零售企业数智化成熟度白皮书：以数智化引擎促增长探索零售发展新机遇

以数智化引擎促增长探索零售发展新机遇>一中国零售行业数智化成熟度白皮书身为大数据行业的亲历者，我们深知数据的重要性，也深刻体悟到数—朋新宇阿里巴巴集团副总裁、瓴羊CEO零售行业是拉动消费并促进经济增长的重要支柱。智能数字化业务时代—安筱鹏阿里研究院副院长数据要素正在加速重构企业发展与治理模式的新生态。经历了多年的变革，企业已经逐步意大数据、机器学习、隐私计算等智能化技术和智能化应用层出不穷的今天，“数字化”向零售行业作为国计民生的重要领域和宏观经济的基础构成，是国家和地区经济景气表现的重要指标，更直接关系到人民的生活成本和幸福指数。在数智化建设快速发展和广泛布局的背景下，传统的线上线下零售方式正在发生巨大变化，移动化、社交化、直播化的线上电商模式和社区化、场景化、专业化的线下零售模式正在走向融合、互为引流，在给消费者创造出一种全新购物体验的同时，也倒逼零售企业不断完善数据治理体系和运营方式，追求创新适零售企业的个性化创新是其培育竞争力的重要手段。通过对数据的高效、合理利用，能够提升客户画像准确性，在获得更加精准的客户需求的同时，促进个性化产品研发，整合管理触达客户的多维销售渠道，提升交付效率，进一步改善客户的消费体验，形成数智化建设不断因此，零售企业需了解自身数智化发展的真实水平，找到发展差距，补足发展短板，携手数智技术服务商一道，在商业模式、管理细节等方面创新进取，提升自身数智化成熟度水平，让数据、技术、平台等要素更好地赋能业务应用，实现数智化水平提升，促进自身市场表在数智化建设逐步成为企业必经之路的今天，零售行业在中国经济波澜壮阔的发展历程中，始终挺立在业务创新的发展大潮之上。作为能够迸发出更强大增长力量的领域，零售行业给数智化建设提供了更加丰富的应用场景。领先的零售企业打造完备数智化平台的成功范例，也将引领更多的零售企业走向数智零售的康庄大道。 011.1零售数据为王，企业拥抱数智，赢得数智竞争 1.2致胜数智零售，提炼数据价值，构建竞争优势 2.2深析指标，解惑零售数智差异点 3.1数智评估结果，定位零售行业现状 3.2拆解一级指标，明晰零售数智现状 4.1行业企业建议：健全组织，定位瓶颈，合作共创，发 4.2技术厂商建议：了解需求，洞察趋势，深耕场景，陪 附录 技术能力”的零和博弈局面已很少见，取而代之的是“应用是否零售商正重新定义客户体验，以提供实时、情境化的客户旅程。消费零售商正重塑实体店作为全渠道客户旅程支柱的角色，门店至产业生全渠道信息同步，库存管理成为全渠道零售运营的支柱，以快速响应人工智能通过数据平台赋能，释放更有效通过体验设计及智能设备，实现沉浸式零售，创造与购物者互动的全新和增强方重新定义店员角色，为全渠道客户旅程成功和创造长期价值。通过一体化智能平台，提升员工的工作体验，进而传递公司政策导向，接连出台引导企业调准战略近年来，数据相关政策接连出台，政策指向数据要素市场逐步规范，体系愈发清晰，数据价值实现的过程变得更加规范。这为企业推进数据治理、挖掘数据价值提供了框架，指导企业调准战略，打通业务增长通道。索作用的意见》(简称“数据二十条”)2022月12日2021年12月《要素市场化配器综合改革试点总2020年05月2019年10月2023年2月在密集出台的政策法规和数字经济蓬勃发展等多重因素驱动下，零售行业相关领域的数据应用得到蓬勃发展，零售企业数智化进程持续加快，随着数据应用规范的不断完善、数据流通机制的日趋成熟，数据大环境呈现出向好的发展趋势，为企业的数智化成长奠定了优越的基础。企业突围，驾驭数据赢得未来数智竞争在数据主导的数字业务时代，零售企业须通过数智创新突围，获得数智竞争优势。