生能源、全面打造創(chuàng)新型章肖

洋綠色工廠，元氣森林用自己的實踐助力健康、環(huán)境和氣候可持續(xù)。元氣森林首席

運營官我將會從數據對決策的影響、決策過程的正向循環(huán)、策略執(zhí)行的自動化三個方面簡單分享元氣森林的數據分析實戰(zhàn)，這三個部分分別對應12個月、52周

、365天的不同數據驅動感受，也感謝觀遠數據對我們的幫助。讓業(yè)務用起來的企業(yè)價值關于數據對決策的影響，在決策的過程中，普遍追求的結果是Act最優(yōu)，也就是結果的最優(yōu)。通常會用預算的數據作為方向的指導，定期復盤兩者間的差異，這是一個中長期的對照。而周

期間的偏差分析還需要LE的輔助進行調整。LE在元氣森林內部稱為實際預估，對應單詞是LastEstimate，直譯為“最近的預測”。LE作為執(zhí)行結果Act的動態(tài)預估，一方面是更早地發(fā)現執(zhí)行差異，一方面是提供周

期內調整的機會。02數據對決策的影響ActLEBu追求結果的最優(yōu)動態(tài)的結果預估預算作為方向的指導·在決策的過程中，普遍追求的結果是Act的最優(yōu)·一般會用BU.的計劃數據作為方向指導，復盤兩者間的差異，這是一個中長周

期的對照，而周

期間的偏差分析還需要LE的輔助·LE作為Act的動態(tài)預估，一方面是更早的發(fā)現執(zhí)行差異，一方面是提供周

期內調整的機會這是元氣森林引入觀遠數據作為數據分析工具時最影響力變大的一個很好途徑。開始做的工作，將原本分散在各處的數據分析工作，·首先公司各個部門從底層都知道全鏈路最優(yōu)是追求在底層的數倉和表現層里做了集中。的結果，也是做策略調整的初心。這個過程中，我們發(fā)現這種以月為周

期的中長期調整·其次部門間對于服務能力的預期、服務結果的評價、對于我們這樣市場建設時間不夠長，供應鏈建設時間需求的預估，這些都是互相影響的。更短的企業(yè)，頻次是不夠的?！るm然出發(fā)點都是效率和產出的最優(yōu)，但是受限于部決策過程的正向循環(huán)門視角的寬度，對于部門間策略的差異做出決策，要結合更多的信息進行綜合評估。在第二個階段，我們開始學習建立如何在更多的決策·大的評估原則基本遵循全鏈路最優(yōu)。針對不同的策中使用數據，為決策過程建立正向的循環(huán)。以供應鏈略，評估出全鏈路成本的差異，需要多角色協(xié)作。這種為例，這種以周

為節(jié)奏的策略分析與調整，是使數據協(xié)同工作基本圍繞S&OP規(guī)范流程進行?？绮块T的策略方向的一致上下游的需求與服務各個角色的初心全鏈路最優(yōu)全鏈路最優(yōu)決策過程的正向循環(huán)對于結果最優(yōu)的標準評估與合理估計的規(guī)劃周期性的循環(huán)，例如S&OP各個部門的角色，都會以公司最優(yōu)為出心。在跨部門的長鏈路上，受限于部門視角的寬度，部門最優(yōu)與全鏈路最優(yōu)的評估會是多因素綜合的結果。03在實踐中針對不同重點進行全鏈路效益評估。對各部的變動，還有社會環(huán)境的變動。門協(xié)同工作而言，以周

為維度進行，已經是能夠接受在單純依靠S&OP的多輪協(xié)商，靠人來提高頻率，已經的較高的頻率了。所以在傳統(tǒng)的協(xié)作模式下，日常調明顯感覺到上限的情況下，我們在觀遠數據的幫助整和反應周

期想要提升，那么這種協(xié)同決策的方式還下，通過提煉服務能力的邊界、市場目標和市場變動需要進一步的提高效率。數據驅動不但要定性地輔助的關系、供應鏈的反應指標策略等，將原來在S&OP機決策結果，還需要定量地提高決策的頻率，縮短策略制下綜合研判的邏輯逐步自動化，達到日維度內一定落地的時效。范圍的自動決策，緩解了原有機制下復雜度和敏捷度策略執(zhí)行的自動化之間的一定矛盾。觀遠數據幫助我們在這個過程中透明地向運營人員第三個階段，也就是策略執(zhí)行的自動化。在這個階段，展示了既定策略，在結合數據之后，改變執(zhí)行計劃的我們開展了一些策略執(zhí)行的自動化項目，將決策的周中間步驟，做到能讓運營人員能夠看得懂。因為哪些期提高到了日維度。策略帶來了實際執(zhí)行計劃與周

期原定計劃的差異，能夠放心地執(zhí)行計劃的變動部分。同時一些反常識的調針對多因素的協(xié)作決策，需要考慮很多上下關聯的執(zhí)整結果，也能夠清晰的知道是由哪條策略或者上下線行數據和計劃數據，例如ATL和BTL的投放的策略、渠設置的不合理造成，能夠具體地調整。道的計劃、市場的變動、生產能力的彈性以及供應商策略執(zhí)行的自動化策略的信息對齊的環(huán)境流程與時間的多因素執(zhí)行頻率復雜度與規(guī)范ATL、BTL、渠道計劃、社會環(huán)境、市場變動、生產S&OP的多輪協(xié)商，每一輪綜合評價的流程機制服務能力的邊界，市場目針對不同維度的目標復雜度與敏捷存在矛盾標與市場變動的關系，供能力、供應商變動應鏈的反應反應結果在這之前，我們也上線過一些數據決策項目，但相對自動化決策的項目有了運營人員和技術人員共同提觀遠而言，對于非技術人員的表現不夠清晰、不夠具高決策結果的好氛圍，同時也避免了一步到位的高投體，所以經常出現一種對“自動化決策的結果與人為入和高風險。決策結果孰優(yōu)孰劣”的籠統(tǒng)的、簡

單的評價。再一次感謝觀遠數據團隊為我們提供這樣高效率和正因為觀遠對于過程的透明展示，才使得從簡

單評價優(yōu)劣的溝通，轉變?yōu)榱诉\營人員主動調整策略系統(tǒng)里的某一條策略，進一步優(yōu)化決策的細節(jié)。這使得一些低成本的數據分析平臺，讓我們在行業(yè)中學習進步的途中，多了一個適合的服務商，也多了一位能夠依靠的幫手。04絲芙蘭中國：分貨效率提高60%，“讓業(yè)務用起來”的門店新品AI+BI智能分貨案例精彩觀點：·，AI+BI不是說完全不需要人，這是一個人和系統(tǒng)更好的結合?！?，團隊必須要有一個BI的dashboard才能夠更加直觀地感受到數字化帶來的效果，才能夠愿意去應用它?！ぃ馐巧弦粋€系統(tǒng)，而沒有一個流程的變化，或者不能讓大家的生活、工作變得更加簡

