2024零售消费行业智能分析与决策实践合集

零售消费行业 智能分析与决策实践合集 近20家先进数字化典型实践剖解，多角度诠释数据价值 精选实践 联合利华|元气森林|丝芙兰中国|汉堡王中国张亮集团|慕尚集团|来伊份|王小卤 交流互鉴 独家对话行业先进企业数据从业者，学习先进企业数字化实践方法论 深度洞察 剖析行业细分赛道典型案例， 探寻适合企业自身数字化升级路径 前言 数字经济时代，全球化竞争加剧，数字化转型席卷各行各业，最贴近人们“衣食住行”生活必备的零售消费行业，更处于转型的浪潮之巅。转或不转已不成问题，难题却在如何转型。面对数字化的必答题，众多零售消费企业选择从以经验为主的经营决策，转向数据驱动的智能决策，挖掘数据价值，实现降本增效，写下数字化经营提效的最佳答案。 利用数字化手段充分应用数据，提升数据价值成为零售消费企业发展的重要抓手。市场环境不断变化，零售消费行业快速发展，在经历了以产品为中心、以渠道为中心的发展阶段后，在人口红利和互联网红利消失，以及供需关系转变的背景下，零售消费行业进入存量博弈阶段，以用户为中心成为企业的核心增长点与长期发展趋势。零售消费企业建立与用户直接沟通和交易方式，低成本获取第一手用户数据是企业增长的必有之路。而想要充分挖掘数据价值，就一定需要找到适合企业自身的数据应用方案。 商业智能（BusinessIntelligence，BI）正是无数企业应用数据、提升价值，飞驰奔向“数据驱动的智能决策”的一条高速公路。BI为企业连接数据孤岛，打破数据壁垒，帮助企业整合、组织、分析数据，赋能更敏捷的业务分析与决策，为企业经营管理、业务决策、战略发展提供稳固而有力的支持，成为企业数字化变革、创新持续发展的必选项之一。 观远数据在商业智能领域深耕多年，以行业领先的BI产品体系，为不同发展阶段的企业打造更适应企业发展需求的数据应用方案。在零售消费行业，观远数据已深入服务了包括联合利华、3M中国、丝芙兰中国、安踏、元气森林、蜜雪冰城等数百家行业领先企业，沉淀积累下丰富的数字化创新实践经验。 《零售消费行业智能分析与决策实践合集》汇整了观远数据与零售消费行业领先客户的近20项BI最佳实践，覆盖餐饮茶饮、鞋服时尚、美妆个护等多个细分赛道，内容涵盖丝芙兰中国、汉堡王中国、元气森林、张亮集团等多家先进企业创始人、CXO、数据从业者的亲述分享，世界500强企业联合利华在供应链数字化领域的最佳实践，与来伊份、静博士、气味图书馆等细分赛道领先企业CXO、数据负责人的交流对话，对王小卤、锅圈食汇、凯盛浩丰等数字化转型先锋企业的实践洞察与探索。希望通过该实践合集，能够帮助更多零售消费企业与相关从业者认识BI价值，找到适用于企业自身发展阶段的数据应用方案，开拓数字化增长新路径，进一步实现商业创新与可持续增长。 CONTENT目录 01实践分享 PAGE01 元气森林：数据驱动的元气森林从12个月到52周，365天的数据分析实战02 丝芙兰中国：分货效率提高60%，“让业务用起来”的门店新品AI+BI智能分货案例05 汉堡王中国：冲突⸺数字化变革与创新的礼物10 张亮集团：3个月从0-1快速落地数据分析能力，BI实现业务全流程数字化13 慕尚集团：敏捷BI上线一年不到满足全集团业务数据需求，员工使用率达86.3%20 每日的菌：从爆品出圈到价值沉淀，实现破局增长25 奥兰中国：BI一定是把握市场的方向盘31 02最佳实践 PAGE41 联合利华：AI赋能品牌DTC场景下的快速补货决策价值链42 联合利华：从AI需求预测到基于多级库存控制理论的补货策略46 03数智对话 PAGE49 独家对话元气森林：揭秘崛起背后的数字化策略和生存法则50 气味图书馆CIO温晓莹：1周VS1小时，BI为业务提效数十倍54 对话来伊份：BI月活跃用户突破2000+，“让业务用起来”成为日常58 静博士COO杨智昌：数字化运营在业务中的落地，用起来才是王道61 咬不得CFO施东海：数字化是需要长期布局、持续深耕的66 乐凯撒CTO黄道泳：餐饮企业的数智化建设，要看企业所处发展阶段68 04深度洞察 PAGE72 品类王者！