差异化：在高度同质化的红海竞争环境，差异化已成为企业竞争的关键。大数据支持消费者行为偏好的分析与聚焦，推动零售企业在产品、服务、区域、时间、配送等多环节构建先人一步、优人一步、快人一步的差异化优势。个性化：无论产品性能、成分含量、地区标志，还是成本价格、文化喜好、品牌形象等要素，都造就了产品服务的个性化特征。数智消费者感知及需求精准定位，将使企业从个性化的局部优势中获得超额价值。链路化：数据智能将拉近供应链各要素间的距离，促进产销协同，提升履约效率。同时，数据智能使消费者的需求得到快速响应，可助企业提升服务交付效率。链路效率已成为行业企业展开业务竞争的重要阵地。为建立差异化竞争优势，挖掘个性化价值，打通链路化协同，零售企业需从数据入手，建立丰富的元数据管理体系，规范数据标准，发挥数据价值力量。当下，零售企业尚处于数智化爬坡阶段，在数据驱动业务的路上不断探索，力求深挖业务数据，实现产品、服务、流程的数据驱动化，获得零售数智竞争力。竞争提供资源与引擎。“数”是数智业务资源。数据似海绵里的水，“水”的价值的利用程度，取决于：挤出了多少、有没有经过清洗过滤、如何被利用、周转速度等。对数据的驾驭能力体现在“数据-信息-知识-智慧”的提炼过程。若业务渠道间数据隔阂、供应链数据不及时、数据处理低效，或用户数据不能得到深刻洞察、数据隐私安全难以保证，则不仅会影响企业的经营效益及运营效率，还会逐步降低企业的市场竞争力。打造了高价值生态系统，提供定制打造了高价值生态系统，提供定制将数据“意义化”指导可即时获取公司产数据品经营及运营数据决策的准度数据的价值知识智慧理企业互动理企业互动图6“智”是数智业务的引擎推荐商店物联网硬件设备增强现实/虚拟现实可穿戴设备语音移动集成和编排服务生态系统互动开发人员服务互联流程内部服务外部服务连接流程人苏来源：IDC《嬴在A|时代—-CIO如何做好数据治理》,2023行业企业深知推行平台智能赢得数字零售竞争并非“一蹴而就”,需从组织及数据治理、数智运营效率、客户体验、打通产销等多个维度着手提升。在没有顶层规划及衡量标准的前提下，企业往往选择按业务优先级单向提升，但在推行的过程中会根据IDC的研究结果分析，零售行业企业在进行数智化建设过程中，往往会出现组织动能不强导致落实艰难、数据治理能力不足难以支持业务数智、工具能力不足致使数据难以充分利用等问题。因此，零售行业企业在进行数智化建设过程中，需要做为此，基于IDC对数智零售的研究积累及趋势洞察，结合瓴羊丰富的零售经验沉淀，模型旨在助力零售行业企业精确评估其数智化发展现状，对比自身数智化水平与行业基线的各项差异，助力企业制定及调整未来数智化战略，做最切实有效的数智化准备。模型聚焦中国零售企业关注的成本、效率、渠道、服务及体验五大方面。通过全方位提升客户粘性、企业客户体验竞争力及市场份额，构建沉通过全方位提升客户粘性、企业客户体验竞争力及市场份额，构建沉提升运营及决策效率及供销周转，实现产销协同及履约数字化深度，数据的深度挖掘及决策精准支持客户服务设计与运营通过个性化客户服务及智能支持，通过个性化客户服务及智能支持，赢得客户的信任并提升忠诚度，提渠道实现线上线下数据的互通，构建“人+货+店”的高效匹配互动，实现个性化推荐及渠道量及可对比。的改变，指标体系应该全面覆盖数智化转型的模型指标体系评估维度，包含：初始探索、局部试点、全面提升、数智成熟及创新引领五个成熟度等级：企业可以参照各个成熟度等级的评估标准，定位自身发展阶段，通过与行业平均水平的对比分析，深谙自身现状，明确提升数智竞争力的关键要素，获得跨越成熟度阶段的关键建议。