零售消费企业数字化增长实践案例集 2.0

让数据成为生产力零售消费企业数字化增长实践案例集2.0帆软消费零售事业部帆软数据应用研究院消费4.0时代的增长新思路消费零售企业的数据价值变现之路维维食品饮料:智能促销指挥官:数据驱动的精准营销与客户忠诚度提升碧生源:深耕功能茶饮的碧生源,何以让数据常润,促品牌“常青”?2波司登:数字化转型本质是一场变革,协同驱动业务观念变化,赋能业务增长足力健:数字化推动制鞋企业供应链创新艾莱依:覆盖商品、销售、供应链,艾莱依的产销协同探索与实践!周大生:从0到1落地FineBI自助分析,数字人才建设赋能经营决策潮宏基:作为彩金珠宝的领潮者,潮宏基如何用数据谱写品牌零售新“饰”界?3喜家德:数据化由0到1转变,门店管理效率提升40%周黑鸭:“美味缔造者”的背后,蕴藏着数据驱动的奥秘苏客:释放数据力量,苏客领跑快餐业发展王府井:从0到1的突破,创新打造一站式数据分析解决方案天虹:数字化会员超4700万!数实融合迎来业绩增长的“第二曲线”04交个朋友:直播电商进入下半场,与数据“交个朋友”吧云鲸:打破数据壁垒,云鲸携手帆软BI系统优化用户体验与营销策略浙江铭弘电商:让1个sKU持续多赚1%的“探险者”之路超市业态数据分析平台建设通用方案扫码免费下载餐饮行业数据应用建设方案扫码免费下载服饰行业解决方案扫码免费下载零售会员营销解决方案扫码免费下载门店管理分析解决方案扫码免费下载跨境电商数据应用建设方案扫码免费下载家居行业数据应用建设方案扫码免费下载美妆行业解决方案扫码免费下载直播电商数字化分析方案扫码免费下载经销商分析解决方案扫码免费下载001零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0002消费4.0时代的增长新思路——帆软软件研究院业务专家赵珂梦消费降级?消费升级?结合整体国家统计局数据,整个社会消费品的总额增长其实是一个比较平缓的过程,整体呈现稳中有进的状态,下图左侧图标显示的是居民的人均可支配收入,不管是城镇居民还是农村居民,在2024年上半年整体人均收入是呈现增长态势,但中国消费者的信心指数趋势却不乐观。这两年有一个词非常的火——消费降级,身边很多人开始用起了拼多多,做起了省钱攻略。拼多多的业务增长超预期,淘宝、京东增长放缓,恩格尔系数上升,低价餐饮服务兴起……这些都预示着消费降级。但是与之相对的,人均可支配收入是在上涨,居民消费增长率高,部分的奢侈品不断提价,包括我们结合更多的新兴消费的业态在蓬勃的发展等事件又印证我们现在处于消费升级的市场,所以消费升级和降级是同时,他俩并非是矛盾,而是统一事物的一体两面。从前是“供给驱动”的“产品为王”的时代,现在已经逐步开始进入到“用户为王”的新时代,需求由消费者来驱动,供需关系发生了变化,进入消费4.0时代。新消费时代,中国消费市场中产阶级在不断的扩大,渠道非常的细分且多元,供需之间强烈的需求矛盾又产生了,面对这样的一个市场环境,零售企业的破局之道是什么?——唯有洞察消费者。围绕一个消费者打通N种触点,从购物渠道、接触信息、媒介,到下单、支付、配送、售后等环节,整体的营销服务都需要跟上,这就是我们一直在说的精细化运营,只有做到这些才能从存量市场中挖掘潜力,从增量中寻找新的机会。003零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0004结合相关的研究可以发现,目前消费者有两个特性:一是消费观念开始改变,消费者更加注重悦己和务实,想要的不仅仅是实物的商品,更多的是体验式的消费,所以说消费者不是没有需求了,而是消费者需求开始升级。二是消费决策过程更加复杂化,为什么呢?因为我们刚才讲到大环境是渠道非常多元,现在不仅是有线下的商超、百货、购物店,还有更多新兴的电商平台,消费者会多方比价,多渠道获取信息。品牌想要破局的话牢牢结合以下几点:结合产品的品质,我们的价格给消费者带来怎么样的实际体验,以及产品赋予消费者的社会标签是什么。先说美妆行业,2023年化妆品市场销售额的数据,不管线上还是线下同比都是在增长,而且线上增长的速度是远远超过于线下,这是美妆市场整体的特性,在2023年的时候,市场规模已经到了7900多亿,可以预计在不久的将来,美妆的市场规模将达到万亿级别。食品饮料行业,以咖啡产业为例,呈现欣欣向荣的态势,现磨咖啡成为整个咖啡产业的领头羊,但是行业内卷非常的重,卷产品、卷营销、卷渠道。咖啡界的两大巨头瑞幸和星巴克。目前瑞幸的营收超过了星巴克,但是从利润的角度还是星巴克在逐步的上升。我研究的一下星巴克最近做了一些什么事,它里面的做法还是值得大家做一些借鉴和参考的。随着消费降级的趋势,星巴克也针对性做了一些低价促销活动,面向学生党提供打折优惠、设置了下午四点进行打折促销,还有部分的产品做了定向营销的工作。但星巴克卖的仅仅是咖啡吗?网上更多的说它卖的是社交空间,安静的无烟的环境,所以大家也可以想想购买星巴克的消费人群和瑞幸是否是同一批人群,这也是结合行业做一些思考。鞋服行业,从整个大盘来看的话,近几年的年复合增长率处于低位增长阶段,从类目里面看的话,它还可以做更多的细分,像女装、男装、鞋服,包括童装都是不同的玩法,再结合品类来看的话,疫情之后,大家对自己的一些健康会更加的关注,户外赛道非常火热,所以运动鞋服是时代潮流中的大赢家。结合上述讲的整体的宏观环境,现在品牌增长处于怎样的阶段,我们可以称之为VUCA(V-不稳定、U-不确定、C-复杂、A-模糊)。005零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0006首先是市场的竞争非常的激烈,前有国际大牌降维打击,后有新锐品牌猛烈追赶。二是用户的需求变化非常的快,且很多是崇尚个性化、定制化的需求。三是随着流量红利的衰退,整体的获客成本是越来越高。四是品牌力、产品力塑造艰难。但有问题就有相应的解法,从数字化的角度出发,整体市场竞争激烈,我们可以结合市场大盘的数据做—些行业分析和竞对分析,随着消费者需求的变化,我们可以拉通消费者从浏览、搜索到购物下单的整体流程链路的变化,从而更好的前置捕捉消费者的偏好变化。对于获客成本,我们可以建立全面的流量追踪系统,识别哪些是优质的渠道,哪些是低质的渠道。在品牌渠道分析这—块的话,也可以通过品牌官网,社交媒体去加强品牌的宣传,加强和消费者的各种情感链接。零售行业数据建设应用的现状与痛点我们把整个消费行业的数字化建设应用分为四个阶段,第—段是纸质记录,第二阶段是EXCEL分析,第三阶段敏捷可视化,第四阶段是探索式分析,大多数企业处于二、三、四混合的阶段。