從一瓶可樂在超市上架,到一輛汽車下線送達4S店,每個環節都會產生數據,并反哺到最上游的生產環節。過去十年,數智化深入中國企業的組織層面,成為企業準確決策的助力。

這并不簡單:要建立數據標準、分辨數據價值、處理數據、數據決策……而數據流、商業流、工作流留存的海量數據,系統之間林立的數據孤島,更會變成棘手難題,刺痛著每一個想要推進數智化轉型升級的企業。

幾十年間迅速發展的中國企業,集合了各個階段的經營狀況,擁有大量數據應用場景。“在全世界范圍內,中國的數據行業和數智化走在非常前列,是沒有答案可以抄的。”阿里巴巴集團副總裁、瓴羊CEO朋新宇曾表示。

不過在行業領先的數智化實踐中,總有“高分答案”可以參考。因行業而異,它們又呈現出了不同的特點。一財商學院聯合瓴羊發布的《102個增長實例——數智化增長領頭羊》切入四大行業——零售行業、酒水飲料、金融行業、通用行業,詳細介紹了16個典型企業的數智化實踐,以及其中的巨大挑戰、應用場景和數智化解決方案。

一、零售走向全域,數據成為關鍵要素

在零售企業數智化轉型過程中,面臨五個關鍵問題:

搭建數智基礎設施:內部數據系統,全流程數字化;

洞察消費者需求:全渠道消費者一把抓并實現分層運營管理;

線上線下全域協同銷售布局:從線下到全域協同作戰;

精準營銷:預測營銷環節,有的放矢地投放與數據回收;

生產端及時響應需求:讓消費者反饋作用于產品生產。

在零售行業場景,數據要素在其中起到前所未有的關鍵串聯作用。

以知名服裝企業雅戈爾集團為例,其經歷了數據治理的重要階段,將冗余數據轉化為業務價值。1979年成立以來,在多品牌多渠道布局的戰略下,系統內部催生了巨量的數據,累計超過3億行數據表,還有十多個獨立的數據孤島,調用數據需多套用戶名和密碼,數據使用效率非常低。

雅戈爾在數據建設、數據治理層面采取三個關鍵動作,讓數據又重新“活”了起來:

啟動數據中臺,切入核心業務場景,建設統一數據指標;數據治理統一標準、劃分邊界;數據應用在門店場景,輔助管理層決策、減輕店長行政工作。

具體拆解下,雅戈爾整合了共 16 個系統,900 多個報表和 400 多組指標。不僅內部統一標準,也明確了業務邊界。數據看板呈現的全景數據視角減輕了門店店長60%-70% 的日常行政工作,數據中臺提供實時數據支持,輔助店長日常工作。

二、酒水飲料行業,用數智化提升線下經營效率

于酒水飲料行業而言,線下渠道是銷售的重中之重,但存在著諸多難題,主要為三類:

1. 經銷商成百上千,如何高效評估優質經銷商以及分層管理,對優質經銷商重點投入資源?

2. 全國終端門店數百萬,如何做實力評估,保證資源投入到高潛門店?不同城市如何精準拓店?

3.品牌如何穿透終端門店運營消費者,拉升門店動銷率?

因此,酒水飲料企業要做徹底的數智化轉型,重點要啃下經銷商這塊“硬骨頭”。

作為中國規模最大、產品品類最全的乳制品企業,伊利有著超長的供應鏈,500萬個銷售網點,13億消費者。因此,伊利搭建“大營銷”和“大供應鏈”體系,目標將豐富產品精準匹配消費者,加快履約速度,縮短供應鏈的周轉周期。

在供應鏈側,完整拉通七大場景數據,實現全局可視化智能履約,通過數據分析提供分鐘級最優決策,保持供應鏈高效運轉;在營銷側,靈活配置人群標簽,精準圈選目標消費人群,強勢驅動業務增長。

中國酒企“300億俱樂部”成員之一的洋河股份則通過經銷商識別、分層運營管理超8000家經銷商和超五十萬個終端門店。

對此,洋河股份先定位目標,再找出解決方案:設置三類管理目標優化經銷商的結構分布,識別優質經銷商,提升潛力經銷商的能力;建設經銷商五力評估模型,洞察目標達成、庫存周轉率、網點覆蓋、費效比、利潤貢獻占比、市場秩序等關鍵指標。

