2020年中国服装行业数据中台研究报告

《2020年中国服装行业数据中台研究报告》数据中台赋能企业数字化转型，成为降本增效新引擎2020.09221报告摘要数据中台是企业数字化转型的新引擎。数据中台概念最早由阿里巴巴集团提出，是方法论、组织与工具的有机结合，是快、准、全、统、通的智能大数据体系。随着互联网流量天花板显现，行业竞争加剧，企业面临生存危机，降本增效、提升竞争力成为核心诉求，数字化转型成为大势所趋。数据中台以数据资产驱动业务增长，全方位、多角度重塑企业价值链，可以有效提升企业组织的敏捷程度和业务协同响应能力，成为企业数字化转型的新引擎。我国服装行业数字化转型起步较早但进程较缓，未来有望在数据中台赋能之下实现全域数字化落地。目前，我国服装行业机遇与挑战并存。一方面，消费人群年轻化、需求个性化等新的市场趋势推动服装行业迭代升级，为企业带来新的发展机遇；另一方面，营收增速放缓、库存周转率下降、线上电商冲击也成为企业的主要痛点。随着市场环境变化，服装企业纷纷优化资源配置，拥抱数字化转型。虽然我国服装行业数字化转型起步较早，但进程较缓，数字化对行业的赋能效果尚未得到全部释放。数据中台以数据为驱动，将数据与业务无缝衔接，在供应链改造、全域营销、新品孵化、门店管理、渠道拓展等方面对服装企业进行全链路赋能，未来有望助力服装企业加速实现全域数字化落地。数据中台前景广阔，场景拓展成为竞争关键。随着企业数字化转型逐渐深入，数据中台市场将加速扩展，行业前景广阔。当前，数据中台行业对业务场景的争夺日趋激烈。在场景选择方面，在数据高地中寻找场景洼地将成为一个重要趋势。在服装、美妆、快消、商超、金融、医疗、教育等更靠近消费端且拥有丰富数据积累的领域内进行场景挖掘，将成为数据中台场景拓展的有利路径。

案例分析公司阿里云数据中台服务商相关研究报告年中国企业直播研究报告（2020.05）36Kr-2020年中国互联网医疗研究报告（2020.04）36Kr-“AI+医疗”行业研究报告（2019.12）36Kr-2020年中国新经济趋势洞察报告（2019.10）36Kr-商用服务机器人行业研究报告（2019.08）目录CONTENTS0101 中国数据中台行业发展概况相关概念发展背景与发展动力数据中台的应用价值析 0202 数据中台赋能服装行业数字化转型研究中国服装行业发展现状0303数据中台典型案例分析阿里云数据中台介绍阿里云数据中台服装行服务例 0404数据中台行业发展趋势分析数据中台的主要赋能逻辑数据中台的业务拓展路径 数据中台的市场生态趋势33相关概念相关概念数据中台的应用价值数据中台的市场现状分析中国数据中台行业发展概况011.11.1相关概念554数据中台是方法论、组织与工具的有机结合，是以技术驱动业务发展的智能大数据体系数据中台这一概念最早由阿里巴巴集团提出，旨在高效处理日趋复杂与庞大的数据，最终为企业业务结构优化与增长赋能。数据中台是阿里助力企业数在阿里巴巴的定义中，数据中台是方法论、组织与工具的有机结合，是快、准、全、统、通的智能大数据体系。各类数据技术是构建数据中台的基础，能够高效对各类数据进行统一收集、处理、储存、计算、分析和可视化呈现，使数据最终与业务链条结合，真正转化为企业核心资产。数据中台本质上是在阿里“大中台，小前台”体系下，数据中台与业务中台成为连接前后台的纽带，共同助力企业业务发展。数据中台与业务中台相辅相成、相互支撑。业务中台为数据中台提供数据来源，而数据中台则为业务中台决策提供辅助。业务前台业务前台数据中台业务中台业务数据数据中台业务中台业务数据数据计算结果基础技术后台技术基础基础技术后台图示：数据中台与业务中台的关系665数据中台是一种新理念，以“技术+业务”为双驱动，与数据仓库等传统数据工具大有不同在对数据中台进行概念界定的过程中，数据仓库是一个常见的易混淆概念，数据仓库起源于决策支持系统，是一个面向主题的、集成的、非易失性的、随时间变化的，用来支持管理人员决策的数据集合，多以报表方式进行数据呈现。开展新型运营的中枢系统。区别数据仓库数据中台属性与定位仅为职能辅助属性基于技术而又深入全线业务与运营服务对象小部分业务人员和企业决策层扩展至一线人员及企业全体员工数据处理类型多为结构化数据结构化数据、非结构化数据体系架构新一代的数据仓库采用分布式架构，一般基于MPP数据库或大数据平台实现数据分析多系统组成，除了大数据存储和计算平台外，还包含数仓建设、工作台开发IDE、任务调度、数据同步服务、对外统一数据服务、资产管理系统、敏捷BI报表开发等多个组件，通过多个维度组件组成一整套解决方案服务表现形式多以报表形式呈现更加多样化，除了基础报表，还有领导决自助查询等面向业务场景的服务及产品人员构成数据分析人员人员构成多样，需要既懂业务也了解数据分析的综合性人才价值体现业务决策数据支持，市场数据查询业务决策数据支撑，业务支持，业务优化数据支撑，数据变现等图示：数据中台与数据仓库的区别数据来源：36氪研究院根据公开资料整理1.21.2发展背景与发展动力——市场环境驱动776互联网流量天花板已现，企业精细化运营和数字化转型成为大势所趋，数据中台应运而生历经十几年高速发展，我国互联网行业已进入发展平稳期，互联网流量红利时代正逐步消失。根据CNNIC数据，截至2020年3月底，我国网民数量已达9.04亿，互联网普及率为64.5%，且增速渐趋回落，流量天花板已现。目前，仅靠流量粗犷式运营模式已无法支撑企业的可持续发展需要，提高用户粘性、巩固市场份额和行业竞争地位、寻找新的业务增长引擎成为企业新发展共识，精细化运营成为必然选择。网民规模 互联网普及率55.8%55.8%59.6%61.2%64.5%45.8%61,75847.9%64,87550.3%68,82653.2%74,12577,19882,85185,44990,3592013.12 2014.12 2015.12 2016.12