比如说我接触的某—家集团的公司,它下面有非常多的子品牌,有—些子品牌自己有IP的能力,构建了数据库,它就已经处于第三个阶段。另外—个子品牌相对来说薄弱—点,或者说数字化的投入薄弱—点,现在还是EXCEL分析为主,处于第二阶段。结合刚才的路径我们再来讲—下当前在数据应用上比较典型的痛点。—般来说,很多公司在业务侧都有常规分析的报表,比如周报、月报、年报等,这些报表需求往往需要业务提需求给到IT实现。但是在实际的配合过程中,零售行业的业务变化是很快的,IT无法及时响应业务需求。特别是我最近接触到有—些公司的CEO/CI提到他们的业务体量基本上每年翻番,在业务高速发展的过程中,业务不断给IT提需求,IT永远是在排期,永远做不完。怎么解决这样的问题呢?我们来看—个实际的案例,看看在构建数字化的过程中,怎么样解决上述业务视角和IT视角天然存在的矛盾点,以及如何层层加深企业的数字化建设程度。以我们服务过的某家客户为例,这是我们给客户规划的项目建设思路,我们称之为1个平台、3个目标、4个要素,—个平台指的是—体化的数据分析平台,随着客户业务体量不断的变大,需要去整合线上和线下的数据,打通前端的营销数据和后端的供应链、采购等多端数据。项目从电商的运营、全渠道精细化的营销管理,再结合财务的视角做资金上的管控和综合的分析,帮助企业拉通从数据采集、数据处理融合、数据留存到业务分析这四个过程。项目过程中,我们给客户提供了全链路的解决方案。底层实现全域数据采集,中层实现整体构建企业级的数据指标体系,按照业务能够理解的数仓,消除IT和业务天然的矛盾点。顶层的业务分析层面,帆软能够提供标准化可复用的场景包,给提供企业提供参考及复用,提升数据分析应用的效率。007零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0008围绕企业整体经营,构建高层、中层、业务骨干三级分析框架,高层从宏观经营视角出发,关注的是我生意好不好,好在哪里,差在哪里?财务侧的利润怎么样,营销侧的产出投入是怎么样的,包括供应链管理侧怎么样的。中层从各模块业务视角出发,围绕业务模块做进一步分析,比如说营销板块,渠道板块,品牌、会员,财务等等。业务骨干从执行应用视角出发,做更多的主题的深度分析。整个分析框架需要从上往下、从下往上层层打通。数字人才为企业数字化建设保驾护航随着数字化建设的加深,除了帆软提供落地实施服务这种方式,我们也非常乐意助力推进企业内部的数据人才建设,基于不同层级管理者在数字化转型中需要承担的角色与重点工作,提供数字化人才分层分级培养方案,帮助企业全面提升数字化能力。02消费零售企业的数据价值变现之路——消费零售行业解决方案资深专家周道明从2021年开始,我国数据要素市场规模已经达到了815亿元,并且仍在高速增长,主要集中于数据存储、数据加工、数据分析领域。针对部分上市公司数字化转型的前后对比研究显示,企业数据能真正帮助企业发展,提升企业整体运营效率。数据要素市场发展迅速,数字化赋能效果明显,数据资产潜在价值巨大数据要素市场发展迅速,数字化赋能效果明显,数据资产潜在价值巨大2021年我国数据要素市场规模达到815亿元,预计“十四五"期间市场规模复合增速将超过25%数据资产的使用能够充分挖掘数据的价值,提高各行各业从整体视角来看,数据是能够发挥价值的,但这种价值的凸显主要集中在规模化行业中。在我多年服务的消费零售企业里面,我发现有效利用与运营数据资产并实现其变现,对大多数企业而言并非易事。企业大体上还是处于比较基础零散的报表应用状态,未真正把数据价值全面深入地应用起来。业务指标体系混乱,不清楚什么层级?什么岗位?应该看哪些数据?怎么看?看完之后怎么行动?自助式分析平台缺失很多维度及关联指标,业务部门很难真正完成自助式数据分析指标口径不一致,出现“同名异义”或“同义异名”的情况,这不仅导致各部门汇报结果难以横向对比,而且使得管理层无法快速准确地掌握整体业务运行状况业务指标体系混乱,不清楚什么层级?什么岗位?应该看哪些数据?怎么看?看完之后怎么行动?自助式分析平台缺失很多维度及关联指标,业务部门很难真正完成自助式数据分析指标口径不一致,出现“同名异义”或“同义异名”的情况,这不仅导致各部门汇报结果难以横向对比,而且使得管理层无法快速准确地掌握整体业务运行状况指标重复建设,数据部门在响应快速变化的业务需求时,往往会为了效率而独立创建新的指标,而不是复用已有的计算逻辑消费零售企业数据应用现状核心原因解析缺少科学的数据分析体系建设方法论指引,毫无章法可循缺少企业数据文化培养,企业数据决策的习惯未养成010203010203数据应用都是呈现点状的应用分布,没有系统化、体系化的建设规划;数据应用更多的还是固定表格报表,站桩式看数居多,探索式交互式应用场景缺失;数据部门主动研发完成的数据应用分析看板,业务部使用频率很低,无法全面推广应用起来,更多还是疲于应对业务部门临时性的取数及报表开发需求;业务部门更多是凭经验做管理,而不是看数据做管理;企业组织间数据不透明,很难完成跨组织的穿透式数据分析应用场景;BI工具很多时候沦为取数平台,业务部门更多依赖Excel做透视分析;这些都是我与客户访谈过程中遇到的一些现象,其核心原因是:缺少企业数据文化培养,企业数据决策的习惯未养成。缺少科学的数据分析体系建设方法论指引,毫无章法缺少企业数据文化培养,企业数据决策的习惯未养成。缺少科学的数据分析体系建设方法论指引,毫无章法可循;对于企业数字价值变现,我有两点理解想与大家分享:数据、信息、知识的理解1、什么是数据?以35。C为例,“温度是35。C”代表不了任何东西。它有可能是今天的天气,也有可能是水温,我们一般认为它只是一个数字事实,而“2024年7月5号上午10点,广州市的温度是35。C”则是一个更加场景化的数据。实际上,大部分数据都是依赖于场景,我们不能脱离场景来看数据。以连锁零售行业为例,两个门店日销售额分别达到5000元和8000元,仅凭这两个数字来单独评判其经营情况,其实是有失公平的。我们要看它在一线还是二线城市?它是CBD商圈店、学校店或是公园店?它是旗舰、直营店或是加盟店?所以我们在描述一个数据的时候,一定要基于某些具体的场景。2、什么是信息?“35。C比我们平时热”就是信息。所以我认为数据和信息最大的区别是:信息是有比较的,它是有阈值范围的。从某种角度来看,我们可以将信息想象成红黄绿灯。为了认定某事物为信息,你必须要告诉我,它是好是坏?它是红灯、黄灯还是绿灯?这是数据到信息的一个重要转变。我们之前构建的众多模型及报表,很多时候仅仅是简单数字的展现,未到达信息的展现程度,而其中的关键在于我们没有确定阈值及进行好坏的判断。