如果數(shù)據(jù)成為企業(yè)的大腦，如何持久地保持這個(gè)大腦的開(kāi)放性和學(xué)習(xí)性，將成為考驗(yàn)企業(yè)的新問(wèn)題。行業(yè)正在覺(jué)醒。當(dāng)很多企業(yè)還在糾結(jié)是否數(shù)字化、下多大力氣數(shù)字化時(shí)，已經(jīng)有先行者將看似紙上談兵的理論落地，開(kāi)始建造屬于自己的數(shù)據(jù)大腦。

一路走來(lái)，蘇春園和他創(chuàng)辦的觀遠(yuǎn)數(shù)據(jù)既是冷靜的旁觀者，又是切身的參與者。在談起“數(shù)據(jù)”相關(guān)話題時(shí)，蘇春園似乎可隨時(shí)隨地進(jìn)入狀態(tài)，他想深入觀察和參與零售業(yè)的數(shù)字化歷史進(jìn)程，也想讓數(shù)據(jù)大腦真正地變成零售企業(yè)的標(biāo)配。

行業(yè)認(rèn)知的升級(jí)和變革，使得扎根零售數(shù)字化和智能化的企業(yè)和平臺(tái)一波又一波涌出，看似炫酷又高大上的“黑科技”不斷地給行業(yè)注入強(qiáng)心針，但是在這場(chǎng)漫長(zhǎng)的零售業(yè)升級(jí)進(jìn)程中，數(shù)據(jù)究竟將扮演何種角色？行業(yè)是否真的迎來(lái)了得數(shù)據(jù)者得天下的時(shí)代？

精耕細(xì)作是前提

此前，一起惠曾獨(dú)家對(duì)話觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人兼CEO蘇春園，詳細(xì)了解其提出的5A戰(zhàn)略。點(diǎn)擊此處了解5A戰(zhàn)略

觀遠(yuǎn)數(shù)據(jù)將自己定位于智能數(shù)據(jù)分析平臺(tái)，5A戰(zhàn)略是其數(shù)據(jù)分析與商業(yè)智能解決方案的具體落地途徑，即AI+BI（Business Intelligence）。根據(jù)介紹，5A戰(zhàn)略可拆分為5個(gè)部分進(jìn)行理解：

1、Agile-敏捷化，從核心場(chǎng)景切入，構(gòu)建基礎(chǔ)數(shù)據(jù)分析體系。

2、Accurate-場(chǎng)景化，梳理監(jiān)控指標(biāo)，對(duì)商品、營(yíng)運(yùn)、市場(chǎng)營(yíng)銷、進(jìn)銷存等數(shù)據(jù)監(jiān)控和運(yùn)營(yíng)。

3、Automated-自動(dòng)化，對(duì)全鏈路進(jìn)行自動(dòng)處理與監(jiān)控，分析業(yè)務(wù)變化。

4、Augmented-增強(qiáng)化，用算法幫助企業(yè)進(jìn)行復(fù)雜場(chǎng)景的人工智能應(yīng)用。

5、Actionable-行動(dòng)化，分析異常產(chǎn)生的原因，提供可行動(dòng)的建議。

而這五個(gè)階段好比建樓和打地基的過(guò)程，“心急吃不了熱豆腐”，必須循序漸進(jìn)。企業(yè)要從積累數(shù)據(jù)開(kāi)始，再到分析數(shù)據(jù)，最后將所有數(shù)據(jù)“為我所用”。其實(shí)，數(shù)據(jù)好比一座半掩埋的金礦，只能看不能用的數(shù)據(jù)并不能發(fā)揮真正的價(jià)值，而觀遠(yuǎn)想幫助行業(yè)真正地挖掘出這座金礦的價(jià)值。

“目前核心抓手就是數(shù)據(jù)，大家應(yīng)該先來(lái)挖掘數(shù)據(jù)金山，把現(xiàn)有的數(shù)據(jù)有價(jià)值地利用起來(lái)，再開(kāi)始重點(diǎn)考慮創(chuàng)新?！碧K春園表示。

蘇春園向一起惠反復(fù)強(qiáng)調(diào)了精細(xì)化運(yùn)營(yíng)的重要性，這可能會(huì)成為零售業(yè)數(shù)字化的分水嶺之一。“過(guò)去幾年中，所謂的數(shù)字化大多停留在粗放地管理經(jīng)營(yíng)。從今年開(kāi)始，零售企業(yè)一定要進(jìn)入精耕細(xì)作的階段，開(kāi)始精細(xì)管理。通過(guò)數(shù)據(jù)去監(jiān)管到單店、單品、單客、單SKU和單時(shí)，這是真正要做的事情，其他都是概念，企業(yè)一定要把精細(xì)化管理作為重中之重。”