2018.12

2019.12 2020.03图示：2013-2020年网民规模（万人）和互联网普及率（%）数据来源：CNNIC，36氪研究院整理在此背景下，企业纷纷投入数字化转型浪潮中。通过数字化释放人力成本，优化业务逻辑和运营流程，利用精准营销和个性化服务满足消费者的多元需求，拥抱行业发展新态势，破解增长困局。特别是在新冠肺炎影响下，数字化程度高的企业在复工复产上展现了更高的效率和更强的抗风险能力，这也数据中台则为企业数字化战略的切实落地提供了集方法论、技术及工具于一身的全方位支持。通过数据中台，基于大数据的有效信息不再专属管理决策层，相反，随着有效信息渗透至企业活动参与者，原本庞大数据群可有效转1.21.2发展背景与发展动力——需求端驱动887行业竞争加剧，降本增效、提升竞争力成为企业核心诉求，数据处理快速高效成为企业刚需随着社会发展和科技进步，市场变化日新月异，人们的消费观念和消费习惯也随之改变，行业的快速迭代导致市场竞争加剧，企业实现市场份额增长愈发困难。打造更具个性化、更贴近市场需求的产品与服务，成为占领市场高地的有效路径。降本增效，提升竞争力，成为当前企业生存与发展的核心诉求。而要实现这一诉求，关键就在于如何打通数据与业务，基于行业、企业、企业在进行数字化转型过程中，随着业务发展，数据规模成倍增长，海量数据源正在倒逼企业数据处理系统向更强承载力和更快处理速度的方向发展。此外，企业数据呈现多元性特征，已不仅仅局限于传统消费端零售数据，还拓展至消费偏好、态度倾向等个性化数据，以及企业内部各业务条线的运营和财务数据，企业外部上下游供应链的业务联通数据等。复杂而庞大的数据量需要配备更为快速高效的数据处理系统，能够迅速分析市场变化，并辅助输出相应战略决策。因此，应用集数据收集、构建、分析、输出为一体的数据中台，深入挖掘企业数据资产价值，推动内部业务协同，使数据真正为业数据量庞大载力和更快处理速度数据多元且复杂要求数据处理系统更加敏捷高效，拥有综合数据收集、处理、分析和输出能力图示：企业在数字化转型过程中的主要数据问题及需求1.21.2发展背景与发展动力——技术驱动998大数据、人工智能、云计算的发展为数据中台“双螺旋”式演进提供技术基础2015数据中台的发展特点可以概括为“双螺旋“式，即数据资产和业务价值齐头并进。数据作为一项重要资产，成为推动企业高速发展的核心要素，而业务价值的实现便成为数据资产的最终落脚点。数据中台的“双螺旋”式发展离不开各类技术的有机结合。数据构成数据中台的核心，这意味着数据治理水平在一定程度上决定了数据中台的运行效率。随着企业业务领域不断拓展，海量数据得以累积，但数据呈分散状态，传统的数据仓库无法打通数据之间的联通壁垒，形成孤岛效应，削弱数据反哺业务的能力。因此，如何建立海量数据的统一清洗、储存的方法，规划数据结构，打破数据孤岛，成为数据中台构建过程中势必要解决的问题。大数据、人工智能、云计算等技术的发展为数据中台打破数据壁垒，实现统一调用等提供了坚实的技术基础，助力企业数据治理水平的提高，从而真正发挥数据中台的效益。可以说，没有技术的进步，数据中台只能是虚拟的方法论集合，大数据大数据云计算统一数据收集、处理、