图10“中国零售行业数智化成熟度评估模型”一级指标数智组织动能数智组织动能企业数智化愿景、领袖、领导力数智资产建设准备数据平台建设与应用、数据整合与治理、数据分析与挖掘、数据服务与业务化数智营销体验数智分析决策消费者数据价值挖掘及运营、媒体投放及推广、购物渠道建设、客户体验设计与运营、客户服务设计与运营数智供销协同履约、产销协同、货品运营及新产品研发数智化决策管理体系、决策应用、决策数据要素来源：IDC、瓴羊，2023 数智化愿景：指标关注企业愿景与数据的“粘合程度”,即：企业是否有数智化愿景，运营是否基于数据，是否希望通过对数据的挖掘实现精准决策，在供应链、渠道、营销、运营等环节是否实现了自动化。数智化领袖：指标关注开展数智化工作的规模及难度，譬如由CEO带头的数智化工作，将使IT部门获得最大程度的业务线支持及落实所需资源支持；反之，如带头人级别较低，所获得的资源及权限也较低，落实的过程中阻力较大且反馈较难落实。不同的数智化成熟度不同的能力项不同，以数智化领袖指标为例：CEO/COO带领CXO落实2.2.2数智资产建设——铸建数据底座稳效企业数智化的重要基础构件就是数据资产，而数据资产建设则源于一整套数据治理数据平台建设与应用：指标关注企业数据平台的建设程度及平台能力情况。涵盖企业大数据平台建设及数据处理能力。数据整合与治理：指标关注数据资产建设能力及数据治理能力。涵盖数据治理规范、数据质量、数据管理体系以及治理团队状态等。数据治理规范既包含行业通行规则、数据技术规范，又将企业自身的业务特点、信息化建设水平纳入考虑，以构建一个满足企业现状和未来发展趋势要求的规范体系。数据分析与挖掘：指标关注业务数据分析能力及深度。涵盖分析平台功能及能力、分析人员、分析覆盖业务程度等。数据服务与业务化：指标关注数据业务化覆盖及效率，即：业务应用数据的敏捷及便利程度。涵盖数据业务化规范建设、数据平台服务现状等。以数据整合与治理为例：数据治理深入业务流建立数智化决策分析体系离不开明确决策数据要素、构建数据运营体系和不断丰富决策应用场景。基于数据建模、决策运营体系的搭建，辅助企业决策，或通过人工智能工具自动进行规范的业务决策，是体现数据治理价值的重要手段。决策管理体系：指标关注企业的数据运营体系建设程度，即：数据能多大程度支持企业的决策链条。涵盖：数据运营体系、覆盖层级、反馈经营结果现状、定位管理问题或商业机会挖掘及动因洞察、运营落地策略、健康度诊断、异常警报等。决策应用：指标关注数据支持决策的应用能力，即：业务的报表是否自动化，基于人经验的作用是否实现弱化。涵盖：数据支撑运营的工具及报表、决策信息可视化、自动化程度、决策互动效率等。决策数据要素：指标关注数据业务化效率及准度，即：业务需求转化为指标的流程是什么，转化的效率有多高。涵盖：数据源渠道、数据标签体系、数据要素管理标准等。以决策应用为例：化2.2.4数智营销体验——推动前端业务增效零售企业的营销体验贯穿于整个营销过程，并与消费者数据资产平台、数据质量等建设情况息息相关。企业是否具有广告投放转化率工具、是否开辟了丰富全面的购物渠道以及与渠道之间的协同模式、如何让渠道触达消费者并对之进行管理、是否建立了会员库并确立了会员经营模式，所有这些内容既关系到零售企业的运营体验，也与客户的消费体验有直接影响。消费者数据价值挖掘：该指标关注企业使用消费者数据的深度及能力。涵盖：消费者数据化资产平台(CDP)、消费者数据的质量与数量沉淀、画像维度及覆盖、模型搭建，以及品牌私域+公域的数据融合应用等。媒体投放和推广：该指标关注推广投放的数据分析及策略能力。涵盖：数字化投放、转化率评估、数据和工具的使用等。购物渠道建设：该指标关注企业渠道运营的数智化程度。涵盖：多渠道交互模式、顾客“千人千面”、“人+货+店”匹配关系等。消费者运营：该指标关注消费者智能化运营的程度。