011零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.00123、什么是知识?这是-个数字事实这是-条更场景化的数据这是信息这是知识实际上,数据能提供给业务部门的建议是严重不足的,因为大多数情况下仍需业务部门自己进行判断及决策。那么数据背后代表的具体业务含义到底是什么?什么是信息到知识呢?其实很好理解,“35。C很热,我们需要穿短袖”这个就是知识。简而言之,当我们确定阈值及进行判断之后,还要知道在亮红灯之后的作业方法是什么?怎么解决亮红灯的问题?而不是任由其—直亮着红灯。由此可知,在数据价值变现中,最终节点是执行的动作,即我们所说的知识。而将知识与我们的平台绑定,即认为它可以形成我们的字符。这是-个数字事实这是-条更场景化的数据这是信息这是知识温度是35℃2024年07月5日上午10点35℃比平时热35。c热死了,需要穿短袖数据→信息→知识→智慧/决策的高效转换智慧知识信息汇聚清洗转换建模效率提升促进增长库存采购门店APP渠道数据高数据价值低我之前投入大量的精力在业务的在线化及数字化建设上,而现在从数据化、数字化角度上看,智慧知识信息汇聚清洗转换建模效率提升促进增长库存采购门店APP渠道数据高数据价值低构建数据分析体系1、构建指标体系构建指标体系中首先需要找关键,要在企业数据中找到核心的指标,找到企业真正的关注点。再者我们需要定规则,即定义指标数据的计算口径。此外,最重要的是找标准,即我们怎么去定义指标的好坏?该如何去做指标的比较基准?构建指标体系的第—核心要素是搭建整体框架。首先需要自上而下承接企业的战略目标,因为不同重点的战略目标的达成,最终都会分解到企业各个承接部门的核心KPI上。若未把战略目标分解到各个部门,那它将无法实现。再者需要从左至右梳理企业价值链流程,即梳理从经营计划、商品企划到商品设计、原料采购及生产、商品运营、门店运营的流程。我们要将自上而下的决策链与从左至右的价值链相结合,构建数据分析的指标体系。从而将指标由决策层、管理层拆解至执行层,落到实处。最后需要建设数据指标的标准,包括基本信息、业务标准、技术标准、管控标准等。我们要将部分的数据与整体的数据治理工作相协同,基于真正的数据驱动运营、数据价值变现来做好数据指标体系建设。2、构建数据应用场景数据分析应用场景建设流程梳理业务看数逻辑,并基于看数逻辑梳理指标关联逻辑,进行数据建模及看板设计开发数据分析应用场景建设流程梳理业务看数逻辑,并基于看数逻辑梳理指标关联逻辑,进行数据建模及看板设计开发013零售消费企业数字化增长实践案例集2.0培养企业数据文化1、构建数据组织培养企业数据文化,首先需要有人构建数据组织。因为数据文化的培养并非是自然而然的过程,它必须要有大量的数据运营行为来推动,而数据运营的执行遵循着数据组织所下达数据命令。这需要企业在人员配置方面进行大量的投入,建设数据治理组、商业智能组、数据研发组、技术运营组等。若企业当前的预算较少,也要先根据这个组织体系框架进行规划,后续再执行。企业数据文化的培养企业数据文化的培养数据文化作为文化的延伸,则是指对于在决策过程中使用的数据,高层管理者和员工所推崇的价值观、展现出的行为和持有的态度影响数据文化企业落地四要素:管理层支持并推动数据的使用通过数据运营打破团队沟通壁垒相信数据的价值,轻松获取、自由分享数据思维力是每个角色都应具备的能力企业数字化实践面临的挑战企业数字化实践面临的挑战2、构建数据运营机制我认为,当前大部分企业的数据指标体系不是一成不变的,它会随着企业发展规模的变化而变化,这就需要数据运营团队不停地迭代、推广。这涉及到数据运营流程的构建,即当新的数据需求浮现后,企业的数据团队与业务团队该如何协同、如何开发、如何验证。再者需要开展数据专题的培训,培训企业的数据思维,包括我所阐述的对于数据、信息、知识的理解,这也是以往大部分企业未大面积宣导过的内容。此外,还需要发布数据运营报告以及推广内部数据应用大赛,在潜移默化中建立起企业数据文化,以实现企业数据价值的变现。最后,我想与大家分享我个人对于数据的理解:数据本身并没有价值,数据的价值是隐藏在数据背后的业务逻辑和知识沉淀,数据只有变成智慧,才能实现高效决策,驱动零售业绩增长。零售消费企业数字化增长实践案例集2.0014零售消费企业数字化增长实践案例集2.0恒安集团:将业务与技术转型融为一体,全面实现业务数据化和数据业务化薇美姿(舒客):零售消费企业数字化增长实践案例集2.0014零售消费企业数字化增长实践案例集2.0恒安集团:将业务与技术转型融为一体,全面实现业务数据化和数据业务化薇美姿(舒客):协同共生,赋能高效——数字化应用价值与实践维维食品饮料:智能促销指挥官:数据驱动的精准营销与客户忠诚度提升碧生源:深耕功能茶饮的碧生源,何以让数据常润,促品牌“常青”?015零售消费企业数字化增长实践案例015零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0将业务与技术转型融为一体,全面实现业务数恒安成立于1985年,是一家专注于家庭生活用品的快消品企业,拥有4枚中国驰名商标,400亿元固定资产,去年年营收达238亿元。我们在17个省份拥有22个生产基地,85座物流中心,服务超过5亿消费者,生产的产品种类多达1386种,旗下有心相印、七度空间等知名品牌。这些庞大的数据和业务规模也从侧面显示着恒安在数字化转型过程中所面临的现实复杂性。零售消费企业数字化增长实践案例集2.0016快消品行业的特点是价值链长,恒安也是如此。虽然我们的产品是消费品,但是整个模式很多都是ToB的,特别这几年消费习惯的变化,整个价值链更加复杂。加上恒安整个供应链模式,全国那么多生产基地、几十个区域配送中心(RDC),这个RDC还要经过5000个经销商,5000个经销商要通过60万加盟店才能够到达消费者手中。这种复杂的供应链结构带来了巨大挑战,因此恒安必须快速适应,以“以消费者为中心”的模式推动企业变革。在2013年至2021年间,我们做了多次数字化转型的尝试,但见效很慢。因为我们始终没有确定:企业数字化转型的终局是什么?直至2021年,我们才明确了这个问题。企业的数字化转型应该像一辆自动驾驶汽车,所有的信息一手采集过来变成数字,通过中央决策、控制器反哺到行为。如此,企业的数字化转型就可以视作成功了。2021年始,我们围绕这个目标制定了新一轮的数字化转型流程,把目标分解为三角形的“三个维度”:客户、运营、产品。虽然恒安的渠道和客户是ToB,但最终用户是消费者,所以我们始终围绕“以消费者为中心”,通过数字化建设,推动业务的精细化运营。017零售消费企业数字化增长实践案例集2.0客户亲密重建私域商城:恒安集团在数字化转型过程中,以消费者为中心,重构了私域商城。