王小卤以数据贯通产品、渠道、品牌全链路，撬动增长飞轮73 出圈之后，NEIWAI内外、Ubras如何以数字化推动品牌长红？79 “飞驰”的锅圈食汇，以“数据智能引擎”领跑赛道85 凯盛浩丰：一颗“爆品”番茄从种子到餐桌的数据故事88 05附录 关于观远数据 PAGE92 93 观远数据零售消费行业标杆客户名录（部分）95 观远数据零售消费行业荣誉奖项（部分）97 更多行业白皮书下载98 01 实践分享 章元气肖森林洋首席运营官 数据驱动的元气森林 从12个月到52周，365天的数据分析实战 精彩观点： ·我们各个部门从底层都知道，全链路最优是追求的结果，也是做策略调整的初心。 ·数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效。 ·正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为运营人员主动调整策略系统里的某一条策略，来优化决策的细节。 元气森林是一家致力于为美好生活创造健康好产品的中国食品饮料企业。公司成立于2016年，以“整合全球资源为全球用户创造有爱的好产品”为企业愿景，先后荣获国家高新技术企业的称号。目前，旗下拥有元气森林气泡水、燃茶、纤茶、外星人电解质水等系列产品，现有五座工厂已经投产，分布在华北、华东、华南、华中和西南。从拒绝添加防腐剂，到升级污水、固废排放标准，再到充分利用可再生能源、全面打造创新型绿色工厂，元气森林用自己的实践助力健康、环境和气候可持续。 我将会从数据对决策的影响、决策过程的正向循环、策略执行的自动化三个方面简单分享元气森林的数据分析实战，这三个部分分别对应12个月、52周、365天的不同数据驱动感受，也感谢观远数据对我们的帮助。 让业务用起来的企业价值 关于数据对决策的影响，在决策的过程中，普遍追求的结果是Act最优，也就是结果的最优。通常会用预算的数据作为方向的指导，定期复盘两者间的差异，这是一个中长期的对照。而周期间的偏差分析还需要LE的辅助进行调整。LE在元气森林内部称为实际预估，对应单词是LastEstimate，直译为“最近的预测”。LE作为执行结果Act的动态预估，一方面是更早地发现执行差异，一方面是提供周期内调整的机会。 数据对决策的影响 追求结A果ct的最优 预算作为方向的指导 Bu 动态的L结E果预估 ·在决策的过程中，普遍追求的结果是Act的最优 ·一般会用BU.的计划数据作为方向指导，复盘两者间的差异，这是一个中长周期的对照， 而周期间的偏差分析还需要LE的辅助 ·LE作为Act的动态预估，一方面是更早的发现执行差异，一方面是提供周期内调整的机会 这是元气森林引入观远数据作为数据分析工具时最开始做的工作，将原本分散在各处的数据分析工作，在底层的数仓和表现层里做了集中。 这个过程中，我们发现这种以月为周期的中长期调整对于我们这样市场建设时间不够长，供应链建设时间更短的企业，频次是不够的。 决策过程的正向循环 在第二个阶段，我们开始学习建立如何在更多的决策中使用数据，为决策过程建立正向的循环。以供应链为例，这种以周为节奏的策略分析与调整，是使数据 影响力变大的一个很好途径。 ·首先公司各个部门从底层都知道全链路最优是追求的结果，也是做策略调整的初心。 ·其次部门间对于服务能力的预期、服务结果的评价、需求的预估，这些都是互相影响的。 ·虽然出发点都是效率和产出的最优，但是受限于部门视角的宽度，对于部门间策略的差异做出决策，要结合更多的信息进行综合评估。 ·大的评估原则基本遵循全链路最优。针对不同的策略，评估出全链路成本的差异，需要多角色协作。这种协同工作基本围绕S&OP规范流程进行。 方各个向角的色的一初致心 对于结果全最优链的路标准最评优估 与合理估计的规划 决策过程的正向循环 上跨下部游门的需的求策与服略务 周全期链性路的循最环优，例如S&OP 各个部门的角色，都会以公司最优为出心。