涵盖：消费者触达通道、个性化营销、营销自动化工具策略、会员体系构建等。体验设计与运营：该指标关注企业客户体验运营管理的深度。涵盖：负责体验的管理团队、体验数据分析、客户声音支持业务效率等。客户服务设计与运营：该指标关注企业客服管理及数据应用深度。涵盖：客户服务承接通道及工具能力、自动化咨询服务及客服运营管理等。以体验设计与运营为例：客服部门兜底客户反题指标成为公司二级指2.2.5数智供销协同——贯穿供应柔性智效供销协同是零售企业的生命线，贯穿供应商链和销售渠道。通过利用数智化手段不断细化数据颗粒度，企业可以通过产品、数量、时间、区域等各类数据共享和流程监控，实现与供应链企业的运营协同，以运营数据支撑货品运营及新品研发。▶数智化履约：该指标关注多渠道交互及“一盘货”能力。涵盖：渠道交互模式、线上线下履约方式、渠道互通程度等。产销协同：该指标关注企业“产”与“销”的互动效率。涵盖：配补货模式、配补货自动化程度、产销端智能决策建议生成等。货品运营与新品研发：该指标关注数据对产品研发的支持程度。涵盖：数据支持研发、分析团队及工具的支持度、工具对市场的预测等。以产销协同为例：引领探索来源：中国零售行业数智化成熟度指标体系(二级指标部分内容节选),2023数智化成熟度模型从数智化组织动能、数据资产、分析决策、营销体验和供销协同五大维度对企业进行有效评估，以帮助其全方位了解自身成熟度，助力零售企业迈向健康稳定的数智发展轨道。基于成熟度评估模型，IDC研究组通过问卷调查、电话深度访谈等方式，对超过300家零售企业进行了专项调查，获得了100份有效调研样本结果，考察企业的数智化发展现状及数智化水平。本次数智化调研中，各零售企业的总得分，与其整体数智成熟度发展阶段相对应(下图):表1五大板块评分及总评分数据平台建设与应用*统计截止至2023年6月19日调研结果中，通过模型一级指标平均分观测五个维度的表现，可见：数智组织动能、数智供销协同两个方面表现最好，处于全面提升、向数智成熟阶段演进的阶段，数智资产建设、数智营销体验还在不断探索过程中，数智分析决策还存留进一零售企业的总体数智化水平基本走过了初始探索阶段，大部分处于局部试点和全面提升阶段，少部分企业正走向数智成熟阶段。应对策略四个维度阐述零售企业数智化一级指标现状，助力零图13数智组织动能调研结果调研结果：本一级指标整体呈正态分布，局部试点、全面提升及数智成熟三阶段分布比例明显。数智化愿景与数智化领袖的整体走势是齐平的。反映问题：零售企业数智动能整体充足，但落实难度较大。一方面，企业数智愿景坚定，且29%已拥有大数据平台，61%的企业正在积极布局数据智能；另一方面，数智化领袖停留在总监级别居多，存在预算有限、高层级业务支持有限、业务线绩效未与数字业务绑定等问题，进而导致企业愿景落实难度较大。企业诉求：保证数字愿景能在公司各个部门落地，使企业的“数智化血液”高效流动。让最专业的数智业务高管更高效地与业务线互动，助力企业尽快获得数智竞争优势。应对策略：企业CEO应提高数智化愿景至CXO层，将数智化工作与各业务线高层绩效绑定。一方面，提升数智化部门的话语权，提高与其他CXO业务线的协作效率；另一方面，缩短数智化落实时间，降低数智化落实的市场机会成本。 的发展仍处于群雄割据的状态，企业技术部门驾驭数据的流程与能力参差不最大化支持数据的业务创新。突围数据的分析与挖掘能力，获得零售竞争优 调研结果：数智分析决策下，二级指标数智成熟以上分布较低，被调研企业大多位于第二及第三阶段。决策管理体系与决策应用指标分布呈一定的正态分布，但决策管理体系更集中于第三阶段。