人工智能 确保数据运算的及储存、计算口径

数据分析智能化与可视化

时性与高效性图示：大数据、人工智能、云计算为数据中台的构建提供技术基础1.31.3数据中台的应用价值10109打破数据孤岛，以数据资产驱动业务增长，全方位、多角度重塑企业价值链数据中台可以实现各类数据的有效聚合，将数据打造为企业核心资产，打通数据是企业发展的重要驱动力，这已成为各行各业的共识。随着企业发展，数据得以快速、海量积累，但不同数据之间相互独立，孤岛效应愈发明显，数据中台的构建直击企业数据分散这一痛点，通过构建统一数据标准，将不同系统、不同类型的数据纳入一个可对比、可计算的范围内，消除数据二义性、打通数据烟囱，实现统一资产管理。数据中台紧密衔接业务前台与技术后台，聚合的数据可快速响应前台业务需求，针对市场和行业的新变化来优化业务内容与流程。在数据中台加持下，企业的数据与业务无缝衔接，价值链闭环得以形成。以新零售应用场景为例，数据中台将消费者、产品、营销、供应链四要素聚合在一起，以数据为中心，形成市场洞察、优化产品内容、实现精准营销、提升供应链流畅性，进而助力企业的业务突破与增长，实现企业价值链升级。

供应链计划优化流程优化数据资产营销数据资产分级营销精准营销图示：数据中台对新零售企业价值链的重塑提升企业组织敏捷度，为企业降本增效、打造核心竞争力奠定管理组织基础数据中台融合了业务和IT双重职能，是方法论、工具、组织的有效结合，对在传统的企业组织结构框架下，业务部门与IT部门为独立板块，分别承担业务拓展与技术支持职能。而数据中台整合了业务与技术两大职能，业务为技术提供所需数据源，技术通过数据分析为业务提供优化方向。业务与技术协同作战，实现1+1>2效性与完整性均得到保证；而基于技术产生的数据分析结果也可直接转化为业务优化方案，避免技术与业务两部门因信息不对称而导致的认知偏差。在数据中台支持下，企业数据收集、处理、分析、应用全链条的时效性得到了提升，优化组织灵敏性。前端需求速据快 数据分析 数速据响 整应 合数据技术支持 中台

业务数据数据源图示：数据中台赋能企业组织敏捷性1.41.4数据中台市场现状分析数据中台目前处于发展初期，随着企业数字化转型逐渐深入，行业快速扩张未来可期目前我国数据中台行业处于从萌芽转向高速发展的过渡期，整体仍处在相对基础的发展阶段，产品类型与服务内容有待进一步拓展，商业价值亟待挖掘。在企业数字化转型背景下，特别是受年初新冠肺炎疫情影响，企业逐渐意识到数字化转型的必要性和重要性，纷纷加速推动数字化落地，打造敏捷性系统，以应对日趋复杂的需求端新态势。数据中台作为数智化落地的助推器，市场潜力巨大。未来数据中台行业规模扩张的另一驱动力在于：行业玩家正积极探索与拓宽数据中台应用场景与服务内容。例如，开发适用于中小企业规模与发展现状的数据中台。受制于数据中台较长的成果转化周期和较高的成本，鲜有中小企业参与数据中台建设，但数据中台行业玩家正积极拓展服务中小微企业的路径。随着数据中台逐渐实现从理论向实际的落地，将会有更多呈现形式，助力各类企业数字化转型全流程。未来会有更多企业参与布局数据中台，赋能业务增长。预计2020年后，数据中台将实现爆发式增长，到2024年，行业营收可达251亿人民币。193.0137.996.2193.0137.996.265.740.117.12018 2019 2020e