單，那系統(tǒng)是不會上得非常順利的。絲芙蘭中國是LVMH集團下的高端美妝零售，總部在法國。在中國市場有來自全球200多個品牌，其中包含絲芙蘭自有品牌。絲芙蘭中國是全渠道零售，有線下300多家門店，線上絲芙蘭APP、小程序和各平臺上的旗艦店。所以對于絲芙蘭整個供應鏈來說，要提供的就是線上線下全渠道的服務。所以，接下來所分享的絲芙蘭中國和觀遠數據一起打造的門趙蘇店新品AI+BI智能分貨案例中，談到的貨物的分配也都是線上線下全渠道的分配。絲芙蘭中國供應鏈總監(jiān)美妝零售供應鏈面對的挑戰(zhàn)談到美妝零售，我們也想跟大家先提一提我們所面對的挑戰(zhàn)，讓大家能夠更好地理解為什么我們會和觀遠數據進行智能分貨的合作：挑戰(zhàn)一：新品快速迭代正如我剛才所說，絲芙蘭作為集合店，它每一年的新品迭代其實是非常快速的，基本上每一年1/3的產品都會迭代換新?？焖俚奶魬?zhàn)對我們來說就是如何將新品更好地買進、更好地去部署新品庫存、更好地讓它到達消費者希望的渠道，這些都是我們在做新品安排的時候供應鏈所需要考慮的。05挑戰(zhàn)二：全渠道消費者需求多變挑戰(zhàn)四：海量數據分析需求大家也知道這幾年因為疫情的影響，所以不同品類都上述這些挑戰(zhàn)，其實也都是提出了一個海量數據分析有非常大的變化。我們銷售的產品有護膚品類、彩妝的需求。如果我們做不到對這些數據相應的及時分析品類，還有香水、美發(fā)儀器等等，在這個大的市場的影的話，也就很難做出第一時間的反應，去看到哪些新響之下，全渠道消費者整個需求是非常多變的，這種品賣得好需要補貨，哪些新品可能在某些區(qū)域有所滯情況下如何做好快速的響應，也是一個我們所要應對銷，需要與門店或者品牌方一起更好地推動。的挑戰(zhàn)。挑戰(zhàn)三：零供信息傳遞鏈長挑戰(zhàn)五：合規(guī)性要求提高這兩年因為國家的化妝品管理條例的提出，對我們整從剛才我們談到的品牌而言，我們有很多品牌是進口體的合規(guī)性要求也對應提高，所以也增加了進口產品產品，因此在其中對于新品上新、老品下線、新品市場的一些難度。安排或者門店促銷等等零供的信息，傳遞鏈其實是比門店新品AI+BI智能分貨實踐較長的。它與我們在本土生產的產品非常不一樣的一案例點在于本土生產的產品有可能在賣成爆品斷貨時，經過兩周

或者三周

就能很快補上，但對于進口產品，哪怕是空運也很難在短時間內將需要的貨物補上。所在理解了我們所面對的一些挑戰(zhàn)后，我想大家也就不以，在這里就更加考驗了我們的預測以及分貨的精準度。難理解為什么絲芙蘭中國要在去年，特別是在疫情后，提出來要做這樣一個更好的新品分貨的項目。AI+BI

門店新品分貨項目提出及實施時間表回顧試運行結果模型調優(yōu)看板優(yōu)化試運行工作流優(yōu)化逐步拓展品牌和品類正式上線模型調優(yōu)項目啟動POC展示功能模塊開發(fā)供應商遴選投標定標項目范圍確認項目時間表初步確認數據對接、模型試跑2021

Q42021

Q32021

Q12021

Q206項目歷程作，產生了非常多的交流。到了四季度，就是不同品類的回測，有了回測之后更進一步地提出模型的調優(yōu)，大家可以看到，我們的整個項目其實從2021年一季度并且一起開發(fā)BI部分的dashboard，以讓團隊更好地提出，到最后四季度實施上線，項目時間并不是特別將它用起來。的長，這也是有賴于觀遠數據團隊的大力支持。只上一個系統(tǒng)而沒有流程的變化，或者不能讓團隊感在去年一季度的時候，項目正式啟動，做供應商的篩到這個系統(tǒng)能讓大家的工作變得更加簡

單，那這個系選，包括一些POC的展示。到第二季度，就確認了這個統(tǒng)是不會很順利上線的。在這個項目中，基于觀遠數項目具體的范圍時間表，觀遠數據團隊在里面開始做據BI能力，能夠讓我們的業(yè)務團隊更直觀的看到應該我們各種數據的對接，跑一些初步的模型。到Q3，是比采取哪一種行動來幫助門店新品分貨。較深度參與的雙方一起來做的試運行階段，來看一看在這里也想簡

單地介紹一下我們和觀遠數據一起實從一個品牌到多個品牌，項目模型是否能夠支持，以現的整個模型、整個產品的邏輯。及一些輔助的功能模塊的開發(fā)。在這段時間中觀遠數據團隊和絲芙蘭供應鏈團隊有很多面對面的溝通合供應鏈：AI+BI實現更靈活，更自動的預測01

數據快速接入數據庫/數據倉庫及Excel等02

預測邏輯實現銷售預測依賴人實現AI算法與業(yè)務規(guī)則預測任務繁瑣低效03

可視化展現通過控件、鏈接、下鉆等功能實現豐效率低富的可視化誤差分析幾乎是所有企業(yè)都面臨的問題04

在線數據調整基于分析洞察，對結果進行按需調整精度差05

高級分析利用時間序列、what-if等分析工具進行深入探索深入的預測誤差分析預測結果可視化展現07供應鏈價值視化方式展現給我們的planner在線進行更多的業(yè)務洞察，之后做一定的調整，并且這個系統(tǒng)也能夠幫助我們目的是希望通過AI+BI相結合，實現更加靈活、更我們做一些更高級的what-if的分析。加自動化的預測，解決從前依賴人、精度不高、效率也大家可能會覺得可視化不是一個非常高大上的方法，受限的難題。當然在這里面并不是說以后都完全不需確實可視化在各行各業(yè)的供應鏈里已經用的比較多要人，而是人和系統(tǒng)的更好的結合。了，但正是因為如此，才一定要在BI的加持下讓模型系統(tǒng)能夠基于算法和我們輸入的業(yè)務規(guī)則，更快的幫通過可視化展現出來，發(fā)揮模型的作用，才能更好的助我們看到數據，也能更快速的接入數據。然后可以做人機交互。這是我們做項目時一個非常大的感受。做一些基于已有的預測邏輯實現的預測任務，通過可供應鏈：AI+BI實現更靈活，更自動的預測用例描述解決的問題為了可以更快的響應終端的需求，提高新品鋪貨的周轉效率。通過基于門店維度的新品銷售需求預測，匯總到倉庫維度的補貨計劃，打通全鏈路·新品預測精度較低·新品分貨邏輯復雜，維護難度大·實現由終端需求推演得到分貨和補貨計劃的全鏈路零供協(xié)同場景·提高分貨效率，加快鋪貨周

期，降低終端機會損失·

鋪貨復雜度高導致頻次低，進而影響終端有·千店千面，提升分貨均衡度貨情況·優(yōu)化客戶體驗技術通過AI+BI的解決方案，在優(yōu)化業(yè)務流程的同時，加快整體鋪貨和補貨的周期，實現優(yōu)化用戶體驗的終極目標·AI預測做到千店千面，預測精度提升，分貨更均衡、補貨更精準·BI分析及時定位問題商品，快速鋪貨滿足需求。關注業(yè)務指標走勢，及時定位問題不斷優(yōu)化?！ぬ嵘换ィ瑑?yōu)化業(yè)務協(xié)作流程。加強人機交互，融合模型與人工經驗影響有貨率能力建設25%20%60%·

新品鋪貨能力增強：AI和邏輯引擎的加持，提升整體鋪貨和補貨的能力和效率·

業(yè)務拓展性：分貨均衡度分貨效率底層特征工程與數據整合，使得整體項目的可拓展性增強·

業(yè)務流程打通：分貨補貨的預測邏輯統(tǒng)一，整體補貨鏈路打通，提升協(xié)作效率08SmartAllocation平臺通，在基礎方案之上做一些客制化。打磨產品是非常非常重要的。我們可以看到，觀遠數據的方案幫助我們提高了25%BI工具幫助整體工作流程轉變和提效的有貨率，庫存的均衡度也有了20%的提升，整個分貨效率也有了60%的提高。在打磨產品的過程中，如我之前所講BI對于我們整個工作流程的轉變和提效也非常重要，如若不然AI的這在這里特別想講的是，如上述所說由于消費者需求的些模型我們都是看不到摸不到的，團隊必須要有一個變化，我們各個店的需求也變化得非常快，如果要求BI的dashboard才能夠更加直觀的感受到真正的數字完全由人工去做分析，那肯定不能高效反應，只有基化帶來的成果，才能夠愿意去應用它。于我們打造的Smart