以创新、驱动业务和实现精细化运营为宗旨,集团不再以GMV衡量商城的效果,而是更加重视让系统产生消费者的互动和触点。目前恒安注册会员数量已重构业务员巡店系统:虽然近年来线上电商发展迅速,但快消行业主战场还是在线下。为此,恒安重构了业务员的巡店零售消费企业数字化增长实践案例集2.0018卓越运营实时数据监控与ERP重构:做卓越运营必须实时掌握企业经营业绩,为此,恒安对ERP系统进行了全面升级和业财重构,以实时掌握企业的经营业绩。通过对利润中心和成本中心的深入分析,集团能够确保合并报表的准确性,实现经营管理的透明化,并有效支持卓越运营的实施。系统(SFA)。自2010年始,恒安的SFA系统经历了多次迭代,此次重构围绕消费者体验进行系统建设,以流程驱动管理规范、效率提升,还推动了模式与产品的创新。渠道数字化:为了进—步实现渠道透明化和高效运营,恒安通过数据回流与—件代发的方式逐步完善线下经销商管理,确保线上经销商的数据能实时回流,同时通过—件代发模式有效减少库存压力。供应链系统重构:为了优化供应链管理,恒安针对60多个区域配送中心(RDC)和20多个生产基地,重构了产供销协同的供应链系统,以解决货品短缺与过剩的问题。早在2015年,集团便意识到这—系统的重要性,并在重构过程中以数据质量为基础,最终解决了各自建系统导致的数据孤岛现象。自研与多生态集成:为支撑创新、确保数据的准确性与质量,恒安建立了自研底座。恒安认为数据治理不仅仅是—个项目,而是贯穿于各个系统、各个项目过程中的核心理念,要以终为始、将数据驱动理念贯穿于各个数字化系统的建设中。产品领先数字化系统驱动创新:建立量化数据体系,持续评估数字化转型的效果,尤其关注订单满足率和库存成本的平衡,努力解决行业内长价值链带来的挑战。通过数字化系统的实施,恒安集团成功推动了变革与创新,并直接提升了业绩,包括优化了订单满足率和库存成本等关键指标。目前,整个全价值链的管理已经实现了从0到1的突破。数据管理数字化:为了进—步支持决策,集团在财务、供应链和营销等部门建立了数据分析的核心用户群体,利用BI工具进行数据建模与指标构建。所有关联用户只能用指标生成报表,而不允许直接接触底层数据,这样确保了数据的—致性和准确性,使得各部门能够随时了解企业的经营状况,明确哪些产品盈利、哪些产品不赚钱,从而提升决策的及时性与精019零售消费企业数字化增长实践案例集2.0数字化重构了信息化,而未来的智能化,尤其是生成式AI,必将深刻重构我们的数字化进程。通过将AI与数据结合,我们有可能重构整个BI业务,实现更高水平的创新与发展!零售消费企业数字化增长实践案例集2.0薇美姿(舒客)零售零售消费企业数字化增长实践案例集2.0薇美姿(舒客)零售消费企业数字化增长实践案例集2.0020协同共生,赋能高效薇美姿实业(广东)股份有限公司是中国领先的口腔护理产品提供商,旨在通过—站式及多元化的产品改善消费者的口腔健康及卫生,公司主要从事开发及销售涵盖四大口腔护理产品类别(即成人基础口腔护理、儿童基础口腔护理、电动口腔护理及专业口腔护理)的多元化口腔护理产品组合。旗下拥有成人口腔护理品牌——舒客(saky)、极悦;儿童口腔护理品牌——舒客宝贝(skaykids)、稚奇(Joykids)。021零售消费企业数字化增长实践案例集2.0我们把数字化分为四个阶段,数字化尝试者、数字化追随者、数字化开拓者、数字化领军者。我们现在自己定位于数字化追随者阶段,这个阶段的特点就是人有我有,未来三年我们希望能够达到数字化开拓者的阶段,能有效地开展数字化、提升业务,达到人有我优的阶段。最终目标是达到数字化的领军者,寻求颠覆性数字化创新、进行因为我们是—家消费型企业,所以我们倡导的愿景就是以消费者为中心,围绕消费者的产品及服务、计划、生产、制造、仓储物流、销售、零售、消费者服务、消费者洞察,实现360度的赋能价值链。每当有业务给我们提要求的时候,我们就会问两个问题,第—能带来增长吗?第二能带来什么业务价值?这个时候业务其实挺头痛的,因为我跟你提需求,你问我价值,其实我自己也没想清楚为什么干这个事情,但是我们就帮着业务去思考为什么要做这个事情,它能给我们企业带来什么样的增长,能不能带来利润的增长?同时我们对内部也会提—个要求是安全和合规,自从数据安全法和个人信息保护法提升以来,我们做了非常多的工作来保障安全和合规。这是我们整个数字化的价值愿景,我们企业对于数字化生态的规划,其实就是基于我们的愿景来做的—个布局,目前我们在信息安全合规、基础设施服务、大数据中台和各个业务解决方案都有—系列的建树,同时我们已经在技术平台服务,Pass平台,包括我们的—些算法做了—些尝试。零售消费企业数字化增长实践案例集2.0022算法分析洞察预测人工智能算法分析洞察预测人工智能企业管理与协同解决方案供应链PLM/LIMS会员商城电商小程序/H5SFAB2B钉钉eHR财务研发与供应链解决方案销售应用解决方案消费者解决方案BI大数据中台大数据中台Datawarehouse+MDM技术平台服务技术平台服务IPaasCloudNativeDashboardIAM/IDaaS基础设施服务基础设施服务IIaas云个人电脑服务器打印机防火墙储存网络信息安全与合规信息安全与合规测试、评估政策、管理监控、探测从数据采集到应用,循序渐进我们跟帆软最早的合作可以追溯到2018年,当时合作的契机是因为企业换钉钉,我们当时搭建了—套SF工具,把全国接近两万名的导购人员纳入进来,在2018年的时候发现那套已经搬不过来了,生态不兼容,于是就用简道云自己搭建了—套。2019年我们又利用简道云搭建了—整套PMM。数据有了之后烦恼就来了,这个数据要分析要应用,就得经常去导报表,这个时候帆软提供了—个产品——FineReport。上的过程中又发现—个很大的问题,这个平台只能技术用,业务用不起来怎么办?于是我们引进了另—个产品——FineBI。当有数据了之后,新的烦恼又来了,大家都在BI用数据,各种数据很混乱,所以在2022年开始使用数据中台,2023年开始做主数据平台治理,跟服务商顾问合作,针对人员、门店、产品等—系列主数据做统—治理。数据治理—定是个长期的工作,边治理边应用,边应用边治理,它是—个循环的阶段。下面给大家介绍—些我们实际的应用案例。工作时间不稳定,往往导致合同没签完,人走了023零售消费企业数字化增长实践案例集2.0零售消费企业在PMM应用之前,我们的业务员管理有个很大的痛点,业务员分布在全国各地,我们每天要招人、签合同、合同寄回公司,然后还要做考勤管理、销售管理,整个链路非常长、非常麻烦,同时还涉及到多个外包服务商,内部也有—些部门需要进行协同,比如人力、法务、IT、销售,各个部门需要协同。