2022e

2023e

2024e图示：2018-2024年中国数据中台市场规模及预测（亿元/人民币）数据来源：36氪研究院分析数据中台行业中游市场参与者众多，综合性数据中台解决方案提供商是生态核心与中坚力量数据中台产业链结构清晰，上游云技术服务商主要提供底层技术支持，下游目前，行业中游市场参与者众多，存在业务混杂、边界不明等行业乱象。根据本报告对数据中台的定义，36氪研究院将当前市场中的数据中台服务商主要归结为以下三类：1）综合性数据中台解决方案提供商。能够提供独创性、原生性、可标准化封装输出的产品和解决方案，拥有底层全量技术能力和持续业务迭代能力，为企业级客户提供综合性数据中台解决方案，同时为行业发展输出核心技术与引导性方法论，是生态核心与中坚力量，以阿里云数据中台为代表；2）数据中台运营商。以具体场景为切入点，依赖于头部企业，作为头部公司的生态合作伙伴提供服务；3）转型中的数字化方案提供商。传统CRM和ERP等企业，积极拓展新兴数据中台业务，以用友软件为代表。数据中台行业壁垒较高，新进场的市场参与者面临的竞争压力较大，拥有多中游：数据中台服务商中游：数据中台服务商上游下游数据中台运营商上游下游云技术服务商企业级用户综合性数据中台解决方案提供商云技术服务商企业级用户转型中的数字化方案提供商图示：数据中台产业链1313中国服装行业发展现状中国服装行业发展现状中国服装行业的数字化转型趋势数据中台赋能服装行业的应用场景数据中台赋能服装行业数字化转型研究022.12.1中国服装行业发展现状历经发展、成熟、瓶颈期，中国服装行业目前面临机遇与挑战并存的局面2009-2016年瓶颈期2009-2016年瓶颈期2017年至今机遇挑战并存期1979-1999年2000-2008年成熟期高速发展期图示：中国服装行业发展的四个阶段高速发展期：各大服装工厂纷纷建成投产，从最早的手工剪裁小作坊逐渐发展到初具规模的服装企业。服装市场由混乱无序阶段过渡至大规模批发市场成熟期：服装产业上下游形成聚合链接，行业整体趋于成熟。服装生产由代2003瓶颈期：2008挑战与机遇并存期：直播带货、社群等营销新路径为行业带来新的营收增长点。然而行业头部效应逐渐明显，在愈加激烈的竞争格局下，行业面临整合，中国服装行业产业链完善，中游生产制造商获取上游原材料，面向下游多渠道来源消费者历经多年发展，中国服装行业已形成较为成熟和完善的产业链。上游原材料供应商为中游服装制造企业提供布料、纺织品等服装生产所需材料，而产出的成衣则直接面向下游服装消费者。得益于我国丰富的资源与物产，服装产服装行业产业链中游参与者众多，既包括专注于设计或制造单一环节的企业，又有设计、生产、销售一体化的服饰集团。中游企业依据服装功能与目标客户可细分为男装、女装、童装、运动装等垂直领域。其中运动装行业马太效应明显，集中度最高。而受女性消费者拒绝撞衫的影响，女装行业集中度相对较小。近几年，随着社会消费结构的变化与互联网的高速发展，下游服装销售渠道渐趋多元化，原有线下营销的单一局面被打破，出现了社群、直播等多种新兴营销渠道。原材料供应针线布料服装制造服装设计成衣制造线上电商线下零售社群销售 上游 原材料供应针线布料服装制造服装设计成衣制造线上电商线下零售社群销售图：中国服装行业产业链消费人群年轻化、需求个性化等新的市场趋势正在推动服装行业进行升级与转型在中国居民消费水平改善、消费结构升级、消费观念转变的大背景下，服装的功能也由基础性的“蔽体”转向附加性的“装饰”，消费者对于服装非核心功能的需求日益增加。1 潮流元素2 服饰风格