Allocation的工具，才能夠更好的做到。我們的每家都有針對店鋪的鋪貨策略，能保證

我

們

分

貨

的

均

衡

度

和

有

貨

率

。并

且

因

為

有

了dashboard，整個業(yè)務流程也做了打通，那么在分貨模型不斷優(yōu)化，保持數字化工具可持續(xù)支持決策我們和觀遠數據2021年一起合作這個項目，到今年之后我們向品牌方補貨的協(xié)作也更加高效，這點也是2022年也一直是在合作過程中。每一個季度隨著我們非常重要的。新品的上新，觀遠數據的團隊都會繼續(xù)做一些模型的AI+BI門店新品分貨項目實施調校。特別是隨著促銷的不同，在分貨效率上其實是體會會有一些變化，不斷的模型調優(yōu)對于我們長期的、可持續(xù)性的支持決策也非常重要。在這里也想借此機會總結一下在這個項目實施中的體會。我相信這兩年的合作對絲芙蘭團隊和觀遠數據團隊來說都是一個加深彼此了解的過程。有了這些了解，業(yè)務問題清晰提出是數字化的前提有了這些know

how之后，雙方才能夠再繼續(xù)去打磨更多“讓業(yè)務用起來

讓決策更智能”的數字化產品。做任何數字化工具，“做工具”都不是最終目的，“我們到底要用這個工具解決什么樣的業(yè)務問題”才是最重要的。如果業(yè)務問題沒有很清晰的提出，那做數字化產品的開發(fā)以及實施時就會迷失方向。所以我們說業(yè)務問題的清晰提出是數字化的前提。業(yè)務團隊與方案提供方緊密打磨AI產品是關鍵我們也非常感謝觀遠數據的團隊，在整個過程中非常高效的以專業(yè)水平跟我們一起來打磨這個產品。我

相信各個零售企業(yè)的業(yè)務團隊跟我們一樣，都是有一些這樣那樣的需求在的，也對業(yè)務有自己的一些理解，觀遠數據能夠在提出一套基礎的方案后，雙方一起溝09漢堡王中國：沖突?數字化變革與創(chuàng)新的禮物精彩觀點：·，沖突越激烈意味著更多新的可能性，一群人在邁向未知的時候，沖突越激烈，意味著所有人都在想為這件事情負責任，每一個人視角都蘊含著新的可能性?！?，真正要能夠做出來一個讓業(yè)務用起來的優(yōu)秀數字化項目，一定要在推進過程中和大家實現融合創(chuàng)新。·，你要問我要“讓業(yè)務用起來”，關注力放在哪里更具效能，我會告訴大家放在對人潛能的相信，放在對與眾不同的好奇。數字化變革與沖突自2005年入駐中國，漢堡王在2012年迎來了爆發(fā)性發(fā)展，大大加快了中國市場的開店速度和城市布局，截止目前已經有一千余家門店。之所以能有如此爆發(fā)式的增長，與他們早期擁抱數字化浪潮有很大關系。在這個不確定的時代，沖突是一個繞不開的話題，有外在世界的變化，孫曉鹿商業(yè)的變化，技術的變化，也有內在組織發(fā)生的沖突變化。面對沖突，作為轉型的負責人、數字化項目的推進者或者變革的執(zhí)行者，到底要怎么漢堡王中國運營優(yōu)化副總裁/創(chuàng)新賦能教練去做？“沖突是邁向未知世界的自然反應，需要潛意識層面的洞察與回應。”孫曉鹿說道，并總結了整個數字化進程里，三個層級的沖突：顯性化的沖突，供&需的沖突到底值不值得做這件事情，這件事情到底的意義是什么？一個數字化項目的契合度、預算、數字化準備度等顯性問題，是大家都能夠看到的沖突。這些沖突應對和處理的方法不難，通過項目管理的方式分階段，基于專業(yè)度、邏輯自洽的方式可以很好地回應和化解。組織內的沖突，需&需的沖突做項目面臨的總部和前線的沖突，實際上是業(yè)務支持和業(yè)務的沖突，以及大腦和終端執(zhí)行的沖突。10首先，連鎖有那么多門店，如果一套數字化系統(tǒng)沒有把所有情況考慮進去，某一線人員發(fā)現被評為差店，自然會覺得不公平，會主動抗拒系統(tǒng)。其次，很多組織數字化項目只給數據分析結果，只有哪里不好。其實梯。對于企業(yè)的數字化項目或者是變革的負責人，這幾點是特別重要的。與有著同樣信念的外部合作伙伴同行除了告訴一線哪里不好，更要告訴他要怎么做，怎么孫曉鹿介紹到，“漢堡王中國選擇觀遠數據時，可能是解決問題。誤打誤撞，但做的過程中，卻是逐漸堅定了要用觀遠數據。”這里有幾個重要節(jié)點：過去或許可以直接忽略掉這些一線的聲音，但現在的數字化時代里，如果這么做了，最后共創(chuàng)出來的數字化項目、系統(tǒng)，再好用也沒辦法讓業(yè)務用起來，因為一線人員從心理上不接受。首先選供應商要看技術實力和背景，其次是團隊的融合性和延展性。在面對這些沖突，如何實現既要、又要、還

要？遇到這種沖突時，是相互去指責說不行，還是一起共同去擔責，去創(chuàng)造。我&世界的沖突“在項目攻堅戰(zhàn)中，我看到觀遠的小伙伴們，他們和我我們在職場希望創(chuàng)造什么？只是一個系統(tǒng)來去證明我們有著同樣的信念，他們不怕沖突，他們也是在沖突們的個人價值？還是希望創(chuàng)造整個組織商業(yè)的突破？里面越挫越勇的一批人。”孫曉鹿說，“在這個過程中，亦或者創(chuàng)造整個組織人和人之間的緊密融合？這關乎沒有走任何企業(yè)成熟的老路，我們和觀遠數據是在開每一個人內心深處潛意識層面的選擇。創(chuàng)自己的一條路。項目越往前走，就越沉浸其中，當項與誰同行，可以在數字化旅程目做出來，真正被用起來的時候，我們真正相信了沖突是可以轉化成禮物的。也從那一刻開始，我們真正中轉化沖突相信了只要一群有信念相同的人，同頻的人在一起，就是會了不起，就是會創(chuàng)造無限的價值。我作為客戶，面向種種沖突的數字化旅程過程，與誰同行實際上是要真誠地感謝他們。”至關重要的。孫曉鹿有自己的答案。漢堡王中國和觀遠數據，一起要與自己同行開創(chuàng)的系統(tǒng)創(chuàng)造了哪些價值如果自己是“擰巴”的，是沒有辦法去做好自己都不認同的事情。漢堡王中國整合自身技術內容，構建整合了經營分析與內部伙伴同行系統(tǒng)，融合觀遠數據AI+BI能力，引入多套算法、機器學習在系統(tǒng)內實現億級計算，實現門店動態(tài)標桿+營運真正要能夠做出來一個讓業(yè)務用起來的優(yōu)秀數字化底線標準的四維精準門店評價。項目，一定要在推進過程中和大家實現融合創(chuàng)新。首先把一線或者最難搞定的人，一開始就拉進來，否則關于門店動態(tài)標桿，漢堡王中國實現了精準到店，精項目只會陣亡。在碰撞的過程中，大家能夠彼此去看準到了每一個細節(jié)。以10個店為一個標桿組進行排見背后的動機是什么，這件事情在他的價值觀體系里名

，洞察10個店的利潤空間。結合觀遠數據的算法能有多么重要。這種碰撞可以讓這件事情遠方的意義和力，漢堡王中國更加精準地定位了標桿門店，實現了目的越來越清晰，過程中的困難就會變成成長的階在最有限的時間，review