通過內部組織數智化+外部經營數智化,洋河股份實現了一塊屏管理8000+經銷商,可查看總部管理、各層級營銷看板、運營指揮調度。

拆解酒水飲料企業數智化動作,可以形成一套方法論:一是建立經銷商評估體系;二是做深做全終端,提升ROI;三是精細化運營,提升門店動銷。

在這個過程中,數智化賦能業務提效、管理提效,并將成果量化為數字,為傳統的酒水飲料行業打樣。

三、金融行業嚴格管數據,簡單看數據

對行業敏感度較高的金融行業而言,數智化存在三個關鍵難題:

數據標準化:金融企業必須建立統一的數據治理框架和標準,確保數據的一致性、準確性和可靠性;

數據資產化:金融企業將數據視為核心資產,通過數據資產化策略,將數據轉化為可量化、可管理和可利用的資源,充分利用數據提供服務;

數據普適化:用數據、看數據的門檻,由一線員工決定,數據工具必須好用、易用,才能提升員工效率。

因此,金融行業的核心訴求指向了嚴格管數據、簡單看數據。

成立于1988年的臺州銀行深耕小微金融,90年代起就用當時領先的風控技術為小微企業提供便捷的貸款服務。為了解決各部門數據不互通的問題,臺州銀行從兩個場景入手:統一數據中臺連接三大體系,落地數據管理標準;數據看板普適化。

前者打通了行方用戶體系,連接各個產品、OA 系統接口,實現了數據治理體系落標以及全流程數據管理貫標;

后者統一了數據、數據標準、數據目標,搭建可視化駕駛艙。臺州銀行業務人員、中層管理者、行長不同的數據權限,讓不同需求的人員都可以通過統一的數據看板取數、用數,形成可信的業務報表,提高了工作自主性和業務響應速度,幫助臺州銀行數據人才成長。

金融行業數智化的三個關鍵點可以總結為:打通數據標準,統一數據“度量衡”;將數據沉淀為數據資產,并且可以靈活取用;實現數據可視化,讓數據更可用。

四、通用行業,用互通、準確的數據提升效率

除了以上特點鮮明的行業,大部分企業數智化轉型的過程中,都存在著幾個共性:

一是數據驅動決策。各行業企業都在積極利用數據分析來指導戰略規劃和日常運營,通過實時監控關鍵業務指標,實現數據驅動的決策。企業通過構建統一的數據指標體系和分析模型,快速識別問題并作出預警,從而優化業務流程和提升服務質量。

二是系統互通與技術集成。企業致力于打破信息孤島,并且通過系統互通和集成,實現數據和資源的共享,提高內部管理效率。通過與現有業務系統的無縫集成,如釘釘、CRM 等,企業能夠提供統一的數據看板、業務報表,咨詢入口和智能客服,簡化員工和客戶的服務體驗。

比如外企德科,作為中外合資人力資源服務企業,全國服務人數超200萬,員工每日需要處理龐雜的數據,還要跟蹤現金流等核心指標。

數智化較早的外企德科,日常工作要使用多個不互通的國外BI系統,復雜的系統邏輯拖慢了業務的工作效率。

外企德科重新進行數據建設后,使用一個開放集成的Quick BI工具融入其他BI系統,將數據簡化為7張報表,呈現在1張數據看板上,同時還針對現金流核心指標搭建了經營管理駕駛艙與預警系統,實時對異常數據做出預警,大大降低了業務人員的工作難度,提升了效率。

五、構建數智化未來

整體而言,企業數智化趨勢呈現了兩個特點:

一是高效、及時。復雜量大的行業數據,往往需要投入大量人力和時間進行處理。打通各個業務系統,集合為一個數據口徑,并實時反哺業務,支持業務人員查看數據、產出報表、接收預警,根據指標做出高效決策。

二是精確、精準。在企業缺失的數據維度和信息上,企業需要補全和校準。從數據洞察到用戶旅程管理,賦能企業觸達精準人群,完成服務。

麥肯錫發布的《2024年科技趨勢展望》中,將“構建數字化未來”作為五個大方向之一。勢如破竹的AI技術加速了企業全方面的數據應用,也引發了企業的危機感。數智化驅動下,把控數據安全,建立數據標準,規范數據管理至關重要。

“今天,做生意已經不可能僅依靠經驗主義。依靠數據理解和預測市場、判斷經營結果、做出科學決策,成為企業經營的必備能力。”一財商學院院長黃磊表示。