最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

需求倒逼行业变革,数据中台如何帮助零售业“减脂增肌”?

[复制链接]
跳转到指定楼层
楼主
发表于 2019-11-18 13:55:21 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

一年一度的“双十一”购物狂欢节落下帷幕,阿里、京东、苏宁等电商平台的销售数据均不同幅度增长,阿里同比增长超25%;京东较2018年双十一的1598亿元增长近28%;苏宁全渠道订单量增长76%。不断跳动的销售数字,预示着中国消费市场蕴藏着巨大潜力。与消费密不可分的零售行业也在消费升级中,不断化解各类挑战。

技术如何在利润微薄的零售行业大展拳脚?积累多年的“成本脂肪”怎么减?企业“能力肌肉”如何增强?11月15日,专注于通过智能技术,让组织高效运转、加速创新的明略科技集团在上海举办了以“FASTER 聚变·增长新动力”为主题的2019数据智能峰会,宣布“打造智能时代的企业中台”新战略,其中发布了针对零售行业的“智慧零售全渠道业务+数据中台解决方案”,帮助零售企业在瞬息万变的市场环境中更快释放数据价值,实现全链路数字化,加速智能创新。

忽略隐性成本,数字化转型难以大规模爆发

每年一次的购物狂欢表面是“买买买”,从更深层次上可以看出中国消费市场仍有巨大潜力。

10月18日,国家统计局公布了2019前三季度国民经济运行情况。数据显示,前三季度国内生产总值(GDP)697798亿元,同比增长6.2%。在三大需求中,最终消费支出的贡献率为60.5%,消费对前三季度GDP增长功不可没。

在面对热情如火的数字时,我们也需要更加冷静的思考。如此强烈的消费需求、广阔的市场前景,为何零售行业还在叫苦不迭?

对于传统零售企业来说,电商冲击、成本上升不断冲击;对于电商行业来说,“流量红利”渐渐触及顶峰。从马云提出的“新零售”到现在零售行业普遍认同的数字化转型来看,零售行业意识到“转型”已经刻不容缓。拥有互联网基因的电商平台有着敏锐的触觉,自2016年以后阿里巴巴、京东乃至苏宁等巨头便开始思考如何用技术带来模式创新和行业重构。

可是,当前的数字化转型的主要精力依然放在零售价值链的前端,即营销和销售。几年前大火的无人零售已经偃旗息鼓,直播带货、网红经济、下沉市场等概念又能火爆多久?在营销方面动脑筋只能治标不治本,寻找一个新市场、激发消费者的新需求并不能解决零售行业的核心问题。

任何一个行业的转型升级都离不开效率,零售行业的核心问题自然也集中在效率方面。在零售行业,由于企业没能获得消费者建立有效链接、不能获得精准数据,导致企业的经营活动盲目且没有效率。这一关键环节不能打通,便会导致价值链后端即产品研发、采购、生产、运输等环节。

未来,零售行业的数字化转型不仅要建立以“消费者”为中心的经营模式,还需要关注零售价值链的后端,做到端到端的数字化,为整个行业创造价值。明略科技集团推出的智慧零售全渠道业务+数据中台解决方案,致力于为企业打造全渠道业务一体化场景,并且整合、提升后端运营效率,帮助企业降低隐形成本,帮助零售行业完成数字化转型。

明略科技的智慧零售中台架构,上层是各种应用,中间是“数据中台”和“业务中台”,底层是零售客户的数据后台。业务中台和数据中台相互赋能,业务中台产生的数据,数据分析的结果再反馈到业务场景。业务中台由组织中心、商品中心、库存中心、财务中心、会员中心、营销中心、订单中心、配置中心八个子模块构成。数据中台由数据汇聚平台、数据治理和开发平台、数据存储、数据分析和数据共享服务五层结构组成。数据中台的能力建设则分为三个阶段:第一阶段,数据沉淀,更多的是触点的数字化,实现增量数据有效收集,存量数据云化;第二阶段,数据互联,包括人与人、人与物和物与物的链接,实现业务互联和产业互联;第三阶段,智能突破,实现智能决策、商业模式创新和产业价值网络重塑,进入到万物智慧互联的状态。

明略科技集团高级副总裁邢科春

明略科技集团高级副总裁邢科春认为:“明略科技智慧零售架构的核心价值,是以业务结构、业务中台方式,把线上的数据和线下各种触点的数字化所有的数据进行融合,触达各种碎片化的场景,帮助零售企业补齐交互场景,缩短交易路径、推动价值转化。”

不懂行业Know-How,如何提高效率、补齐短板?