最重要的門店。11關于營運底線標準，漢堡王中國為所有門店打上了既數字化能夠對人產生的價值。數字化賦能看見更多的能夠守住基本營運安全標準，又能夠實現動態(tài)利潤空民間高手和機敏做法，相信沒有人能拒絕數字化，大間管理的標簽。在打標簽之前，漢堡王中國在項目

test家都會擁抱數字化。孫曉鹿表示，“因為有了數字化，過程中，充分結合首批測試門店（First

Follower）的實踐，對比系統(tǒng)結果與傳統(tǒng)認知，得到業(yè)務對項目落地的一致性肯定。我在偏遠地區(qū)小門店里做的一件對品牌有正面影響的小事情，被遠在總部的領導看見了，不僅得到了及時的表揚，而且被鼓勵分享、激勵了更多伙伴，他有什么理由不去接納數字化?！弊詈笳故編讉€經典的系統(tǒng)應用情況。最后，回到“讓業(yè)務用起來”的主題。很多企業(yè)在數字第一，利潤空間和標準底限最細顆粒度拆解化推進過程中，會把推廣作為最后一站。漢堡王中國從人力成本出發(fā)，可以看到員工兼職、全職，上三薪不是這樣，在推廣時讓首批測試門店發(fā)揮正向影響班、普通班，亦或者其他因素影響；從物料角度出發(fā)，力，成為第一批擁護者，再要讓大家創(chuàng)造體驗和實證。能觀察最小配料的情況；其次，推廣只是一個開始，還要去做到落地。傳統(tǒng)的企業(yè)會做胡蘿卜加大棒，但是漢堡王中國更多的是關注傳統(tǒng)監(jiān)督除了費時費力，只能在得出結論時讓門店按是那些不同的聲音，可以告訴大家這個系統(tǒng)未來可以照標準改善。在有系統(tǒng)之后，可以發(fā)現很多共性的數做什么，到底什么是業(yè)務真正重要和在乎的東西。最據，如果大部分門店做不到標準，問題可能出現在別后，不只是關注人，也要校驗成果。所有的數字化，最處。例如醬料不標準，可能是濃稠度導致的，最該響應后一定要拿到ROI。這個過程中，效能實際上是共創(chuàng)出的是總部研發(fā)改良醬料和器皿，而不是讓一線門店糾來，而不是由單方面的追蹤和管理出來的。正執(zhí)行。通過連接總部和一線，確認問題根源，做好利潤空間。門店是利潤的最小單元，但是不意味著門店漢堡王中國孫曉鹿說道，“所以你要問我，讓業(yè)務用起是利潤所有執(zhí)行的唯一責任相關方。來，關注力放在哪里更具效能，我會告訴大家放在對人潛能的相信，放在對與眾不同的好奇。”第二，門店診斷可信賴，知識庫助力店長明改善、快成長就像一顆植物，你把關注力放在哪里，那個地方就會生長。如果把關注力放在糟糕的地方、恐懼的地方、管在標簽系統(tǒng)中，門店所有的關鍵指標由紅黃綠燈展控的地方、不信任的地方，不信任質疑也會蔓延、也會示，店面哪里做的好，哪里做的不好，一覽無余。針對增長，在組織里會形成一堵高墻?？墒侨绻殃P注力不好的問題，或者可復用的知識，系統(tǒng)里嵌入了基礎放在激勵、好奇、與眾不同的開放，慢慢的很多人也會專家知識庫。大多數的問題，門店可在知識庫里面找在這個過程中變的柔軟，也會變的自然相互影響和成到行動方案解決，極大降低門店管理者技能門檻。數長。字化項目不是只解決商業(yè)問題，是要把商業(yè)和人共同連接在一起去促進。漢堡王中國與觀遠數據都相信：一、數字化變革與創(chuàng)新

，是將一個個沖突轉化成禮物的奇妙旅程。二、去未第三，激發(fā)潛能助力人才發(fā)展，自驅學習推來創(chuàng)造價值的，從來不是數字化，而是一群心懷愿力、動組織發(fā)展沉浸其中、放膽一試的人。很多不一樣的人，不一樣的做法，產生了不一樣的數據結果。一定要看到數字化背后的人，也一定要看到12張亮集團：3個月從0-1快速落地數據分析能力，BI實現業(yè)務全流程數字化精彩觀點：·，觀遠數據幫助我們將人工經驗沉淀為固化的系統(tǒng)規(guī)則，讓我們的數據建設進入了系統(tǒng)主導的自動化階段?！?，企業(yè)的數字化不僅要依托于信息系統(tǒng)的搭建，還需要能融合組織數字化、人才數字化、管理數字化的綜合進程，打造圍繞系統(tǒng)的組織架構，形成一套組合拳。·，基于BI能真正為他們帶來的效率提升，業(yè)務人員也更愿意積極地參與到BI建設中，進一步讓企業(yè)的數字化基礎建設能夠真正落地在撬動業(yè)務價值的點上。張亮集團旗下品牌張亮麻辣燙創(chuàng)立于2008年，經過十五年戮力耕耘，張亮麻辣燙迅速發(fā)展為集直營、加盟、研發(fā)、培訓、設計、管理、服務于一體的全球餐飲連鎖品牌，下轄28家分公司，擁有直營店100余家，連鎖店面數量超過5800家，在業(yè)內樹立了廣泛知名度及高品質口碑。2019年開始，張亮麻辣燙正式啟動全球化店面連鎖的戰(zhàn)略布局，先后在顧超日本、美國、澳大利亞、加拿大、新加坡、新西蘭、英國、韓國等10個國家的25個城市建立43家品牌門店，不斷進行品牌升級，為輻射全球餐飲市張亮集團技術運營中心-IT總監(jiān)場打下堅實的基礎。內外驅動張亮集團數字化戰(zhàn)略落地張亮集團為什么要進行數字化建設？有外部驅動和內部驅動兩個方面的因素：外部驅動張亮麻辣燙是2008年成立的，但前期我們內部運營管理信息化和數字化的程度和進展都相對緩慢。我們在參加各個行業(yè)展會或者對賽道、競品進行調研時發(fā)現，餐飲行業(yè)外部營銷信息化應用非常廣泛，從中也發(fā)13現了我們亟待提升的部分。在行業(yè)市場整體蓬勃發(fā)展的環(huán)境里，我們的數字化升級迫在眉睫。非常需要數字化，通過數據驅動來優(yōu)化跨部門溝通協(xié)同的能力。在這種外部驅動下，我們的數字化升級需要短平快過去我們有雙周

會、季度會、半年會、年會等等大小會跑，甚至需要彎道超車，且不允許走彎路。我們在2022議，要讓所有部門在會上報告數據，例如董事長在會年選擇跟觀遠數據合作進行數字化建設也是基于這上問現在門店數量的數據，董事長助理說需要最新的個原因。觀遠數據在餐飲行業(yè)數字化實踐上有非常豐數據，就要找連鎖經營的副總裁，再找連鎖經營督導，富的經驗，團隊也非常敬業(yè)。過去一年里我接觸了不再找到店長，一層層上報，整個流程冗長也耗時耗力。下一百個供應商，對觀遠數據的能力非常認可。觀遠這種真實案例顯示的是我們必須通過數字化建設打團隊會主動催著我來推進項目，而不是要我催著他通業(yè)務全鏈路的數據流，提升內部經營管理效率。們。內部驅動行業(yè)外部和企業(yè)內部共同驅動著張亮麻辣燙的數字化轉型，我們將其提升到了集團戰(zhàn)略高度，規(guī)劃從0-1搭建數字化基礎，并和觀遠數據合作，希望通過BI平張亮集團是“雙總部”的模式，不同職能部門分散在哈臺的搭建，以終為始推進信息化的快速建設，加速落爾濱和上?？偛?。像招商、供應鏈、財務、外賣等部門，地數字化轉型。為了推動集團數字化戰(zhàn)略，我們在過去一年里做了很2008年之后能拿到的數據全部進行了清洗