决策数据要素分布明显向第三阶段以反映问题：首先，数据决策发展较为均匀，这说明企业数据分析决策主要是“向上打通”,即：服务高层决策者、做一定量的决策分解等；然而大多数企业不具备关键业务异常警报的能力，而这正是实现数据平台智能化的关键。其次，数据要素近五成落后于局部试点阶段，这说明企业的业务需求满足程度较低，“向下打通”能力显然不足；这种局面若持续下去，会导致高层数据及系统与底层管理人员产生割裂现象。再次，平台智能已经存在，但智能验证指标及标签推荐的情况鲜有出现，说明智能推荐功能并未被行业企业灵活使用，企业数据要素发展空间仍然很大。企业诉求：打通决策层至执行层的数据覆盖，使决策层可即时观测执行情况，使企业中层可获取其所需的关键信息，从而避免人与人之间的信息低效传递及“三人成虎”现象的发生。完善企业数据标签的管理及决策场景的挖掘，使企业高层可实时了解经营风险，获得及时调整决策的能力。应对策略：着力数据运营覆盖层级，通过数据平台落实，实现战略目标的拆解及管理层的打通，使关键责任人能及时获得决策信息，且能将执行情况及时汇总至业务领导者，落实实时决策；为决策链路“减压”,通过数智平台降低对经验责任人的过渡依赖，进而提升决策落实及汇总效率，实现敏捷决策；重视数据标签要素的作用，推进业务数据要素指标化、标签化，做好标签交集的处理及标签的动态化，实现“人、货、场”信息与企业运营深度绑定。 3.2.4提升数智营销体验，促进前端业务增效图16数智营销体验调研结果一级指标初始探索一级指标初始探索数智营销体验局部试点全面提升数智成熟来源：IDC中国零售行业企业数智化成熟度调研，2023年6月，中国，N=100果分化明显，拥有消费者数据资产平台(CDP)的企业仅为26%(24%+2%),放及推广上，零售企业已开启数字化推广工具的使用及内容采买，然而投入计划性不强，较为依赖外部平台，尤其是传统外部平台，难以衡量转化率，且智投工具对业务的支持并未得到充分发挥，主要还是依赖自然人。购物渠道建设呈明显的分化，35%采用单一渠道(主要线下),37%采用“线上+线下”的多渠道运营且数据不互通，实现渠道打通、“千人千面”、“人货场”高度匹配的企业仅有23%(22%+1%);而渠道的优势将直接影响企业创收能力，故行业企业仍处于艰苦跋涉期。消费者运营同样处于分化状态，45%企业的消费者触达渠道单一且会员体系对用户无感知，41%的企业多渠道体系割裂且无自动化营销工具(MA)。客户体验被所有高层领导所重视，然而体验设计的落实情事”发现问题的占比近10%,手工汇总上报的比例高达42%(8%+34%)。客(40%+21%+1%),客户获取服务的覆盖面较广，但实现全面融合的企业比例仍然很低，仅占1%。企业诉求：真正落实企业客户体验提升，显著提升消费者数据资产挖掘能力，媒体投放更有规划且可见效果，提升渠道间互动效率，实现“人货场”的高效信息协同，使客服获得的消费者反馈与体验运营深度绑定并可实时呈现。应对策略：设立消费者数据运营的各阶段性目标，与企业高层愿景相结合，评估现有工具所具备的抓取客群标签及存储信息的能力能否满足未来业务的需要。结合当下产品的主流画像，考察数字投放渠道，并将投放集成到数据平台中，强化ROI监测的准确性，进一步降低人工分析及操作成本。整合线上及线下渠道信息并推行会员一体化，加强客户反馈渠道及线索提炼管理，实现客户预期及体验的数字化管理。为客户洞察引入智能，对客户洞察进行深层学习，实现基于客户理性与感性的决策精准分析，使客服反馈的客户诉求更鲜活且具代表性，以直接支持营销决策。3.2.5提升数智供销协同，激活柔性供应智效调研结果：数智化履约表现较好，产销协同及数据支持产品研发整体呈正态分布，货品运营与新品研发一项中，处于创新引领阶段的企业超过10%。