火热IP、潮牌logo等BM风、GirlCrush风、Hip-Hop风、极简风等消费需求

3 4 场景配对

腰带、蝴蝶结等约会、演唱会、面试等图示：消费者对服饰消费的主要需求元素与此同时，服饰消费人群年龄结构也悄然发生变化。90他们追求个性化、多元化消费，对设计独特、品质优良的服装更为青睐。此外，其消费需求受社交影响较大，平台推荐、明星带货等方式可以有效激发其购买力。消费端出现的诸多变化促使服装行业进行升级与转型，以消费者42%52%4,00344%4,26735%42%52%4,00344%4,26735%4,3402,65100后90后80后70后图示：2018年服装购买人均年总花费（元）及未来购买预算增加的比例（%）数据来源：腾讯数据实验室，36氪研究院整理营收增速放缓、库存周转率下降、线上电商冲击构成中国服装行业亟待解决的痛点面对复杂多变的国际形势和国内供给侧改革压力，特别是疫情期间宏观经济增速放缓的市场环境，服装行业面临诸多风险和不确定性因素。近两年以来，17,10716,0102015201620172018201922,06823,60521,903图示：2015-2019我国规模以上服装企业主营业务收入(万元/人民币）数据来源：国家统计局，22,06823,60521,903具体而言，存货周转率下降和线上电商对线下销售渠道的挤压成为当前我国存货周转率下降。库存问题是长期困扰服装行业的核心痛点。服装制造商往往无法准确预估市场消费能力和个体购买偏好，导致供过于求，大部分服装难逃“打折”结局。由此一来，追求性价比的消费者常将购买需求堆积到换季打折季或各大购物节，服装生产商平日的存货周转率持续下降，进而导致线上电商冲击。根据中国产业信息网数据，2019年，76.9%消费者选择线上购物，是线下实体店顾客的3倍，电商正在深刻改变着人们的消费习惯。后疫情时代，线上电商将进一步挤压线下服装行业销售渠道。开拓线上电商销售渠道，平衡线上渠道与线下商铺的合理布局，打造线上线下一体化的闭环2.22.2中国服装行业的数字化转型趋势我国服装行业数字化转型起步较早但进程较缓，未来有望加速实现全域数字化落地服装行业作为较早开始进行数字化转型的行业之一，已经在服装设计与生服装设计与生产。服装设计与生产能否有效且高效地响应市场需求，是决定企业能否保持用户黏性、实现营收的关键。因此，服装企业积极探索设计与生产环节的智能化，借助设计绘图软件和自动化生产工艺流程，突破手工设客户关系管理。本世纪初，部分嗅觉敏锐的服装企业已通过数字化系统实现对客户关系的管理，而自2010CRM与ERP系统的落地，使客户关系有序、自动化管理成为营销渠道拓展。电商与物流行业的高速发展，为服装企业布局线上提供发展沃土。除了在大型电商平台建立线上店铺外，服装企业还通过社群、直播等尽管如此，数字化对服装企业的赋能效果并未完全得到释放。我国服装行业的数字化转型虽然起步较早，但目前进程较缓，融合程度尚浅。一方面，通过数字化管理工具，企业积累了海量消费数据，然而不同系统、不同渠道收集的数据未能有效实现协同效能，数据烟囱的堆积，削弱数据反哺业务的能力。另一方面，我国大部分服装企业重点聚焦于数字化工具的使用，而忽略了企业组织基础对推进数字化战略的重要性。数字化不仅仅意味着创新技术的应用，企业组织流程及人才管理均需要与数字化战略进行配合。服装企业未来，服装产业数字化有望朝纵深方向发展，实现从管理组织到全业务流程的智能化。服装行业将实现职能支持、管理工具、渠道拓展、战略决策的全链条数字化，提升运营效率未来服装企业的数字化是全管理流程的数智化。从职能支持到管理工具再到前端营销渠道的拓展，都需要数字化工具的支持，基于各环节数据，制定企业战略决策。随着人工智能、大数据、云计算等新技术、新理念的加速渗透，技术创新引发服装行业模式变革，新旧动能加速转换，行业效率得以提升，服装行业正渠道拓展渠道拓展实体店数据管理电商数据管理社群、直播数据管理MKT管理销售管理库存管理管理工具PaaS平台CRM系统订单管理战略决策职能支持ERP系统WMS系统CAD软件图示：服装企业全流程管理数字化数字化将驱动服装行业向设计智能化、生产自动化及营销精准化方向进化设计智能化：数字化战略的落地转变了服装企业传统手绘设计方式，互联网、CAD软件作为成衣设计新载体，不仅将原本存在于平面图上的设计以立体、三维角度呈现，还解放了设计师双手，使服装设计、底稿修改等趋于高效化和智能化。生产现代化：新技术的出现为服装生产提供了新思路。数字化与智能化工艺与机械设备层出不穷，颠覆传统服装行业流水作业模式。特别是自动化机械设备，一定程度上缓解了不断增加的劳动力成本而导致的企业现金流紧张问营销精准化：生产的最终目的是销售。数字化营销手段实现“千人千面”的精准营销方式，巩固核心客户群体，吸引潜在消费者。根据营销计划与转化效果相关数据，反向支持服装生产计划的优化，规避“库存”陷阱，进而提高整个供应链的流畅性。

生产现代化自动化工艺现代化设备营销精准化图示：服装行业的供应链数字化2.32.3数据中台赋能服装行业的应用场景——供应链改造构建全域数据体系，打通服装供应链各环节，形成从生产到销售的闭环，快速响应市场需求服装产业供应链主要包括生产与销售，涵盖服装设计、制造、库存、运输、销售各环节。现阶段我国服装产业面临的痛点之一在于产业链割裂，未形成数据中台基于企业数据，串联产业链各环节，将前端生产与后端销售紧密结合，重塑企业供应链。销售环节产生的数据在中台系统处理下及时传递至设计与制造环节，通过智能数据分析，优化设计与制造方向，销售与生产闭环逐渐形成，企业可及时匹配消费端需求，供应链的流畅性和时效性得以优化。消消费数据体系服装商品数据体系营销数据体系反哺存货数据体系交易数据体系设计制造库存运输销售图示：数据中台对服装企业供应链优化产业链各环节中，数据中台对库存环节的赋能作用尤为明显。作为前端生产与后端销售的中间地带，库存对服装企业具有较高价值。在以往“先生产后销售”的模式下，企业通常无法准确预判需求数量，生产量大于需求量，导致存货积压。而数据中台则可借助企业积累的海量数据，分析、预测需求总2.32.3数据中台赋能服装行业的应用场景——全域营销数据中台以个性化精准和全域营销，实现消费者拉新与促活数据中台通过数据智能实现消费者洞察。基于购买频率与品牌认知两个维度，区分不同消费者群体，针对细分客户特点，实现营销手段的差异化，使营销真正转化落地、切实有效。优质客户忠诚客户优质客户忠诚客户潜在客户兴趣客户0图示：服装企业客户群体矩阵

认知程度在数据中台系统下，企业依据消费者细分群体消费特点，制定精准化、个性化营销方案，实现针对不同客户类型的营销目标，拉新和促活双引擎助力企业业务的快速增长。潜在客户兴趣客户忠诚客户优质客户潜在客户兴趣客户忠诚客户优质客户提高品牌知名度，加强拉新