，清除了信多事情，包括組織架構的變革，將我們的供應鏈公司息孤島，將割裂數據串聯，放入BI進行統(tǒng)一管理，讓我合并到集團體系內，還包括上線了大概10個信息化系們實現了一體化分析。統(tǒng)。做這些事情的過程里，BI都是其中一個主要的環(huán)同時，觀遠數據也幫助我們將人工經驗沉淀為固化的節(jié)。例如組織架構變革后需要重新匹配賬號，例如上系統(tǒng)規(guī)則，讓我們的數據建設進入了系統(tǒng)主導的自動線集團財務系統(tǒng)后要整合數據。觀遠數據幫助我們把14化階段。例如過去我們的客服接到訂單后有一個判斷接下來具體分享下張亮集團的數字化實踐：訂貨是否合理的“訂貨規(guī)則”，這個“訂貨規(guī)則”會通過第一，BI選型：多個業(yè)務系統(tǒng)同步規(guī)劃進行25個步驟來驗證訂貨是否合理、哪里不合理，這25個步驟是我們企業(yè)長期沉淀的人工經驗。觀遠數據幫助我們在2021年12月決定要開始用BI，但當時我們的財我們將這些經驗根據邏輯規(guī)則固化到了BI里，現在我務系統(tǒng)、電話系統(tǒng)、訂貨系統(tǒng)等等都在同步規(guī)劃中，于們只要每個月通過BI定期輸出給監(jiān)管部門，就能知道是BI選型的時間就拖到了2022年3月開始，并最終在門店的訂貨是不是根據規(guī)則來做的。當年5月定下了與觀遠數據合作。合作敲定后，我們和觀遠數據一邊做系統(tǒng)規(guī)劃一邊接入數據，一步步實隨著數字化基礎設施的建設，我們也很快步入了數據施，到10月下旬BI一期內容正式上線，現在雙方已經主導的精細化運營階段，并開始進行智能化的探索，在探討二期的建設內容。打造一些融合AI分析的產品。從2022年才慢慢開始接入10個信息化系統(tǒng)，到接下來從0-1構建以業(yè)務為核心的數還有10個系統(tǒng)的建設計劃，開始數字化建設后，數據據分析體系對于我們來說越來越重多。要，我們的BI看板也越來越第二，BI建設歷程：獲得決策層支持，深入挖掘業(yè)務需求知道。信息部門和財務部門都想去推進信息化和數字化的建設，但要怎么去跟決策層講這件事呢？我們就開始倒推，我們肯定要做數據建設，我們就需要BI。我回看我們上線BI的歷程，首先牽頭的是信息部門和財們做了一個BI的規(guī)劃，這個規(guī)劃里部分有數據，部分務部門。當時我們新來的CFO說，集團的生意做的很沒有的數據就用個括號代替。董事長看的時候就會問好，每年賺

很多的錢，但是背后的一些數據邏輯卻不為什么這些地方沒有數據，我們就說規(guī)劃是需要這些15數據的，但是因為條件不滿足只能空著。通過這種方二期建設業(yè)務需求梳理，他們自己提出來了200多個式最終讓決策層也堅定了推動BI建設的決心。需求的改變點，我們也不停地把手工表變成接口表，大幅提高了業(yè)務部門的效率。所以業(yè)務部門也跟我們有了決策層的支持，業(yè)務部門也開始配合。這也有一反饋說我們找的供應商很專業(yè)，因為觀遠BI是真的有個過程，我們第一次跟業(yè)務部門做BI需求調研時，業(yè)幫助到業(yè)務降本增效，也對整個業(yè)務部門的數字化應務反饋是完全沒有需求，因為他們依然站在原來的角用思維帶來了很大轉變。度，認為我這些工作就是用手工表就可以，或者這些數據是沒有的分析不出來，所以提不出需求。但當我最后是企業(yè)管理，我們現在會給高管很多看板數據，們和觀遠數據一起進行第二次業(yè)務需求調研時，我們高層能夠通過這些看板及時洞察企業(yè)整體經營情況，拿著觀遠數據行業(yè)標準BI參考跟業(yè)務談，談完之后業(yè)依據數據表現及時下達決策指令給業(yè)務部門，業(yè)務也務就開始知道想要什么，提出了很多需求。包括現在可以在數據指導下及時調整運營策略。第三，BI深度應用：優(yōu)先構建業(yè)財分析場景，已實現業(yè)務自助分析上海出行不便的兩個月，所以項目落地實際所用的時間甚至還要更短。一期的項目建設，主要是隨著我們集團財務系統(tǒng)的上我們的數字化建設，確實是跟觀遠數據一起通過一個月的調研、思考、討論，經過N輪會議之后一起做出了一期、二期、三期的完整規(guī)劃。而且我很驕傲我們一期線，把財務分析主題的內容全部做出來了，包括財務四大報表、各個公司的損益表等等。同時還基于我們的貿易體系，以及隨著我們供應鏈系統(tǒng)上線，完成了規(guī)劃的內容完全上線了，驕傲的原因在于這個項目落貿易分析主題。過程中我對觀遠數據非常欣賞的一點地僅僅用了三個月，且是在所有業(yè)務都是異地辦理的在于，有一次我們從某ERP里拉出近240張表，要從這情況下。觀遠團隊在杭州，我們的業(yè)務團隊一部分在哈爾濱，一部分在上海，項目實施的過程中還經歷了些表里抽出自己想要的數據，做技術的人都知道從海16數字化轉型是一套組合拳量的表里抽數據這種事情非常麻煩。當時我們連續(xù)開了一周

的會，觀遠數據根據我們的業(yè)務指標跟系統(tǒng)供應商一個一個對，幫助我們把這240張表里的業(yè)務邏基于過去一年的實踐，我們認為，企業(yè)的數字化不僅輯抽了出來。其中還涉及到了賬號的改變，包括歷史要依托于信息系統(tǒng)的搭建，還需要能融合組織數字數據的清洗、舊帳號的清洗、新賬號的清洗，80%的工化、人才數字化、管理數字化的綜合進程，打造圍繞系作量都在這里。統(tǒng)的組織架構，形成一套組合拳。通過這套組合拳，企業(yè)的組織能力、業(yè)務流程、技術能力、數據能力都將得一期還有裝飾分析和加盟分析兩個板塊。加盟分析里到優(yōu)化與提升。包含了線索、成交、招商等各方面的分析，例如線索從哪個渠道來、跟進到什么階段、怎么成交的，以及加盟以業(yè)務流程為例，之前有說我們集團有月會和周

會的門店的選址、洽談、商務、裝修、開店、轉店等等，所有報告機制，甚至各個業(yè)務環(huán)節(jié)也有，但當我們在這些的狀態(tài)都會在加盟主題中有體現。裝飾分析板塊是因會議上需要數據時，往往會因為一些業(yè)務流程上的原為我們自己有裝飾公司，會對裝飾公司的ROI進行考核，在建的門店、裝修的門店和完成的門店也都會在其中進行分析。今年我們會對裝飾主題進行擴充，將裝飾公司所有的財務數據納入進來，以及它的庫存和因拿不到數據，或者需要經過非常復雜的流程、很長的時間才能拿到。與觀遠數據合作通過BI建設后，我們實現了業(yè)務流程數字化，數據不再難以獲取，權限管控也更加明晰，從決策層到業(yè)務一線都可以很便捷銷售數據，針對裝飾板塊做一個財務分析主題。地看到自己想看的數據，各個業(yè)務環(huán)節(jié)的協(xié)同效率也得到了大幅提升。這兩個板塊其實可以說是我們自己做的。和觀遠數據合作的項目啟動后，我們隨著項目組一起成立了數據再以技術能力為例，想要強調的是具備易用性的觀遠分析團隊。團隊成員都是當時剛招進來的非常年輕的BI讓我們得以培養(yǎng)了一大幫可以使用BI的人，業(yè)務部同學，有的是大學剛畢業(yè)，隨著項目的啟動我們也開門、財務部門得以自主進行數據分析工作，大大減輕始給她們進行培訓，到目前為止已經有同學通過了觀了IT部門的負擔。例如以前財務部門給我們提需求，我遠中級數據分析師的培訓考核。所以現在裝飾分析和們要溝通理解需求，再排期去給他做，但現在財務部加盟分析都是由這些新同學自己做。這也展現了觀遠門的同學自己就可以做掉了。此外，基于BI能真正為BI的易用性，非常好上手。包括對數據管控非常嚴格的財務部門，財務人員現在可以自己用觀遠BI做集團財務報表，做財務分析，對數據權限的管控更加嚴密，數據安全也更有保障。他們帶來的效率提升，業(yè)務人員也更愿意積極地參與到BI建設中，進一步讓企業(yè)的數字化基礎建設能夠真正落地在撬動業(yè)務價值的點上?，F在我們已經開啟了二期內容的探討，目前計劃將全國凍品的數據接入BI進行分析，同時也包括門店經營銷售，以及線下堂食、線上美團和餓了么、抖音、線上會員等等數據的展現和分析。此外我們也想通過二期建設將這些數據展示給全國28個分公司，以及所有的加盟商，讓他們無論在什么地方都可以看到想看的數據