快递寄送2-3天快递寄送2-3天快递寄送2-3天线下挖聘签署合同公司拟定合同人力外包公司线下挖聘签署合同无格式校验容易出错无格式校验容易出错—旦出现从头再来文件容易丢失丢失后溯源时间长这时我们就通过简道云基于业务流程搭建了—整套从招聘、面试、签合同、入职、考勤、销售上报、业绩查询、薪酬查看、在线学习等等。在应用前整个周期是非常长的,整个流程耗时长,工作时间不稳定,而且整个链路中经手人非常多、文件非常容易丢失、丢失后溯源的时间长、全手工录入导致校验容易出错。基于这种场景,我们就做了—系列的业务梳理,以钉钉为入口、以简道云为基座,各个部门放在钉钉上通过简道云查看,我们公司的人员入职在简道云上来进行搭建,—旦入职之后,就会推送到第三方外包系统,给他推送合同,签订合同之后,我们会给他开通钉钉,让他在里面做—些管理上的操作,同时这个信息流程通过数仓、通过BI报表来进行实时呈现,让业务第—时间知道这个人现在在干什么。整个流程下来是在线化的,而且信息实时流转,协作人员更加快速,下游系统也是全打通的,通过与后端人员的配合,实现—端录入、多端分发,而且整个过程是有校验的,通过我们的数据格式校验、OZR校验,包括人脸识别、短信校验,保证信息输入人员是真实有效的。目前已经有两万人在里面进行入职、离职了,节省40万元快递费:整个流程从过往的半个月提升到10分钟,上线后真实性也提高了100%。实现—端录入,多端分发实现—端录入,多端分发格式校验,OCR校验,人脸识别,BI应用第三方工作人员第三方系统三第三方系统二第三方系统—简道云服务职能销售数仓钉钉实习生5天上手简道云,大幅降低开发成本原先我们公司的产品设计是外包给第三方的,市场部、产品品类经理经常需要—些设计图,很多时候就以发邮件的形式,导致整个链路不清晰,经常要求的时间又对不上。于是我们就想到用简道云来干这个事情,通过简道云把这套流程给拉通。这套流程并不复杂,我们招了—个实习生,他就学了5天的简道云,跟业务部门边沟通边搭建,同时去编写文档,帮助我们做运维,最后应用上线,整个过程下来全是这个实习生自己干的。现在我们企业招人—个实习生是120—天,如果我们找—个外部的开发,按照行业的标准是2500/人/天,开发成本大幅降低。025零售消费企业数字化增长实践案例集2.0采购分配模型是我们的供应链提的一个比较简单的需求,希望把生产分配,包括原料采购分配到一些好的供应商头上,基于一套评价体系,给我们的这些供应商做一些评分,来分配他们的生产,同时还要根据距离,包括他的一些运费来给他进行分配,保证收益最大化。问了一圈下来,这种模型如果找平台做或者外包开发,费用都很高,而且它不确定性特别高,随时可能变化,需要快速地迭代。所以我们就想了一套方案,通过简道云进行填报,阿里云的数仓来进行实时计算,在前端通过生产模型工具填入一些信息,将信息提交到阿里云,通过规划服务来实现分配,快速地计算出结果,业务可以第一时间看到,再跟他想象当中的结果做一些校验,慢慢地这个模型越来越准确。我们目前已经基本上把帆软的全家桶都用完了,我们最后定位FineReport将会作为我们的统一报表的展示平台,企业级的,比如说高管级以上的报表,在FineReport上由IT统一来进行搭建。各个业务部门需求的报表,就由各个业务部门的负责人自助搭建敏捷,IT只需要做好数据服务和数据的治理工作,保证他们能用到完整、准确、及时的数据。同时我们把数仓在这个过程中逐步构建起来,培养出一批自助式分析的人才。零售消费企业数字化增长实践案例集2.0026决策决策系统功能层数据层业务系统双模双模IT-MODEL2敏捷、自助、应对不确定场景的探索式数据分析双模IT-MODEL1固定、可靠、计划驱动的数据展示和分析企业数据决策系统FineReportFineB简道云表单创建企业轻应用最后总结一下,为什么是帆软?其实系统实现的方式非常多,但是我们做企业的很重要一点要考虑资源情况,资源不是无限的,人才也不不是无限的,所以我们对比了一些成熟的应用平台,固定的解决方案很难满足这些快速变化的需求;我们对比做一些定制开发,高成本、长周期地实现,我们成本是很难快速覆盖的;第三个就是人才,操作简单,易上手,对人才要求也低。所以大家都可以考虑一下这种场景,因为它快速便捷,如果当这套逻辑跑通了,我们再上一些定制化的产品,其实也更有说服力去为公司获得更多的预算。零售消费企业数字化增长实践案例集2.002零售消费企业数字化增长实践案例集2.0027零售消费企业数字化增长实践案例集2.0智能促销指挥官:维维食品饮料股份有限公司成立于1994年,2000年于上交所上市,是一家国有企业控股的大型食品制造企业。维维产业涉足农业资源、食品、饮料、粮油、茶等,拥有维维、天山雪、嚼益嚼、六朝松等国内外知名品牌。维维品牌价值评估过百亿。维维出品,被消费者称誉为“健康品牌,值得信赖”。零售消费企业数字化增长实践案例集2.0028数据不统一数据不统一01下属各事业部及子公司销售系统不统一或未普及完全,数据源格式不统一,且有部分空缺,分析起来费时费力。同时多年销售数据积累,数据体量较大,缺乏数据精细化管理。分析效率有待提升分析效率有待提升02一些数据分析采用系统数据结合线下上报数据在Excel内完成汇总上报,整体分析周期长,出错率大。方式效果可优化方式效果可优化03销售数据分析分散在各个销售系统的各个功能模块内,且大多数为以业务为导向的复杂数据报表,这种分析方式对中高层领导而言较为费时,不够直观,且分析指标的丰富程度不够,指向性不明确,不利于中高层领导的辅助决策分析。需求不闭环需求不闭环04对于各部门提请的业务数据分析需求,不具备统一闭环的流程,导致需求必要性前期得不到准确评估,落地实施周期得不到保证,实施完成的实际效果得不到跟踪。携手帆软,找到解决方案综合考量公司销售业务现状,充分调研各数据分析产品功能及特点,最终决定采用FineReport和FineBI系统集成的方式,一方面保留多年来业务部门复杂明细报表的习惯及优点,另一方面针对中高层领导拓展更为实时直观的图表分析,高度提炼业务逻辑,拓宽多维度指标,充分利用联动下钻跳转等功能,为经营层决策提供更多种可能。全方面整合销售数据资源,完成方式精准化变革及数据分析需求闭环。029零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0030经营决策指标跟踪规律探索业务预警权责定位业务应用经营决策指标跟踪规律探索业务预警权责定位业务应用系统监控定时调度权限管控指标提炼系统监控定时调度权限管控指标提炼关联跳转复杂报表维度拓展数据挖掘联动分析数据存储数据计算平台管理集成数据分析平台嵌套钻取数据存储数据计算平台管理集成数据分析平台嵌套钻取缓冲区数据工厂数据集市数据接入数据处理数据处理历史数据整合历史数据整合数据清洗数据清洗外部采集数据接入外部采集数据接入数据标准化数据标准化数据结构转换数据结构转换核定数据接入核定数据接入数据源营销业务营销业务巡店拜访巡店拜访跨系统历史数据跨系统历史数据库存调度库存调度......