在跨部门的长链路上，受限于部门视角的宽度， 部门最优与全链路最优的评估会是多因素综合的结果。 在实践中针对不同重点进行全链路效益评估。对各部门协同工作而言，以周为维度进行，已经是能够接受的较高的频率了。所以在传统的协作模式下，日常调整和反应周期想要提升，那么这种协同决策的方式还需要进一步的提高效率。数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效。 策略执行的自动化 第三个阶段，也就是策略执行的自动化。在这个阶段，我们开展了一些策略执行的自动化项目，将决策的周期提高到了日维度。 针对多因素的协作决策，需要考虑很多上下关联的执行数据和计划数据，例如ATL和BTL的投放的策略、渠道的计划、市场的变动、生产能力的弹性以及供应商 的变动，还有社会环境的变动。 在单纯依靠S&OP的多轮协商，靠人来提高频率，已经明显感觉到上限的情况下，我们在观远数据的帮助下，通过提炼服务能力的边界、市场目标和市场变动的关系、供应链的反应指标策略等，将原来在S&OP机制下综合研判的逻辑逐步自动化，达到日维度内一定范围的自动决策，缓解了原有机制下复杂度和敏捷度之间的一定矛盾。 观远数据帮助我们在这个过程中透明地向运营人员展示了既定策略，在结合数据之后，改变执行计划的中间步骤，做到能让运营人员能够看得懂。因为哪些策略带来了实际执行计划与周期原定计划的差异，能够放心地执行计划的变动部分。同时一些反常识的调整结果，也能够清晰的知道是由哪条策略或者上下线设置的不合理造成，能够具体地调整。 策略执行的自动化 多因素 信息环对境齐的 流程复与杂时度间的 执策行略频的率 与规范 ATL、BTL、渠道计划、社 会环境、市场变动、生产 S&OP的多轮协商，每一轮 能力、供应商变动 针对不同维度的目标 复杂度与敏捷存在矛盾 综合评价的流程机制 服务能力的边界，市场目 标与市场变动的关系，供 应链的反应反应结果 在这之前，我们也上线过一些数据决策项目，但相对观远而言，对于非技术人员的表现不够清晰、不够具体，所以经常出现一种对“自动化决策的结果与人为决策结果孰优孰劣”的笼统的、简单的评价。 正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为了运营人员主动调整策略系统里的某一条策略，进一步优化决策的细节。这使得一些 自动化决策的项目有了运营人员和技术人员共同提高决策结果的好氛围，同时也避免了一步到位的高投入和高风险。 再一次感谢观远数据团队为我们提供这样高效率和低成本的数据分析平台，让我们在行业中学习进步的途中，多了一个适合的服务商，也多了一位能够依靠的帮手。 赵丝芙苏兰中国供应链总监 丝分芙货兰效中率国提：高60%， “门让店业新务品用A起I+来BI”智的能分货案例 精彩观点： ·AI+BI不是说完全不需要人，这是一个人和系统更好的结合。 ·团队必须要有一个BI的dashboard才能够更加直观地感受到数字化带来的效果，才能够愿意去应用它。 ·光是上一个系统，而没有一个流程的变化，或者不能让大家的生活、工作变得更加简单，那系统是不会上得非常顺利的。 丝芙兰中国是LVMH集团下的高端美妆零售，总部在法国。在中国市场有来自全球200多个品牌，其中包含丝芙兰自有品牌。丝芙兰中国是全渠道零售，有线下300多家门店，线上丝芙兰APP、小程序和各平台上的旗舰店。所以对于丝芙兰整个供应链来说，要提供的就是线上线下全渠道的服务。所以，接下来所分享的丝芙兰中国和观远数据一起打造的门店新品AI+BI智能分货案例中，谈到的货物的分配也都是线上线下全渠道的分配。 美妆零售供应链面对的挑战 谈到美妆零售，我们也想跟大家先提一提我们所面对的挑战，让大家能够更好地理解为什么我们会和观远数据进行智能分货的合作： 挑战一：新品快速迭代 正如我刚才所说，丝芙兰作为集合店，它每