，洞察門店經營情況、業(yè)績發(fā)展趨勢。17慕尚集團：敏捷

BI

上線一年不到滿足全集團業(yè)務數據需求，員工使用率達86.3%精彩觀點：·，信息部是屬于品牌的一個職能部門，我們輔助業(yè)務，就像業(yè)務在前線戰(zhàn)斗，在后方給他們輸送彈藥，彈藥就是我們的數據?！?，好的工具不是要取代業(yè)務，而是要讓業(yè)務用起來，去釋放他們繁瑣工作的壓力，幫助他們提升效率，讓他們有更多精力去做更有價值的事情?！?，當流量的紅利退去，當我們身處存量有限的時代，企業(yè)只有通過數字化建設，擁有能夠分析數據背后邏輯的能力，才能知道應該走哪一個賽道完成企業(yè)的轉型，實現企業(yè)的增長。慕尚集團是中國領先時尚男裝公司，同時覆蓋

運動服市場和其他時尚渠道。旗下有GXG、gxg.jeans、MODE

COMMUNTER等品牌。其主力品牌GXG男裝品牌創(chuàng)立至今，多次榮獲男裝類目銷售第一。同時，GXG更依靠數字化實現的全渠道整合和線下門店坪效提升，以及大數據為主導的金中緯新零售營銷模式，為慕尚集團整體業(yè)績增長發(fā)揮了關鍵作用。慕尚集團數字化搭建歷程慕尚集團數字化負責人慕尚集團的數字化建設已經進行了四年，嚴格意義上來說是從2019年開始在整個市場推行了數字化建設。2020年，慕尚集團融合所有業(yè)務系統(tǒng)正式上線了全渠道業(yè)務中臺。在上線平臺的過程中，我們整合了業(yè)務基礎數據，并成立MDM項目組，到2021年，MDM一期上線。在這個過程里，我們發(fā)現了業(yè)務和技術不兼容的問題對于平臺上線的影響，于是在此之后成立了數據中臺項目組，并在2021年下半年對整體業(yè)務需求和全域數據進行了整理。2022年，慕尚集團進行了BI、可視化工具的選型和上線。在此之前我們有很多業(yè)務數據系統(tǒng)，也用過了國外廠商的BI產品，但在使用過程中發(fā)現它并不能貼合國內的一些應用，同時后期的運維能力也無法得到滿18足。因此，我們希望能夠選擇一款貼合品牌業(yè)務需求理，實現統(tǒng)一數據標準化，也和業(yè)務一起線上線下開的國產BI，最終選中了觀遠BI。了好幾次會議，宣導數據口徑的唯一性、一致性。到今年，我們還是會不斷完善數據流程，持續(xù)推進數據指過去，業(yè)務用數據做分析是分散性的，數據口徑不統(tǒng)標分析，減輕業(yè)務表格化。一。通過觀遠BI，我們對集團多源數據進行了統(tǒng)一管上面這張圖顯示的是我們在建設MDM和數據中臺之看到，這些線是雜亂無章的。同時，通過API等各種形前的系統(tǒng)架構，所有的源數據會從不同的系統(tǒng)進到業(yè)式接入數據很容易造成數據的缺失和不完整性。所以務中臺，再由業(yè)務中臺分發(fā)給其他的下游系統(tǒng)?？梢晕覀冊?019年開始進行數字化轉型。19數字化轉型以后，我們所有的基礎數據都從主數據系實時性的統(tǒng)計數據用于給高層管理層做決策用，而業(yè)統(tǒng)推出來，它成為公司數據的唯一入口，通過主數據務層需要用的數據量更大，不止需要指標性數據，還推送給所有的業(yè)務系統(tǒng)，包括OA、WMS、供應鏈系統(tǒng)、CRM等，再由所有的業(yè)務系統(tǒng)推送給我們的財務系統(tǒng)，進行每日的鏈接或者財報的輸出。要用底層的數據做個性化的分析?！ぶ虚g數據層：由數據中臺進行數據清洗和數據整合，數據中臺是我們信息部自建的。應用層則會在POS端、OMS端，以及現在很多人在用·數據模型層：對清洗和整合完成的數據進行多維度的微商城、釘釘、企微實現數據化。2020年我們上線了的分析和計算。數據中臺，所有的數據都從業(yè)務數據中來，當然基礎·數據應用層：通過觀遠BI進行可視化分析，對元數據數據還是從MDM流向主數據。兩者相結合，下分了四和數據流進行管理，實時洞察分析數據。通過內嵌在個數據層：釘釘里的BI應用進行數據監(jiān)控，數據異常會通過釘釘·數據采集層：采用批、流數據處理方式。因為BI需要推送消息預警，保證數據的及時處理。數據建設四大要素后，我們對于數據的高度共享性、長期穩(wěn)定性達成了共識。不管怎樣替代下游的產品，只要保證數據來源講完了慕尚集團數字化搭建的歷程，我想要分享一下是唯一入口，保證數據的長期穩(wěn)定性，就可以提升數我們的數據建設的四大要素：據的處理效率。第一，品牌數據整合。我們之前的數據來源是雜亂無第二，品牌口徑拉通。慕尚集團有很多品牌，也有很多章的，接口也是雜亂無章的，常常不知道哪邊的數據不同的業(yè)務部門，過去他們的數據口徑都是不太一是準確的。對于業(yè)務來說可能是A數據準確，對于財務樣。我們跟業(yè)務部、商品部、財務部開會的時候，就發(fā)來說則可能認為B數據準確。MDM和數據中臺上線以現同一個數據他們的一個條件不一樣，就會造成數據20的差異翻倍。于是我們拉通業(yè)務部門去開線下會議，第四，驅動業(yè)務決策。在上線MDM、數據中臺之前，我把一些不一致的指標、數據口徑的盲區(qū)全部拉平，在平臺上線后就做到了數據的唯一性、準確性、有效性。們的業(yè)務可能是拿底層的數據做分析，經過很多計算反推數據指標，而后反饋給我們信息部提出數據是有問題的，我們再去找業(yè)務溝通問題所在、為什么會出現數據偏差?，F在做了數據整合后，我們信息部就可第三，聯動業(yè)務增效。在過去沒有整合數據、沒有上線BI工具前，我們的業(yè)務每天早上要花很長時間導出新以拿自己的數據去給業(yè)務，引導業(yè)務思考，驅動業(yè)務數據，整理數據，最后得出結論再拉品牌中心一起開決策。會。在整體上線BI工具，包括以IT部作為數據唯一出口端后，我們就得以聯動業(yè)務實現了一定的降本增效，信息部如何做好業(yè)務的后盾同時還釋放了業(yè)務的壓力。信息部如何做好業(yè)務的后盾？對于信息部來說，我們我們可以給到業(yè)務統(tǒng)一的邏輯，統(tǒng)一的口徑，統(tǒng)一的是屬于品牌的一個職能部門，我們輔助業(yè)務，就像業(yè)數據，以及也可以給到業(yè)務一定的培訓，進行共創(chuàng)。務在前線戰(zhàn)斗，在后方給他們輸送彈藥，彈藥就是我第三，業(yè)務擔心什么。我們所做的系統(tǒng)中最重要就是們的數據。我們需要用數據支撐業(yè)務，而具體如何給數據是否準確，一旦數據不準確，對于業(yè)務來說這套到業(yè)務支撐，我認為有以下四點：系統(tǒng)就從根本上沒有任何用處，所以他們第一個擔心第一，我們得知道業(yè)務想要什么。這其實很簡

單，業(yè)務的就是數據的準確性，這也是我們首要要滿足的。此想要的就是準確的數據，其他他們都可以自己解決，外，信息部和業(yè)務之間的聯系是一個需求配合的過但只有準確的數據是只能通過我們獲取到的。程，業(yè)務部門的人數一定比信息部多，對于業(yè)務的思考多需求也多，我們是否能及時滿足他們的需求，提第二，我們可以給業(yè)務帶來什么。通過我們不斷地模的需求排期會不會過長，這也是他們所擔心而我們要擬，不斷地訓練數據模型，不斷地驗證數據的結果性，解決的問題。另一個就是業(yè)務會擔心自己是否會被工21具取代。很多業(yè)務擔心一些現場處理的工作被線上化，被信息部通過數據的方式每天自動處理了，自己價值的事情。第四，公司可以給到什么支持。這一點非常重要。數