场景一:全流程跟踪年度销售指标维维采用数据填报的方式定时接入年度制定的销售额指标,看板以年度为周期,分析一销售年度内,各大区、片区、产品线、品类的指标达成进度,较历史销售年度指标达成进度同比。分解客户交易全流程,下单、发货、退货、回款全动作全分析,各分析板块间充分联动,尽量减少销售时间差带来的数据分析偏差,全方位分析销售经营业绩。现阶段,中高层领导可以通过较实时且直观的图表直接获取销售经营业绩的年度进度情况,大幅度节约了传统分析方式的数据汇总时间,销售经营业绩的数据分析效率较以往提升了约85%,便于及时对市场波动情况做出反馈。以业务发生逻辑指引的分析板块的逻辑设计,大大增加了分析看板的使用效率,同时减少了由销售流程带来的时间差对销售规律的影响。各分析板块间的高度灵活的联动设置,也激发了决策层很多潜在的规律发现,帮助经营决策层以全新的视角探索数据之间的联系,从而反哺市场业务。场景二:销售费用控制闭环分析由于预算生成及费用使用阶段主要面向业务人员,维维重新划分了业务口径的费用项目类型,定制化申请及结案表单,做到重点数据精细化、统一化、标准化,着重处理数据源头问题。根据实际业务费用控制逻辑设计板块分布,跟踪分析销售费用控制的全流程,对于重点关注的费用板块,如管理费用及形象店建设费用等,做定制化的钻取及联动分析。预算生成预算录入预算提取预算拆入预算拆出此外,由于下属事业部及子公司业务各不相同,提取预算的维度和方式也各不相同,为了提高数据分析的效率,我们定制了一套通用的费用控制分析方式,在数据处理阶段就全面关注下属各个事业部及子公司的业务情况,重点关注数据的统一性。在此基础上,针对费用提取维度不同、关注点不同等问题再进行二次微调。预算生成预算录入预算提取预算拆入预算拆出费用使用费用使用重点关注大区管理费用及形象店建设费用重点关注大区管理费用及形象店建设费用销售费用预算的提取来源于发货单的含税销售价,我们跟踪分析各大区客户的消费额与费用投入情况,计算分析销售毛利率与费销比率,从大区、片区、客户三个层次钻取,从而达到精准了解费用调配情况和销售活动的成本效益的目的。031零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0032通过对于市场预算提取情况多维度的联动及钻取分析,同时结合各个组织及客户的费用投入情况,中高层领导现在能够及时跟踪识别费用成本异常点,迅速采取配套的费用管控措施,大大提高了费用控制决策的效率,实现了费用的精准投放,高效投放,降低了运营成本。费控分析版块上线后,决策层发现各大区的管理费用占比异常,继而发现此前对于管理费用的管控较为松散,其中各种费用项目较为杂乱,缺乏成体系的标准。针对此,技术部门迅速调整管理费用申报表单,细化申报数据,展开更为详细的数据下钻分析,从而发现了差旅费用执行标准不透明、审批流程不完善等问题。事业部人事部门也重新制定了管理费用报销细则,对限定的费用项目和费用额度都做了详细的规定。这—管理漏洞的弥补,自实施以来累计帮助事业部缩减了约50万的管理费用开支。此类精准的费用控制决策所节约的成本开支,使得企业释放了—部分资源用于激发产品及制度创造创新,为企业带来了珍贵的长期竞争优势。根据历史费用投入趋势及占比,—定程度上辅助了决策层预测短期内未来的费用投入情况,实现了资金灵活调配,评估潜在风险并提前做好应对措施规划。场景三:企业客户画像分析模型与数据应用基于新的营销管理系统,大规模且精确地补充填报终端门店的基础数据,保证终端门店与经销商的关联准确性,此外还固定周期地收集终端门店的排面陈列情况等等,弥补终端门店数据的空白。基于客户行为、客户价值等多角度全新定义客户类型,划分客户群体,制定不同的促销政策,分析不同客户群体的占比情况、流入流出情况,精准定位流失客户群体,从客户渠道、采购品类较高的产品线、商品品类、分析流失等多个角度分析客户流入流出原因。对流入客户进—步分析其复购情况、留存情况,实时跟进新客户动态,弥补增量客户运营空白。精准定位重点客户,再结合跳转钻取功能,由面及点,全方位多角度地分析客户个体信息,包括基础信息及签约情况、业务人员配置、下属门店资料、形象店建设数据、费销比投入、指标额完成进度、交易行为分析等等,为业务员提供定制化的业务跟踪服务提供实时高效的数据分析支撑。对于经销商的库存跟踪数据,从库存上报到收货确认,再到要货需求报送,全部采用线上数据填报的方式,制作成实时的动态分析报表。对于客户群体的全新定义分类,使得决策层从宏观层面上把握了企业的客户群体结构,针对此,迅速调动市场制定了个性化的营销策略,调整了约30%的市场费用投入占比,节约了20%的低效费用投入成本,大幅度提高了营销活动的费用转化率,定制化的营销策略也在很大程度上提高了存量客户的复购率,新增客户的留存率也有较为明显的上升。帮助了决策者精准识别忠诚客户,通过配套实施的忠诚度计划、优惠和奖励政策来运营忠诚客户,—定程度上增加了市场份额、抵御同品竞争。经过初步的市场调研,定制化的业务服务及营销策略使得客户满意率提升了35%左右,市场响应度较原先也明显提高。自客户分析模块投入使用后,平均而言,客户群体整体的费销比下降了15%左右。数据支撑的客户交易趋势跟踪,权限下放至业务员群体,再加上原本手工上报统计计算的经销商库存动态数据改为实时按模板生成,节约了90%的统计计算的人力成本,现在业务人员可以既高效又较为精准地预测经销商的要货需求,优化了库存管理和供应链规划,及时进行产品链路或客户渠道的决策调整。维维食品饮料股份有限公司借FineReport+FineBI集成数据分析平台上线的机会,全面补充了销售板块空缺的业务数据,清洗整合了历史数据,改善了数据录入方式,解决了长期以来存在的数据不全、不准、不精等问题。并从销售运营、市场拓张、费用控制、客户分析、库存管理等各个方面对市场销售行为进行全方位多维度多角度的分析,首先解决了中高层领导从宏观维度上对企业销售运营现状的实时把控问题,也—定程度上拓展了许多全新的视角来管理决策,使得企业三十年来的销售数据价值得以进—步地体现。自集成数据分析平台上线以来,企业自经营层领导乃至—线业务人员,对于数据分析的需求热情高涨,从各自的角度出发,提供了很多优质的建议和思路,企业内部数据分析的氛围浓厚,数据思维逐步发展。