提高渗透率，实现客户转化

提高复购率，增加人均消费额

带动服装附件等其他品类增长图示：各细分客户群体的营销目标2.32.3数据中台赋能服装行业的应用场景——新品孵化数据中台能够贴近市场需求，缩短孵化周期，实现新品孵化的有效性与高效性服装消费呈多场景性，季节、场合、偏好等都会对消费者购买行为产生影响。而在消费结构升级、Z世代崛起背景下，消费者在服装选择时，更多地注入了个性、独立等情感诉求。需求端新变化决定了短周期、近市场的新品孵化是新时代下服装企业制胜的法宝。数据中台业务与技术协同作战的高效高质量的新品孵化。数据中台整合海量消费信息，对消费者实现全方位的精准分析，基于现有消费行为，预判未来消费趋势，从而为新品孵化提供前进方向。传统的服装孵化主要基于企业对消费者的感知性判断，缺乏大数据支撑；而数据中台强化数据的驱动作用，推动服装企业在服饰类型、布料、潮流元素、配色选择等多方面，贴近消费者真实诉求，更有效地响应市场，打造“爆款产品”。赋能新品孵化高质量数据赋能新品孵化高质量数据中台精准触达赋能新品孵化短周期积累更多消费数据更精确赋能新品孵化图示：数据中台赋能新品孵化良性循环2.32.3数据中台赋能服装行业的应用场景——门店管理数据中台可以优化新店选址，推动门店向智能化与数字化方向创新升级数据中台对服装企业门店管理的赋能涵盖两大场景：新店智能选址与对现有门店的数字化管理。智能选址。数据中台具备强大的数据分析能力，可以对商圈周边客群、竞品门店进行全方位分析，基于品牌及目标客户群定位，为新店地址选择提供最优方案，以获取最大的潜在客源，实现营收最大化。新店选址需要综合多个维度与要素，在大数据还未普及的时代，选址通常基于所有者的经验与洞察力，且试错成本较高。而数据中台使门店选址过程智能化，“让数据说话”，门店全域数字化管理。数据中台整合门店销售、库存、消费行为、消费反馈等数据，优化消费者门店体验、实现智能补货与组货，真正提高门店数字化运营能力，进而带动推广获客、成交转化、消费者复购及分享裂变，赋能门店效益。优化门店体验数据中台构建全面消费画像，洞察客户需求，优化导购流程、门店布置等，优化门店体验数据中台构建全面消费画像，洞察客户需求，优化导购流程、门店布置等，带动消费者门店体验升级智能补货依据门店销售数据与库存现状，预测未来门店消费趋势，实行智能铺货与补货智能组货数据中台基于对门店核心客群分析，助力门店实现智能陈列与区域配置图示：数据中台赋能门店数字化、智能化管理2.32.3数据中台赋能服装行业的应用场景——渠道拓展数据中台可以打通线上、线下全域渠道，拓展多元销售场景，打造企业销售增长闭环渠道拓展是困扰服装行业多年的痛点，渠道不通畅意味着企业获客效率不高，现金流稳定性较差。长久以来，服装企业一直在探索高效的创新业务模式。数据中台推动服装企业管理与运行朝数字化方向纵深发展，为传统线下线上拓展。随着人们消费习惯逐渐向线上倾斜，加之新冠肺炎疫情下居家隔离进一步驱动线上消费，传统服装门店转向线上已是大势所趋。数据中台借助全域数据，洞察核心与优质客户人群，对其在线购物偏好各维度进行分析，帮助企业探索诸如线上社群运营、轻店、直播等销售场景。以直播为例，数据中台可实现直播间精准、定向推荐，提高客户转化率的同时大大降低了运行成本。O2O至OAO的转变。对于同时布局线上、线下双渠道的服装企业而言，双线路的数据并未实现有效融合，导致消费者增长闭环存在缺口。数据中台则推动企业线上与线下数据有机结合，实现从O2O至OAO即OnlineandOffline的转变。透过全渠道数据，服装企业可了解到消费者的渠道偏好，借助精准全域营销手段，实现单一渠道向多渠道销售的转化，提高用户对服装品牌的黏性和复购率。多渠道联动，探索销售新场景多渠道联动，探索销售新场景线下门店线上路径消费人群精准触达，降本增效图示：数据中台赋能并打通全渠道链路2626阿里云数据中台介绍阿里云数据中台介绍数据中台典型案例分析033.13.1阿里云数据中台介绍阿里云数据中台经历了从内部实践到外部服务、从通用服务到行业垂直化服务的发展历程阿里巴巴是数据中台的先行者和领路人。阿里集团内部业务领域广泛，业务2012在阿里的定义中，数据中台的核心价值在于围绕数据在不同业务场景下的应用与赋能，“基于数据，直面业务”是数据中台区别于数据库、数据仓库、数据湖等概念的根本。20202020年9月 6月 2015年2018年及管理平台Dataphin2015年2018年及管理平台Dataphin开启公测2019年发布QuickStock智能货品运营平台升级QuickAudience2.0全域消费者运营平台，伴战略产品矩阵“2+2”升级案战略战略赋能从集团内部实践到对外客户服务，阿里持续完善数据中台理念与内容，实现企业数据与业务的紧密衔接，从组织管理、业务流程、人才等各方面全方位2019阿里云四大行业数据中台解决方案阿里云四大行业数据中台解决方案金融零售政务企业阿里云数据中台具有产品化与场景化特征，Quick产品矩阵实现不同业务场景的数据应用阿里云强调数据中台是方法论、组织与工具的结合，三者缺一不可：OneData工具即阿里云数据中台系列产品，旨在连通数据与业务，基于不同业务场景实现数据对业务的赋能。QuickAudience全域消费者运营平台QuickStock智能货品运营平台……QuickBIQuickA+全域行为洞察分析阿里云数据中台以智能数据构建及管理平台Dataphin为基础，以“Quick系列QuickAudience全域消费者运营平台QuickStock智能货品运营平台……QuickBIQuickA+全域行为洞察分析业务场景数据应用业务场景数据应用智能数据构建与管理Dataphin智能数据构建与管理Dataphin 数据储存、计算 MaxCompute数据储存、计算MaxComputeEMRHadoop图示：阿里云数据中台核心产品矩阵Dataphin是阿里云数据中台的基础底座，承担数据资产构建与管理功能Dataphin，为Quick系列产品在不同场景下的应用提供针对性、个性化的数据基础。Dataphin提供数据引入、规范定义、数据建模开发、数据萃取、数据资产管理、数据服务等全链路服务，是企业打造数据中台第一步所需的核心产品。智能数仓整合海量数据，打造智能数据仓库；统一数据建设智能萃取生成代码与调度任务