據的工作是否會丟失。我認為不會，因為業(yè)務的想法和建設的過程中一定會存在很多的困難點，比如業(yè)務跟每天積累的新經驗是沒有辦法用工具代替的，數據所財務之間一個數據口徑不一致產生了矛盾，比如我們總結出來的規(guī)律的來源還是業(yè)務的腦子。就像觀遠數在上線主數據的時候一定會規(guī)范數據和流程的要求，據巡展主題“讓業(yè)務用起來”，好的工具不是要取代業(yè)這一定會給業(yè)務帶來不便捷性，因為需要他們填寫的務，而是要讓業(yè)務用起來，去釋放他們繁瑣工作的壓東西更多了，對他們填寫內容的精確性的要求也更高了。這種時候就需要管理層的支持。力，幫助他們提升效率，讓他們有更多精力去做更有在慕尚集團，我們上下一致認為要用數據驅動業(yè)務。己做了非常多的報表。在這個過程里，我們只要指導上圖是我們數據給到不同層面的占比，業(yè)務層一定是業(yè)務用哪些函數、數據源在哪里，幫他們把數據整合最多的。決策層會通過BI的決策分析報告來給他們展現數據，包括在移動端BI應用展現。給到管理層的數據占比30%，兼容了上下兩層的一些數據。我們?yōu)楣苁崂砗茫蛘邘椭麄兘鉀Q一些比較困難的腳本上的問題，業(yè)務就能夠自己用這些數據源去做自己想要的ETL?；谶@種易用性，我們也通過對用數據最深最多理層做的移動端BI的數據看板，包括了整體銷售業(yè)的商品部門、財務部門進行深入調研，選定了幾個比績、店鋪分析、SKU分析、客戶分析等等，這些一定是較關鍵的超級管理員的角色，如部門里的數據分析人高層和管理層最想要看到的東西，他們會通過這些去員，培訓他們使用BI的技能，和他們共創(chuàng)或者協(xié)同他分析、去決策，從而引導公司未來的走向。們去生產自己需要的報表、自己進行分析，讓他們能自己把BI用起來，更高效率滿足業(yè)務上的需求。要他用過觀遠BI的人都很熟悉觀遠的智能ETL，我們選擇們填寫的東西更多了，對他們填寫內容的精確性的要觀遠BI產品其中一個原因就是它的ETL對應用非常友求也更高了。這種時候就需要管理層的支持。好，而且很直觀，現在我們的業(yè)務已經借助智能ETL自22從去年7月上線觀遠BI到今天為止，我們也做出了一些成績：流量已經看不到多少存量了，所以大家都在挖掘私域流量。私域的流量通過什么做載體呢？很多企業(yè)可能會通過各種AI外呼、短信、優(yōu)惠

券等方式將用戶拉到私·與業(yè)務協(xié)同制作的總報表數達到360+張；域池子里。慕尚集團則會通過CRM、企業(yè)微信等各種·員工使用率達到了86.3%；產品做載體，沉淀下用戶相關的數據?！び^遠BI上線后，直接省卻了過去業(yè)務每天要花2小時有了這些數據以后，我們如何去發(fā)揮它的價值？很多導數據、做報表的時間；企業(yè)不會看這些數據，甚至不知道每個用戶給品牌帶來的價值是多少。最近做私域的大家應該都知道，企·作為信息部數據唯一出口，極大保障數據口徑的統(tǒng)業(yè)微信要收費了，添加外部聯系人每人0.1元/人。這個一性，提升了業(yè)務運營效率。價格看似不多，但如果存量會員達到了100萬甚至在不到一年的時間里，可以滿足集團上下所有的業(yè)務1000萬，對于公司來說每年多考慮10萬甚至100萬的需求，對我們來說是一件里程碑式的事情。成本支出。當沒有精準的數據的時候，可能大家都不會它的價值在哪里，但當有明確的數據呈現時，我們源于數據帶來的思考關于數字化運營的兩個思考：就會考慮當我花這0.1元去“購買”了一個客戶，以及一個能夠觸達他的工具的一年使用權，我要怎么在這一年以內對他進行N次觸達，從這個客戶這里轉化出我們需要的收益。這就是在放大數據的價值。第一個，在存量有限的時代，如何放大數據此外，以清洗客戶池子為例。GXG的客戶池子里也有很的價值？多沉積的客戶，他們可能已經不再是我們的目標客現在很多鞋服零售企業(yè)都在做私域，因為近幾年公域戶，也難以再挖掘出復購的價值，但如果我們不做數23據分析，不能洞察到他們的狀態(tài)，我們可能就還會在退去，當我們身處存量有限的時代，企業(yè)只有通過數他們身上投入很多錢在對他們的觸達和營銷上，但卻字化建設，擁有能夠分析數據背后邏輯的能力，才能無法帶來任何價值轉換。所以，我們需要考慮在存量知道應該走哪一個賽道完成企業(yè)的轉型，實現企業(yè)的經濟時代，如何放大數據的價值。增長。第二個，企業(yè)選擇數字化的意義是什么？從這個思考向下延伸，數字化對于信息部的意義是什么？我認為是增長。在大環(huán)境被不確定性沖擊之前，大家關注的都

GMV，只

上了天貓的雙十一、做了一些平臺化的活動，增長率一定可觀的。但大家不知道我認為也

兩個字?信任。這個信任來源于集團公司，來源于業(yè)務團隊。GMV背后的數據到底是怎樣的。但是，當流量的紅利這張圖是我從網上截取的，做了一些修改。接觸過候把數據質量提上去了，什么時候給到業(yè)務的數據口SaaS工具的人都知道，我們去購買一些SaaS工具時，徑一致了，業(yè)務對我們信任了，才會一步步地從基礎會告訴我們基本版的功能是什么，標準版的功能是什版走向標準版、專業(yè)版，從而達成集團上下數據一致么，專業(yè)版的功能是什么。對于信息部來說也一樣，信化。息部服務于業(yè)務，對于業(yè)務來說，信息部給他們的服務也是不同版本的。前期是基礎版，后面信息部推出了標準版，但業(yè)務什么時候會“購買”標準版呢？什么時候會“試用”標準版的功能呢？其實就是我們什么時24每日的菌：從爆品出圈到價值沉

淀，實現破局增長精彩觀點：·，早期的新銳如何爆品破圈

？產

品從洞察上有差異化，交付出一個可以解決市面上大部分問題的產品時，這只是小小的領先一步。第二步是如何具備相對的進化能力，一切以用戶價值為出發(fā)。·，我們奉信不僅僅新銳品牌要出圈

時去當流量導手，更要為品牌價值進行沉淀?！ぃ凭衷鲩L它不可能是果。一個偶發(fā)性的事件，一定是持續(xù)性的累計的結每日的菌是天貓國內益生菌咀嚼片

Top

1

品牌，也是天貓

2022

寶藏新品牌，獲得了

FootPlus年度榜單最值得期待的消費品牌。每日的菌來自哈佛醫(yī)學院博士后科學家引進的全球技術超微納米冷壓技術，開創(chuàng)了一個國內比較新的劑型叫咀嚼片。比起傳統(tǒng)粉劑、膠囊，可以做到更方便和更好吃。目前我們在第三方調研咨詢公司的品牌認知度調研排名中，每日的菌在區(qū)域化品牌已經獲得了比較領先的地位，認楊敏知度、喜愛度和購買意愿目前都是排名Top

on1。每日的菌創(chuàng)始人每日的菌如何實現破局增長？要分享的三個部分，第一是爆品出圈

，第二是價值沉淀，第三是破局增長。爆品出圈首先講到的是爆品出圈

。一個新的品牌剛開始出來的時候，不外乎兩個大致的邏輯：一個是賣貨邏輯，第二是品牌邏輯。兩者剛開始出來，包括整體后期的成長畫

像是不太一樣的。賣貨邏輯以運營為主，只看到流量轉化率。眼中一切用戶都是流量。但實際上，在早期操盤的時候，大家心里面還是會覺得“沒有噸位就沒有地位”，所以任何可以通過計算而轉化到的銷售額，大家反而覺得是更簡單更容易做的生意。25第二種是品牌邏輯，在品牌的初期會做很多虛的事情所以在我看來，前面這兩種邏輯都過于極端。一個新包括品牌定位、品牌調性等等。即便私域或者公域種的品牌可以被稱為新銳品牌，那證明它在道和術的結草的行為短期可能是虧損的，也會為了任何一個用戶合上其實做得是還不錯的，只不過是看說未來如何從努力爭取提高復購率。在品牌邏輯的增長思維里面，網紅持續(xù)突破變成長紅的路徑上做到持續(xù)的品效合每一個用戶都是活生生的人。如果是純學院派，過度一，是大家需要堅持找到每個環(huán)節(jié)的里程碑。我們早的理論化，大家會反饋活不下去，一切都是免談。期起盤是非常輕量化的，就像是蛇打七寸一樣。我們是通過千人早鳥共創(chuàng)活動，雖然很慢，但整個過通食品，存在很多地域性的原理，不好用、不方便、不程中獲得了非常多有效的數據。我們基本上開放了所好吃、沒有效甚至是不好看沒有趣等等。在這個領域有可以編輯產品觸點，跟用戶共創(chuàng)。整體的環(huán)節(jié)跟很越簡