在此基础上,我们将逐步引导把数据分析平台推广至企业运营管理的各个方面,充分发挥其价值,增强数据素养,促进数据驱动决策文化在企业内部的普及。033零售消费企业数033零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0深耕功能茶饮的碧生源,何以让数据常润,促品牌“常青”?Ⅱ碧生源常润茶,快给你的肠子洗洗澡吧”。这句脍炙人口的广告词恐怕大家都不陌生。广告加持下的碧生源(全称Ⅱ碧生源控股有限公司”,以下简称Ⅱ碧生源”)当时可谓大放光彩,并在2010年完成了港交所上市,成为Ⅱ减肥茶第—股”。2011年,碧生源推出的常润茶销量突破了13.7亿,—度达到保健品行业的巅峰。当时间来到2020年,居家办公的工作方式覆盖了越来越多的家庭。碧生源迅速调整销售策略,又—次抓住了市场机遇。通过建立营销团队、使用微商城和社群吸引客户,并通过返利和奖励扩大分销,实现了销售模式的创新和线上线下业务的融合。零售消费企业数字化增长实践案例集2.0034根据碧生源2020年公布的年报,公司实现营业收入12.9亿元,较2019年的收入人民币8.1亿元上升59.2%,公司与其更积极、明朗的发展预期—同抛向市场。事实上,时至今日的功能性瘦身市场仍然很大。根据艾媒咨询数据显示,2022年中国功能性瘦身食品市场规模为3387.1亿元,同比增长21.2%,预计2024年市场规模将达4744.5亿元。但作为老品牌,碧生源何以多次抓住市场,维持品牌的Ⅱ市场活力”?碧生源的创业故事和发展历程是中国健康产业崛起的—个缩影。在2000年,当碧生源创立之时,中国大众对健康保健的认识普遍停留在传统的Ⅱ治已病”层面,即在出现健康问题时才寻求解决方案,在这样的市场背景下,碧生源凭借对市场的敏锐观察和对未来趋势的预判,将目光投向了健康保健品市场。伴随中国经济的快速增长和人均收入的提升,民众的健康意识逐渐增强,碧生源以其袋泡茶领域的便捷、易用的特性,迎合了市场对健康方便解决方案的需求,逐步在市场上伴随营销力度建立起了品牌影响力。当数字化转型的浪潮席卷全球,碧生源集团意识到,未来的竞争将越来越依赖于数据的洞察和分析能力。因此,集团开始着手构建其数字化基础设施,引入了BI工具等,将数据价值应用于商业决策过程中。这标志着碧生源从依赖Ⅱ用脑思考”商机的传统模式,转变为在海量数据中Ⅱ挖掘”商机的现代模式。数字化转型为碧生源带来了显著的变化。首先,通过实时的市场数据分析,碧生源能够更快地识别消费者需求的变化,从而迅速调整产品策略和市场定位。其次,数据驱动的决策过程减少了依赖直觉的不确定性,提高了决策的准确性和效率。此外,通过对数据的深入挖掘,碧生源还能够发现之前未被注意到的市场细分和商机,为产品创新和市场扩张提供了强有力的支持。碧生源IT负责人、北京诺通科技有限公司总经理张维军表示,实现这些成果的背后,碧生源采取了—系列积极的措施。他将碧生源数据驱动决策的过程总结成了三个阶段:035零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0036获取数据阶段01获取数据阶段01建立数据采集的标准和流程,确保数据的准确性和完整性。这可能包括优化现有的ERP、CRM等系统的数据收集能力,以及引入新的技术手段,如物联网技术来自动收集供应链中的实时数据。分析数据阶段02建立强大的数据处理和分析能力,这通常涉及到数据仓库的建设、数据清洗和转换工具的应用,以及引入高级的数据分析工具和算法。碧生源需要开发或采购能够处理大数据、实现复杂数据模型和算法的软件工具,提高数据分析的自动化和智能化水平。运用数据阶段03将数据分析结果转化为业务决策和操作。这包括建立数据驱动的决策支持系统,将数据分析结果以直观的方式呈现给管理层(如通过BI平台),并根据数据分析结果优化业务流程、调整市场策略等。北京诺通科技有限公司作为碧生源内部孵化的科技公司,为碧生源的数字化之路起到了关键作用。如今这些成果的落地,不仅大大提升了碧生源的内部运营效率,也为其积累了多条可复制的经验让数据常“润”,以数制动发挥数据价值碧生源深知,为实现内部运营管理的透明化,首先需要优化过去人工加半自动的处理方式,避免导致错误率上升,失去数据的准确性和历史数据的参照价值。同时,面对流向数据庞大、人工处理费时费力的及时性问题,应优化流程,采用更高效的工具和技术。在经营成果、绩效考核和客户收益等方面,急需建立清晰的数据标准和定义,确立统一口径和标准,以实现全面的数据准确性和一致性。在快速变化的市场环境中,碧生源通过搭建商业智能(BI)平台,成功实现了从数据驱动到智能决策的转型,特别是在经营分析、绩效管理和供应链管理这三个核心领域,展现出了卓越的创新能力和管理智慧。碧生源IT负责人、北京诺通科技有限公司总经理张维军提到,“BI平台的搭建,内部目前各业务线都已经以该平台的全息图为准,明确作为唯一的出口,这足以说明了该平台数据的准确性、权威性和唯一性。”经营分析:洞察先机,优化决策碧生源利用BI平台深入分析市场趋势、消费者行为和竞争对手动态,为企业提供了全面而精准的经营洞察。通过整合EAS、OA等多个业务系统的数据,BI平台能够实时呈现业务运行的各项关键指标,帮助管理层快速识别机遇与风险,制定更为科学、合理的经营策略。这种基于数据的决策模式,不仅提升了企业的市场响应速度,而且极大地优化了资源配置,确保了企业在激烈的市场竞争中保持领先地位。面向业务领导的经营分析面板该面板专注于集团整体、线上、线下销售情况的深入分析,核心指标涵盖销售额、发货量、纯销量及应收账款等。分析维度包括时间、趋势、站点、同比、环比及计划比等,旨在为营销负责人提供一个全面的营销数据把控工具。特别关注线上线下新品销售情况,以及通过ERP系统提供的实时数据,支持营销总裁和vP做出更加科学的管理决策。面向公司股东的董事会经营分析通过围绕财务核心指标如收入、费用、利润和现金流进行分析,不深入运营细节,满足控股董事对公司财务健康状况的关注。报告允许通过移动端实时查看并分析利润、成本、现金流和负债情况,确保董事长可以快速把握公司整体资金状况。此外,报告还深入分析线上板块的整体运营效果,特别是新品的发货和销售情况,帮助识别增长机会并优化产品线。绩效管理:提升效率,激发潜能碧生源通过BI平台实现了绩效管理的数字化和智能化。平台通过自动化的数据收集与分析,为每一个业务单元、项目甚至个人员工提供了量化的绩效评估。这种透明、实时的绩效管理机制,不仅简化了绩效评估流程,减少了人力资源成本,而且通过精准的数据反馈,帮助员工明确改进方向,激发了团队和个人的工作潜能。同时,基于绩效数据的激励与奖励机制,进一步提高了员工的工作积极性和团队的整体效率。