能一蹴而就的變革并不能稱之為變革，零售業(yè)數(shù)字化同樣適用于這個(gè)道理。零售漫長(zhǎng)的發(fā)展史，也使得數(shù)字化階段不可能做到一次到位，這將經(jīng)歷一個(gè)過(guò)程，對(duì)于不同行業(yè)不同企業(yè)來(lái)說(shuō)，速度或快或慢，但都是必經(jīng)之路。

蘇春園判斷，隨著企業(yè)內(nèi)部業(yè)務(wù)的不斷調(diào)整，管理體系和數(shù)據(jù)分析體系也需要不斷變化。按照目前的經(jīng)驗(yàn)和情況來(lái)判斷，對(duì)于企業(yè)內(nèi)部的單一業(yè)務(wù)來(lái)說(shuō)，經(jīng)過(guò)3～6個(gè)月可以初步形成一個(gè)精細(xì)化管理的體系。

務(wù)實(shí)+創(chuàng)新是過(guò)程

在交談過(guò)程中，蘇春園向一起惠談及了幾個(gè)問(wèn)題，而這些問(wèn)題也是不少零售企業(yè)正在面對(duì)并亟待解決的。

例如：在每一次大促結(jié)束后，該如何自動(dòng)進(jìn)行效果分析與評(píng)估？如何從海量SKU中快速定位和匹配到本季度門店內(nèi)最熱銷的關(guān)聯(lián)商品搭配？在下午三點(diǎn)，門店某主力SKU商品銷售不及預(yù)期時(shí)，如何在第一時(shí)間預(yù)警？數(shù)據(jù)要如何追蹤，并給出切實(shí)可行的正確建議？新品推出后，如何做到快速反應(yīng)，將實(shí)時(shí)數(shù)據(jù)和歷史規(guī)律相結(jié)合，判斷新品銷售情況并響應(yīng)市場(chǎng)節(jié)奏？

企業(yè)該如何基于歷史經(jīng)營(yíng)數(shù)據(jù)和公共數(shù)據(jù)，預(yù)測(cè)不同品類甚至SKU的銷售情況？又要如何進(jìn)一步指導(dǎo)訂貨、促銷、生產(chǎn)和物流？

和立即應(yīng)用起各種“黑科技”、AI技術(shù)比起來(lái)，先務(wù)實(shí)地解決這些擺在眼前的問(wèn)題，是蘇春園和觀遠(yuǎn)對(duì)行業(yè)提出的建議。

“在過(guò)去的兩年中，我們發(fā)現(xiàn)很多傳統(tǒng)零售企業(yè)的數(shù)據(jù)基礎(chǔ)差、底子薄，可能沒(méi)法直接使用一些數(shù)據(jù)分析的工具，觀遠(yuǎn)會(huì)先幫助其做數(shù)據(jù)梳理，夯實(shí)數(shù)據(jù)基礎(chǔ)，基礎(chǔ)不好真的會(huì)拉后腿。除了底子薄的問(wèn)題比較棘手外，很多企業(yè)的負(fù)責(zé)人被AI‘洗腦’，希望直接運(yùn)用AI技術(shù)，全面AI化，就好比地基還沒(méi)打好，就想直接蓋到五層樓?！碧K春園向一起惠表示。

經(jīng)過(guò)AI風(fēng)口的洗禮，和有關(guān)數(shù)字化的激烈討論，行業(yè)正在逐漸回歸到理性階段。“如果說(shuō)企業(yè)有兩只手，那一只手已經(jīng)開(kāi)始理性地打基礎(chǔ)，監(jiān)控?cái)?shù)據(jù)細(xì)節(jié)。但另一方面，大家對(duì)科技的熱度還在，在務(wù)實(shí)的同時(shí)，另外一只手也會(huì)去嘗試更多可能和創(chuàng)新。”蘇春園認(rèn)為，這種狀態(tài)非常好，“該務(wù)實(shí)的地方要?jiǎng)?wù)實(shí)，該嘗試新的東西也要去嘗試。”

和一些傳統(tǒng)零售企業(yè)相比，部分發(fā)跡于互聯(lián)網(wǎng)和注重?cái)?shù)據(jù)的零售公司在基本功上更具先發(fā)優(yōu)勢(shì)。相比較之下，數(shù)據(jù)積累充分、技術(shù)好、預(yù)算多的企業(yè)，已經(jīng)可以從精細(xì)化運(yùn)營(yíng)進(jìn)入到更高階段的嘗試——單場(chǎng)景的智能化落地，例如在某個(gè)場(chǎng)景下做到智能預(yù)警，預(yù)測(cè)發(fā)現(xiàn)問(wèn)題，并進(jìn)行自動(dòng)診斷。