單的東西實際上就越困難。越簡

單的東西，比如多大型的公司，包括像寶潔、麥肯錫、IBM

的產品開發(fā)說不好吃，你需要去想很多的解決辦法去改善大部分的流程基本上是一樣的，在我們看來的話是比較高效人覺得不好吃的問題。所以在產品里面，早期我們是的。堅信任何定性無法回復的問題都需要通過定量給出答案。這個共創(chuàng)的環(huán)節(jié)最核心的關鍵點是早期樣本量要非常的精準，否則沒有辦法開發(fā)一個非常優(yōu)質的產品。目前包括到現階段，我們所有產品的開發(fā)和測試基本過程中要不斷地去識別、篩選用戶拋出來的問題和需上是在私域進行解決。回到剛才的這一點，還是去強求，雖然有可能是個偽需求。這里我寫的是彈性主導，調彈性主導問題。很多品牌去強調用戶共創(chuàng)，但是真因為過程中的話需要產品經理去判斷，進行篩選。共創(chuàng)了多少？結合了多少用戶的反饋到觸點里面？其實這是一個柔性的可被品牌拿捏的維度。我們是一個做食品的品牌，不管是功能性食品還是普26像我們整體從

0

到

0.1

的過程，首先早期產品經理有產品生出來后，還只是剛剛開始。早期的新銳如何爆絕對的交付力，對于一切用戶的建議和創(chuàng)意都是yes。品破圈

？產品從洞察上有差異化，交付出一個可以解所有的創(chuàng)意我們都是保持一個開放和完全不會拒絕決市面上大部分問題的產品時，這只是小小的領先一的態(tài)度。比如早期，很多人問我們說益生菌是一個很步。第二步是如何具備相對的進化能力，一切以用戶成熟的市場和賽道，我們從去年出來的時候，這個賽價值為出發(fā)。我這里的價值是一個絕對值。很多的新道已經挺擁擠，并且整個市場的發(fā)展已經非常的豐富銳團隊在開發(fā)產品的時候，早期會過度地自嗨，可能了。那一開始我們出來開發(fā)產品，有很多的概念，很多開發(fā)了很多觸點，是用戶根本用不上或者說感受不到用戶存量體驗的不足會進行訪談。的。在2.0的階段就要不斷地進行回調、校對，如果是體驗不好的地方，那可能就是升級。一些可能早期是想在整體的產品開發(fā)過程中，我們去發(fā)現原來現有的劑太多的地方，要回調進行降本增效。所以我們是有一型存在很多的問題，導致消費者在體驗的過程中存在個非常完善的產品體驗的反饋機制。比如不好吃、不方便、沒有辦法堅持等等貌似很簡單的問題。但行業(yè)里面很多商家并沒有去解決。于是乎我們在社群里面會有一定份額的定期派樣，包括老用我們就想到了去引進或者說去開拓咀嚼片的這種劑型。但這種劑型在國內的技術非常的單一，所以我們通過整合全球的技術，最后進行了交付。戶回訪，以及公域里很多用戶的留言，客服的反饋等等。那我們就會在2.0、3.0、4.0版本中不斷地進行整體升級，把觸點不斷地升級。產品就是一步一步，包括后面產品矩陣的搭建開發(fā)，都是經過不同階段的種子用第二個階段是包裝。其實活菌、益生菌的包裝在早期戶一起共創(chuàng)出來的。的供應鏈上也有一些比較傳統(tǒng)的問題是沒有被解決的。比如說大家可以看到的包裝是條包鋁箔這種簡單早期出圈

可以看到口碑比普通產品更多。在早期我們的包裝。這種材質的隔氧性和密閉性沒有那么好。所小紅書看到有非常多純素人的分享，當時我們品牌方以很多益生菌出來了之后，它的活菌衰退期就會很明是沒有任何的干預和參與的。當我們看到說很多早期顯。所以很多人會反饋吃益生菌是不是智商稅沒有什的優(yōu)質種子用戶會去內容平臺進行分享這些好產品，么效果。這個時候我們就想到能不能去尋找一種保存所以第二個階段升級了整體對于內容把控的輸出?；罹鷷r間延遲更久的新型材料。我們跟非常多的綜合型博主達人，不同的垂類進行了我們在什么地方找到了這款材料？就是大家生活中最不同內容向的益生菌植入。比如說有好物分享、養(yǎng)生、常見的氣泡飲料。氣泡飲料里面有碳酸，瓶子材料要護膚、口播等等。不同的類型的植入，腳本和驅動也是保證氣體不跑氣不漏氣，所以材料密閉性非常好。但完全不一樣的。目前我們在小紅書里面非常明確的幾當時國內是沒有有這樣的設備的。碳酸飲料的瓶子是個產品先跑出來。比如早期針對

28

到

32

歲的精致女硬片，大部分瓶子是吹出來的。我們那么小，它沒有辦性排濁系列，包括對于全家人的全家桶

系列，對于有法吹。于是乎我們想到了

3D

打印技術進行結合，最后減肥需求的燃卡片系列。那這幾個系列，是對于小紅進行供應鏈的開發(fā)，所以才開發(fā)出了專利保鮮倉這個書的用戶非常的高匹配。包裝。剛才第一階段是大家看到的原生態(tài)階段，這個階段我早期對于包裝的改良和創(chuàng)意是來自于一位種子用戶們稱之為是品牌的鋪天蓋

地。當時七八月份我們發(fā)現非常簡

單的一句話，他認為現在的包裝都非常普通，在小紅書有上萬篇的筆記，那非常多的筆記都是通過那咱們能不能有一個更新的包裝，不管是從體驗上還種子用戶自己去分享?？赡軆热莺苌伲旧蠜]有所是實際功能上都有更好的體驗。謂的腳本概念。那在第二個階段，也就是現在的階段，27大家再去小紅書里面看，可能看到的更多都是頂天立確的或者說精細化數據驅動的管理后臺。那我們可以地，都是一些比較大的筆記或者說報文為主。那這些非常精細化地做到。第一是有不同的因子，不同的產文章的話都是經過品牌思考和植入，甚至早期腳本項品它有N個有機組合的因子。那我們可以把這些因子都是經過測試的。這些的話都是品牌內容營銷這方面摘出來，可以是產品賣點，可能是這種

end

bene?t

又的思考?；蛘哒f是那個用戶關注的點、場景等等。那把這些因子有機組合了之后，我們就會去套不同的腳本，相當那剛才老師有提到說小紅書的整體投放，如何去監(jiān)測于說可以通過機器做的事情，然后進行有機組合核心這個關鍵詞同期在天貓里面的表現。我們整體的感受腳本，再進行人工柔化。是這樣的，我們把小紅書的內容的投放和種草歸納于品牌長期的有效投資之一。我們在早期沒有干預的投最后在整體的一個圖片，包括場景的搭配，層層下來，放過程中，發(fā)現說我們天貓站內的流量可以快速地增就可以去跟蹤到底不同的核心腳本，數據會怎么樣？長，關鍵詞基本上來自于每日的菌和小藍泡這兩個。這整一套數據驅動內容的流程也是我們比較核心的后面我們也是持續(xù)去種這幾個關鍵詞，以及幾個新品內容管理的機制之一。那剛才大家看到的，甚至我相比如全家桶

這些小名。信大家看到的其他品牌的投放內容，沒有一篇內容會那么幸運地就爆了。所有的爆文的背后都是經過無數總的來說，每日的菌是以品牌發(fā)展為起家，過程