反映问题：数智化履约表现尚可，但未来有深陷红海竞争的趋势，从第三及第四阶段的对比上看，企业占比存在较大差距，导致这一差距的主要原因在于：企业物理空间及物权是否有被打破，以及数据是否真正驱动了企业的全渠道运营。产销协同是供应链降本增效的主要立足点，然而高点仅落在第三阶段，这意味着企业产销协同效率有待提升，目前低效的主要原因来自于配补货工具能力、组织制度、渠道对接及数据未能实时对接所导致的综合限制；货品运营及新品研发仍有近七成企业未步入第四阶段，这意味着企业用于支持研发的数据不完整、分析挖掘能力有限或过渡依靠经验分析及旧有规则，限制了数据价值企业诉求：提升数智化履约能力至成熟阶段及以上，真正意义上实现数据驱动运营，赢得效率至上的履约竞争。迈向产销统一运营，实现配补货的智能化，避免因效率不足影响商机与业务。用好自有数据，建立研发获取客户需求及研应对策略：在渠道治理及渠道间展开互动，使其充分与数智平台绑定，集约化供应商管理，实现数智评估供应商，避免渠道过度零散。通过提升数智能力，精准预测生产负载，做好库存及产能的统筹管理，提升“一盘货”在“人货场”的周转效率，实现促销活动的产销高精度预测及活动中店铺间配补货的高效流转。通过数智平台，构建全生命周期销售及顾客数据的挖掘闭环，使数据及工具成为研发人员与顾客需求的纽带，完善数据支持研发体系，提高数据的3.3深彻案例，解析零售数智新趋势波司登创始于1976年，专注羽绒服领域47年，是国内兼具大规模及先进生产设备的品牌羽绒服生产商，员工两万余人，全球用户突破2亿人，产品覆盖中国、法国、美2020年4月，波司登开展数据中台建设工作，推动企业数智化转型升级。数智系统打通了全渠道数据，以数据赋能消费者研究、商品企划、商渠匹配、产销协同、商品智能运营等业务场景，在拉动会员、订单增长的同时，大幅提升了周转效率，可需求：变革驱动数字业务，弹性增长迈向数智需求：变革驱动数字业务，弹性增长迈向数智波司登精确定位自身数字业务的提升需求，寻求通过对一方数据的深度挖掘，切实满足客户需求，实现深度产销协同。方案：立足平台数据智能，洞察需求打通产销方案：立足平台数据智能，洞察需求打通产销沉淀数据资产，从了解消费者开始为了实现以上数字业务的提升需求，瓴羊助力波司登整合了会员全域数据，构建了会员标签体系，并以此为契机打通了分散在十余个系统的数据，沉淀形成了属于波司登的一方数据资产。结合业务需求与数据洞察，助力波司登按自然属性、商品偏好、消费习惯等客群属性对会员进行洞察。以消费者指标为基础，波司登就能够更全面、更准确、更有针对性地了解消费者、服务消费者。图19洞察数据，全链赋能在“对的店”遇见“对的商品”消费者在哪里，波司登就在哪里。实现所打通多级库存数据，支持自动化提供调货及库存决策建议，实现了仓库、门店调补货100%自动化来源：公开资料，2023从导入期(新品上市)到成长期、成熟期，及最后的退市期，实现销量预测贯穿精准预测下多少单?什么时候下单?避免“生产多了可能囤积，生产少了可能缺货不够卖；下单早了有点浪费，下单晚了又508(双11),迭代的速度也非常快。首铺准确率提高了79%;从0到1建立了销量预测的自动化体系，准确率达70%且迭代仍在继续；调补货实现100%自动化，拉补效率提升60%;库存售罄率提升10%。行业企业技术厂商行业企业技术厂商数智化是零售行业发展的必然阶段。因此，平台智能将成为零售业务创新的重要载体，不仅对行业企业的业务发展大有裨益，更为技术厂商的技术及服务创新带来契图20对于行业企业及技术厂商的发展建议健全数智化组织，提升数智建设战略高度定位数智化瓶颈，明确未来数智发展目标共创数智化合作，深耕业务新技术新场景自建数智化的实现周期难以满足企业的市场竞争需求，且数智化对技术、产发展数智化平台，强化数据支持业务变革通晓数智化需求，特别是企