还记得雷军和董明珠的10亿赌约吗?外行人看门道,内行人看门道。在零售行业摸爬滚打十余年的零售老兵陆杰,现任明略科技集团副总裁,告诉亿欧科技:“其实他们就是在赌,究竟谁能快速理解客户需求,并作出快速反应。”

如今,之所以“线上、线下融合发展的概念”如此受追捧,是因为零售行业已经意识到消费者的重要性并主动缩短与消费者的距离。在传统零售领域,企业与消费者距离最远的便是品牌商。

八九十年代的中国零售行业鼓吹“渠道为王”,品牌商将商品交给渠道商,渠道商帮助其分销下去。到了以“人”为主的消费时代,品牌商与渠道商之间的矛盾愈演愈烈。品牌商与渠道商在分账模式有着利益纠缠,所以渠道商不会向品牌商分享库存信息以及销售信息。

为了化解这样的困局,大品牌商选择自建渠道,中小型品牌商可以选择线上建设旗舰店。但是,传统IT结构无法应对新零售业务对全渠道统一运营管理的需求。基于对行业的判断以及多年的技术积累,明略科技推出的全渠道业务中台这一恰好可以解决这样的问题。这一解决方案可以将多维度、多渠道、多场景的数据打通,为企业提供高质量的数据基础。

当然对于零售行业来说,业务中台仅是数字化转型的开端。“企业发现订单、库存的结算比较乱,我们便提供一个业务中台。搭建业务中台之后,企业不知道数据怎么处理、怎么调整、怎么分析,因此数据中台便很重要。”陆杰自豪地分享到。从痛点解决到业务中台再到数据中台,明略科技推出的全渠道业务+数据中台解决方案可以在加工环节、采购流程、库存管理、物流运输、财务管控等各业务线形成数据通道,可视化、规范化企业管理流程,最终帮助企业全面提升效率。

不过,传统零售行业对于数据中台、业务中台认知度不高,因此不仅需要解决方案提供商产品过硬、技术扎实更需要有着深厚的行业经验。拥有这三类人才的公司,其实不多,明略科技集团算是其中之一。据了解,智慧零售事业部成员有懂业务的零售行业老兵,如陆杰、有懂技术的技术大佬以及懂实施的核心架构师。

赢家通吃的时代,中小企业如何化解生存危机?

未来,企业要面临着一个共同的时代——数字时代,零售行业进入数字时代并不能一蹴而就。经历过零售行业几次变迁,陆杰深知这个行业的特性,他开着玩笑分享到:“传统零售行业想要革自己的命,那是很难的。“

在中国,传统零售商是差价代销的模式,通过“吃差价“赚钱,还没有达到制造型零售业的阶段,没有能力控制制造、物流等上游环节。与此同时,零售行业内中小企业也是如此,不太关心技术对行业变革,这样便有可能错失技术推动企业变革的关键期。

因此,对于线下零售和中小型企业来说来说,应对数字化转型最先做的事情便是将“数据在线化”和“业务数据化”。当发现数字化现状与数字化愿景的现实差距时,明略科技集团便推出了全渠道的业务中台,通过设立商品中心、库存中心、订单中心、会员中心、营销中心、结算中心等多前端业务窗口,实现业务及数据的一体化运营,为企业传统业务、新业务的升级和拓展提供了快速,精准的决策支撑。

当企业一旦上了规模,核心竞争力便会越来越重要。赢家通吃已经成为行业内的定律,产能低的小公司慢慢会被大集团吃掉。如果企业不在核心能力做积累,肯定会被淘汰掉。

很多企业现在并未意识到这一问题的重要性,陆杰带着担忧的语气说道:“中国企业同质化太严重,单点突破很难实现转型。数据中台的出现能够将供应链与需求链实现对接,哪里有效、哪里低效,能够快速预测并决策执行。”

据了解,明略科技集团的智慧零售全渠道业务+数据中台解决方案已经落地到快消、连锁企业、品牌商等细分领域。在气味图书馆的项目中,明略科技的业务中台将订单数据、商品数据、库存数据、会员数据、营销数据搜集起来,在数据中台进行数据共享流通,让上游供给、客户服务、下游销售形成闭环运营,为其打造柔性供应链,实现拉动式生产。

在转型升级的大背景下,企业需要看清未来的技术发展、把握行业变革趋势,找准关键环节、提前布局才会在大浪潮中岿然不动。

作者:张继文 来源:亿欧网


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-19 17:18

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表