037零售消费企业数字化增长实践案例集2.0供应链管理:优化流程,增强透明度在供应链管理方面,碧生源的BI平台同样发挥了至关重要的作用。通过对供应链中的各个环节进行实时监控和分析,平台能够及时发现供应链中的瓶颈和问题,从而快速响应并采取改进措施。此外,BI平台通过对供应商绩效的评估和分析,帮助碧生源优化了供应商选择和采购策略,提升了供应链的整体效率和稳定性。更重要的是,通过增强供应链的透明度,碧生源能够更好地协调生产与市场需求,有效降低库存成本,提高客户满意度。碧生源的成功,不仅在于其产品的独特性和市场定位的准确性,更在于其能够捕捉到中国消费者健康意识觉醒的历史机遇。随着健康意识的普及和消费者需求的多样化,碧生源也需要不断地调整和优化其产品线和市场策略,以应对日益激烈的市场竞争。从依赖高层直觉和经验,到逐步引入市场研究和数据分析来支持决策,碧生源的发展历程也反映了中国健康保健品行业从粗放式管理向精细化、数据驱动的转变过程。零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0038零售消费企业数字化增长实践案例集2.0波司登:数字化转型本质是一场变革,协同驱动业务观念变化,赋能业务增长足力健:艾莱依:覆盖商品、销售、供应链,艾莱依的产销协同探索与实践!周大生:从0到1落地FineBI自助分析,数字人才建设赋能经营决策潮宏基:作为彩金珠宝的领潮者,潮宏基如何用数据谱写品牌零售新“饰”界?039零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0039零售消费企业数字化增长实践案例集2.0零售消费企业数字化增长实践案例集2.0数字化转型本质是一场变革,协同驱动业务观念变化,赋能业务增长波司登,自1976年创立以来,专注羽绒服制造领域已经有48年,产品畅销全球72个国家。2021年,波司登的羽绒服销售规模达到全球第一,并且在2023年实现全年营收达232.14亿,同比增长38.4%。自创始以来,波司登一直秉持着“用户至上,开放创新”的价值观,在数据领域上也如此。零售消费企业数字化增长实践案例集2.0040勇于改革,敢于先行2015年,波司登的数字化建设属于起步阶段,当时的基础报表并没有所谓的数据分析,基本上都是拍脑门决定的整个分析体系。2016年,我们逐渐构建了一个SAP框架并正式启用。2018年,我们开始正式全面构建自己的数仓,完成了整体框架的变更以及层级的构建。在数字化构建之路上我们走了将近五年,在路途中也面临了诸多挑战。波司登作为一家强业务型公司,业务的主导能力较强,但现有的数字化工具难以满足我们的个性化需求。我们是一家羽绒服公司,而羽绒服销售旺季只有短暂的四个月。这段黄金期内实现高营收极为不易,因此业务部门在此期间提出的任何支持需求,我们都需要无条件的满足。这一现实让数字化建设之路更为困难,至今我们仍致力于数字化治理的深化。今年,我们毅然进行一个重大改革,决心逐步淘汰并替换旧有产品,努力向开源的组件靠拢,旨在提升效率的同时降低成本。2019-2023架构图2024架构图波司登在每件事情上始终追求价值最大化,我前面所讲述的是技术价值。那业务价值是什么?我给大家举一个例子:大家知道电商会有大量的爬虫数据,比如账单类数据。在原有产品中,早上九点账单数据表更新后,爬虫团队会立即进行爬数。正常情况下是在业务数据进行爬数完成之后进入数据中台,最后输出到分析层。这时候基本上已经到十点半,而业务人员也几乎开始吃午饭了,整个上午的时间就已经浪费,无法进行进一步的数据分析。由于这个弊端,我们的电商只能做混合平台的分析,无法立即回顾前一天的数据状态。而我们重新构建的数据框架就可以轻松满足我们的需求,只要业务数据层更新,分析层就会同步更新数据。041零售消费企业数字化增长实践案例集2.0将数据交予用户,真正的生产工具我向大家分享一些波司登的数字化案例,我们在数据分析上是如何从基础报表制作逐步转变为数字化产品构建的过程。门店健康码这是波司登数据案例中比较典型的项目。在短暂的销售旺季,为了高业绩、高压力,我们会开许多门店。比如,正常门店有2000家,在旺季来临之前,我们会开大量的临时店、旺季店,总体门店数量会翻倍成4000家。那么如何改善一个店铺的经营状况,判断开关店的依据就会变得十分重要。基于这个场景,我们开发了门店健康码的项目,通过不同指标、不同状态来评定一个店铺的健康程度。这个项目看似简单,实际内涵丰富。我们规划了87个指标及8个核心指标,并且对各个门店的核心指标进行密切监控,汇集所有指标形成清晰明了的数据表。这是项目中整套分析体系的数据产品原型,运营团队可以通过数据表看到每一家门店的每一个指标,根据颜色确认门店的指标状态,判断门店是否预警。当然,我们不能光看表格所呈现的数据,发现问题就要去解决问题,从而串联起整体链路。因此,我们为门店的具体指标设置对应操作,即当发现一个门店的指标有问题时,点击此指标就可以跳转到对应的子页面,完成一些拉式换货操作去改善该指标。此外,我们还构建了一个移动端,根据个人查看指标的习惯进行简单的场景训练,从而完成整套数据分析。零售消费企业数字化增长实践案例集2.0042波司登受旺季影响,4月份后相当于进入新的一年,即我们会在4-6月进行需求评估,并且在7-9月进行相应的IT开发,10月份后进入旺季的运维阶段,不再进行开发。基于此场景,我们会收到大量的临时需求,而无法完全满足。因此,波司登于2021年开始推行自主分析项目以应对此情况。首次培训2021年,我们基于帆软的FineBI,采用orcale+FineBI+spider引擎的架构,经过为期两个星期的开发,提供了四个类型的数据,并且花费一个星期部署,安排一节课的对用户进行培训,确保用户能够顺利上手使用。当时我们并不看好这个项目,认为在波司登这类强业务的公司中,数据分析根本无法做起来,有需要的表格直接找IT提供就可以了。但实际上,项目实施后的反馈效果很好。在项目中,当数据更新后就可以直接快速获取所需要的数据分析表,不需要经过IT的繁琐流程,提升了整体效率。二期培训由于首次推广的效果很好,我们在2022年开展了二期培训,根据首次应用的反馈进行深入培训。在培训前我们进行需求调研,并且以此规划培训课程,最后展开四周八节课的全功能体系讲解的培训。基于这一套正规的体系,我们对项目培训进行了拓展,增加了实操、答疑等环节。规划培训课程培训的展开前期调研规划培训课程培训的展开前期调研场景调研么.图形语法篇,如果用图说话4.仪表板入门,美食菜肴的搭配5.分享/协助/发布体系/权限体系......四周八节课(全功能体系讲解)043零售消费企业数字化增长实践案例集2.0