智能服务通过数据融合及数据建模，满足企业对数据的各类需求智能资产管理确保数据可靠性、有效性及安全性图示：Dataphin核心功能及应用价值Dataphin的高效运行离不开OneData方法论的指导。OneData框架下，Dataphin可集成全域数据，100%消除数据二义性，实现分钟级自动化代码生产，进行360度全链路数据洞察和主题式服务，简化80%的查询与分析。OneModel •建立数据处理统一指标OneData方法论OneData方法论OneID •智能数据萃取、打造立体画像消除重复ID、建立智能标签OneService•智能数据构建简化数据查询图示：OneData方法论QuickBI实现海量数据可视化，成为高效业务决策的数据管理工具QuickBI是最早出现的Quick2017作为阿里云数据可视化平台，QuickBI无缝对接各类云上数据库和自建数据库，实现海量信息的智能整合；内置40余种图表和灵活的OLAP多维分析能力，数据可视化呈现形式丰富且多元；支持0代码鼠标拖拽式操作，方便所图示：QuickBI可视化呈现界面图片来源：阿里云，36氪研究院QuickBI为业务决策提供高效且直观的数据内容基础，其应用价值得到图示：QuickBI应用价值多场景应用图示：QuickBI应用价值多场景应用实现移动化分析提高数据处理效率处理与分析全面业务洞察业务可视化呈现逻辑性能匹配QuickAudience打造以人为中心的消费者全生命周期洞察运营QuickAudience以人为中心，集数据资产构建、用户分析、精准营销投放、2020年QuickAudience9月，QuickAudience升级至2.0版本，将1.0单向的营销推送手段升级为企业与消费者的双向互动，数据资产构建消费者洞察用户圈选营销触达数据资产构建消费者洞察用户圈选营销触达RFM、AIPL据集，为用户洞察提供数据基础基于数据标签与RFM/AIPL模型，进行标签透视与显著性分析，实现用户群体细分精准选定目标消费者群体，进一步实现目标群体的透视与分析社交互动会员运营全域会员运营，实现会员转化QuickAudience运营、互动、营销消费数据沉淀Awareness公域消费者粉丝QuickAudience运营、互动、营销消费数据沉淀Awareness公域消费者粉丝用户Loyalty私域会员图示：QuickAudience对AIPL细分用户群管理QuickStock连通阿里与企业生态，基于市场洞察，全链路管理货品运营2020年9月，QuickStock货品的智能化管理流程。QuickStock基于企业全渠道货品相关数据，借助强大的算法功能，实现对货品的全面洞察，并预测销售趋势，进而赋能货品商品企划品类解构建议新品研发建议