數(shù)據(jù)決策是結(jié)果

在蘇春園看來(lái)，找到可以智能化的第一個(gè)場(chǎng)景很重要，有第一個(gè)應(yīng)用場(chǎng)景后才能進(jìn)一步“開(kāi)枝散葉”?！皵?shù)據(jù)分析和應(yīng)用相對(duì)成熟的企業(yè)，可以挑選一兩個(gè)場(chǎng)景優(yōu)先落地進(jìn)行嘗試，隨著數(shù)據(jù)不斷完善，再探討可復(fù)制性，做更多的落地嘗試。例如先做銷量預(yù)測(cè)預(yù)警、再到客戶流失的預(yù)警以及智能訂貨等?！?/span>

和傳統(tǒng)BI不同，觀遠(yuǎn)數(shù)據(jù)希望根據(jù)不同企業(yè)的數(shù)據(jù)基礎(chǔ)，幫助其進(jìn)行整體的數(shù)字化發(fā)展規(guī)劃。這家企業(yè)篤定，未來(lái)企業(yè)的核心競(jìng)爭(zhēng)力勢(shì)必在于數(shù)據(jù)驅(qū)動(dòng)和智能決策。在這個(gè)充滿未知的時(shí)代，all in在建造數(shù)據(jù)決策大腦這件事上是最佳策略。

在新零售、智慧零售和無(wú)界零售等各種新名詞的加碼下，概念辨析和爭(zhēng)論已經(jīng)變得意義微弱，但不可否認(rèn)的是，在互聯(lián)網(wǎng)巨頭的吹風(fēng)和推動(dòng)下，線上線下進(jìn)一步融合，“人貨場(chǎng)”三要素間的多維互動(dòng)更為頻繁和復(fù)雜。在這種背景下，讓數(shù)據(jù)代替人的經(jīng)驗(yàn)的說(shuō)話顯得更為重要和緊迫。

蘇春園認(rèn)為，數(shù)字化和智能化是遞進(jìn)關(guān)系，前者是基礎(chǔ)，后者則是深度應(yīng)用。觀遠(yuǎn)一些客戶企業(yè)中，已經(jīng)可以把單個(gè)場(chǎng)景進(jìn)行智能化運(yùn)營(yíng)，例如對(duì)銷售進(jìn)行智能預(yù)測(cè)，從靠經(jīng)驗(yàn)決策改為用算法決策。以前需要等老板拍板決策的問(wèn)題或者反饋問(wèn)題較慢的劉亮程，現(xiàn)在都可以托管給算法。

“算法要結(jié)合人的經(jīng)驗(yàn)共同發(fā)揮作用。算法不知疲倦地運(yùn)轉(zhuǎn)和發(fā)現(xiàn)問(wèn)題，而人是要驗(yàn)證規(guī)律，然后告訴算法，基于這個(gè)規(guī)律去不斷地發(fā)現(xiàn)問(wèn)題。但現(xiàn)在一般只能做到某個(gè)場(chǎng)景的智能化運(yùn)營(yíng)，我們離全面智能還需要一段時(shí)間，大概可能在3至5年。而且我們要不斷提高智能化的精準(zhǔn)程度，從70%、80%、90%到99%……智能化是沒(méi)有止境的?！碧K春園向一起惠指出。

從2016年9月成立至今，觀遠(yuǎn)數(shù)據(jù)已經(jīng)服務(wù)于聯(lián)合利華、百威英博、岡本、生鮮傳奇、NOME諾米家居、喜茶、Lily、IFS、上蔬永輝、小紅書(shū)等多家零售企業(yè)。結(jié)合兩年多的垂直行業(yè)經(jīng)驗(yàn)和對(duì)未來(lái)趨勢(shì)的預(yù)判，在面對(duì)新的競(jìng)爭(zhēng)對(duì)手、新的渠道和新的環(huán)境時(shí)，蘇春園總結(jié)了三點(diǎn)建議：

第一，極度的精細(xì)化管理，到單品、單SKU、單客。

第二，快速反應(yīng)，實(shí)時(shí)響應(yīng)外部或者內(nèi)部各種經(jīng)營(yíng)環(huán)節(jié)異常。

第三，智能決策，一層層縱深，針對(duì)企業(yè)所處的不同階段，從數(shù)據(jù)分析到更智能的決策。

數(shù)字化改革如火如荼，服務(wù)商戰(zhàn)場(chǎng)群雄逐鹿，在零售業(yè)這場(chǎng)深刻的變革中，觀遠(yuǎn)數(shù)據(jù)試圖把看似冰冷數(shù)據(jù)描繪得更加性感。無(wú)論其構(gòu)想的這幅藍(lán)圖能否如期實(shí)現(xiàn)，能參與和見(jiàn)證一個(gè)時(shí)代的迭代都已經(jīng)足夠幸福。