渠道首铺门店店态建议门店组货建议

补调计划补货建议 企划 生产 首铺 试销 补调 清尾 产销协同供需计划匹配智能订单排产

商品试销货品监测整体销量监测

智能清仓促销渠道建议促销人群建议图示：QuickStock赋能货品生命周期全流程货品洞察货品智能化运营管理QuickStock式，QuickStock基于数据资产，使企业更为准确地了解市场与货品状态，以需定产，以需定销，实现人货匹配与商渠匹配。同时，QuickStock连通货品洞察货品智能化运营管理阿里生态货品、市场、消费全渠道数据企业生态市场洞察阿里生态货品、市场、消费全渠道数据企业生态市场洞察图示：QuickStock价值链路3.23.2阿里云数据中台服装行业服务案例——波司登阿里云数据中台助力波司登打造全域数据体系，推动“人、货、场”智能匹配自1976地位。2016而波司登也是服装行业最早构建数据中台生态的企业之一。在阿里云数据中台框架下，Dataphin协助企业构建统一数仓，QuickBI和QuickAudience实现从消费者洞察到商品运营的全链路商品智能化管理。消费者洞察营销洞察商品洞察商品运营QuickAudience用户运营QuickBI数据可视化消费者洞察营销洞察商品洞察商品运营QuickAudience用户运营QuickBI数据可视化萃取数据中心商品数据体系门店数据体系消费数据体系数据域客服域导购域公共域日志域渠道域营销域交易域积分域商品域消费域 多渠道业务数据多渠道业务数据图示：波司登数据中台框架波司登与阿里云高效协作，打通商品智能管理全链路，赋能业务增长商品智能化管理全链路的构建，为波司登解决长期痛点库存问题提供新思路。一方面，数据中台打通波司登全渠道数据与阿里全域数据生态，更精准地洞察市场与消费趋势，及时响应消费者需求，为公司有效“产备销”提供坚实的数据基础。另一方面，数据中台创新铺货及补货管理，将商品售罄率控制在合理范围内，避免大规模库存不足或库存过剩两种极端。目前波司登已在全国1300家门店实现了精细化的智能铺货管理，基于历史销售数据，实现门店铺货建议与预在数据中台的赋能作用下，波司登于服装行业整体增速放缓的环境中“逆风翻盘”。今年天猫618消费季与88VIP会员节中，波司登ROI相较钻展人群投放整体提升5.4%、UV34.8%。波司登数据中台的高效落地，离不开集团与阿里云的双驱动：集团建立项目变革委员会，推动IT与业务的融合，顶层战略从上至下推动数字中台方法论的渗透；而阿里云凭借行业经验积累，“对症下药”，针对波司登现存痛点产销协同单点突破数据中台1.0（现阶段)实现消费者与商品洞察；优化商品运营效率；提升集团数据运营能力

链路优化横向扩展数据中台2.0打造消费人群增长闭环；务、物流、人资等多环节

全域数智化应用深入数据中台3.0大数据实现人、设备及产品的连接，深入数字化应用；实现集团全域数智化图示：波司登数据中台建设规划3.23.2阿里云数据中台服装行业服务案例——雅戈尔雅戈尔旨在基于数据中台，实现线上线下双联动，升级会员服务历经四十余年的发展，雅戈尔现已成为以服装为主、兼顾金融投资、地产开发面对日益丰富的消费者来源渠道，雅戈尔期待实现线上线下的聚合与联动，以线上渠道实现获客与推广，以线下渠道为客户提供高质量的体验与服务。因此雅戈尔积极推动集团数智化落地，与阿里云共同打造数据中台，以数据赋能集雅戈尔集团的品牌营销模式已从流量至上转化为以消费者服务为核心，以个性化服务内容拓展消费者生命周期，真正实现消费者资产的沉淀，打造消费者增长闭环。因而会员服务是雅戈尔重点聚焦的环节，也是此次数据中台构建的重点之一。数据及技术平台支持台 算法数据模型设计层数据及技术平台支持台 算法数据模型设计层 数据中建设层与 数据服务与应用层业务域业务域财务域外协域团购域特许域推广域销售域会员域渠道域物流域商品域图示：雅戈尔数据中台架构雅戈尔实现个性化会员服务与营销触达，构建消费者增长闭环在数据中台框架下，雅戈尔打通了门店管理、会员管理、会员服务、精准营销等各环节链路。基于数据中台强大的数据处理功能，雅戈尔实现消费者群体更为精确的细分，推动精准营销及个性化会员服务的全渠道触达。2020年天猫618消费季中，雅戈尔收藏加购ROI相比新客提升52.4%，数据中台的价值持续得到释放。消费者渠道来源营销战略服务方案消费者渠道来源营销战略服务方案私域用户沉睡用户线下门店线上渠道新客转化沉睡人群激活消费者运营私域用户沉睡用户线下门店线上渠道新客转化沉睡人群激活沉睡用户沉睡用户潜在用户 线上线下交叉 优质购买人群放大潜在用户线上线下交叉优质购买人群放大图示：雅戈尔实现个性化服务与营销触达拉新消费者裂变拉新消费者裂变拉新转化外媒人群及社交平台用户实现转化会员资产沉淀打造核心与忠诚私域客户群体；提升用户对雅戈尔品牌的粘性消费裂变以核心客户群体带动消费者裂变打造集团品牌影响力沉淀图示：雅戈尔通过数据中台打造消费者增长闭环3737数据中台的主要赋能逻辑数据中台的主要赋能逻辑数据中台的市场生态趋势数据中台行业前景展望044.14.1数据中台的主要赋能逻辑以消费者为中心，以数据为驱动，重构“人货场”，成为数据中台赋能泛零售业的底层逻辑2019数据中台基于数据赋能企业全域商业流程，对消费者的全域触点进行科学管理，打造基于消费者全生命周期的智慧运营管理体系，重构“人货场”。数据中台将以人为中心的传统Saas运营服务扩展为中台化的企业级消费者运营服务，将服务对象从互联网电商延伸至百货商超、鞋服