本文内容来自于作者在 2022CDIE中国数字化创新博览会上的演讲
沙爽 都市丽人集团高级副总裁、欧迪芬CEO
以下为演讲内容(略有删减):
各位嘉宾、朋友们,大家好!疫情当下,这么多人还能够聚在一起,探讨数字转型的话题,确实非常难得。很荣幸受邀参加中国数字化创新博览会并发表主题演讲。今天我分享的题目是:数字时代下的无奈与无知。
零售业,寒风凛冽
在两周前,我们跟京东云做交流,在交流的过程中,大家一直在谈确定和不确定性。我们知道现在零售行业内外环境发生了很多的变化,比如今天有可能你还在正常营业,明天你的店铺可能就已经被封控了。
疫情之下,供应链、产业链、资金链和全球价值链都出现了重大的变化。战争之下,影响了大家对未来的一些预判;贸易摩擦,影响了对外的贸易和对内的经济的走向。我们确实都感受到了零售业的寒冬,而且是非常寒冷的一种状态,可以说从今年盛夏的时候就一直很冷。
冬天来了,春天还会远吗?这个话题,《人民日报》也在说。任何一个寒冬都会过去的,不管是什么样的寒冬,但怎么过?有些人还没过就已经死掉了。寒冬下,如何让自己的脂肪厚一点,我认为才是最重要的话题。
零售业五大变化
讲到零售,我们可以回想一下零售渠道的变迁。从线下先看,中国最开始是做集市,在物质匮乏的情况下,通过以物易物,后来再从集市发展到了更丰富的业态。同时,零售业对应的线上,从淘宝业态已经发展到今天能看到的各种各样的生态。按此发展下去,零售业将会呈现一个完全不同的状态,叫全民直播和全渠道直播。
零售行业之所以有这样的变化,它源自于科技的发展和应用。技术使得零售行业有更多的时间和方法去面对不同的消费群体。
现在很多企业在谈云,包括线上做零售平台的也在谈云,大家都在推进上云,但最后的结果呢?我用4个字来形容——云山雾罩。你现在种草了吗?你在做用户画像吗?你在做用户定位吗?抖音直播,蓝v号、微信号、视频号做了吗?不做是不是就落伍了?但是大家又觉得雾里看花没有抓住实际的东西,所谓的私域流量,到底是不是我的,真的可以和我们的系统发生关系吗?
但不可否认的是,这背后有一个极其复杂的链条,也让我们看到零售业的五个变化:
一是融合化→线上和线下渠道的有机融合;
二是社交化→微信微博成为重要的购物通道,并促进购物的沟通互动和品牌黏性
三是场景化→乘兴之所至,随时随地随性购物;
四是内容化→营销内容多元化,消费者因为喜欢内容而喜欢商品,商品成为内容的一部分;
五是数字化&智能化→数据成为驱动商业的原料,AI技术广泛应用于零售,智慧零售普及。
第二个方面,今天在谈数字化的时候,是企业数字化还是数字化企业?这是一个值得思考的问题。
任何一个行业、一家企业,都会有它的商业模式、管理流程。那么今天的数据和系统对应什么?商业模式对应流程,管理对应标准,决策对应的应该是数据本身的量级以及维度的准确性。
第三个方面,数据洞察的蒙蔽性。大多数企业在做数据洞察时是命题作文,预设结果,然后再开展一系列工作,还会清洗掉对预设结果干扰的数据,结果就变成自嗨,却缺乏真正的用户感知。
筑建“智能决策大脑”
深刻理解不确定性,所谓的“乱世出英雄”,乱世=不确定性,英雄=数据商业价值。
不确定性产生的根本原因是什么?
在我看来,无非两大类:一类是无知,一类是无奈。无知所对应的不确定性,可以通过数据的无限积累,算法的不停改进,知识的持续增加,逐步化解。但是,无奈所对应的不确定性,其根源是人类对稀缺资源的无限博弈,我们对它无可奈何。
因此,这种不确定性,永远不可能被绝对消除,它将长期而广泛地存在,甚至不会衰减,理解这个道理之于数据分析意义重大。从此,不再对模型预测精度,抱有不切实际的幻想。相反,应该了解到,数据分析中的可为与不可为:哪些分析结果是可预期的,值得努力追求的。哪些分析结果是镜中花、水中月,是不可预期的,不值得无限投入。
很多时候,大家都在说一个系统到底能不能解决你的问题,其实我认为这是一种幻想,因为永远会有无奈的情况出现,所以说不管再先进的模型,还是再先进的系统,其实帮你解决的都是在你能够把它进行拆分情况下,进行的决策模式。
通过数据流拉通全业务线,打破部门壁垒,实现业务数据化、可视化;强化数据服务能力,数据分析辅助智能决策并驱动业务执行,打造数字化运营大脑。
筑建“智能决策大脑”五步走:
①打破部门壁垒,整合可用资源→加强技术平台和数据中台的建设,实现数据充分共享,让数据应用触手可及。实现都市丽人及欧迪芬各业务领域数据的全面集成,打破限制发展、阻碍创新的各种隐形壁垒消失;
②业务全过程透明可视、可追溯→业务数据化、数据体系化,数据充分全面反映业务运行情况。业务执行情况指标化,搭建经营驾驶舱,实现业务全过程信息透明可视,依托数据实时、准确反映企业运营状况;
③形成数据资产,发挥数据价值→梳理数据使用场景,搭建数据分析模型,挖掘数据价值。充分利用数据,加强数据服务能力,实现自助式数据分析;
④将数据分析转化为智能洞察→结合数据建模与分析的结果,实现从分析(Analysis)到洞察(Insight)的转化;
⑤数据驱动业务行动,智能决策→洞察(Insight)指导业务行动(Action)执行。分析执行结果(Result)形成反馈(Feedback)反哺决策优化。如研发端指导需求管理及设计开发,运营端指导日常商控+库存管理,生产供应端供应链控制塔指导计划协同。
如何构建数字化变革的营销体系
我将从品牌、企划、商品这几个维度进行阐述。我们可以看到品牌,传统意义上的品牌更多是在做marketing,做广告。但是今天首先要先构建一个数据去驱动的模型,在这个模型里面需要的三个很重要的内驱力,一是转型管理,二是数字化,三是转型驱动力。
从品牌角度看,除了把握传统意义上的趋势和市场,更需要把社交媒体数据、市场内的数据、竞争的数据进行收集进行中台建设,打通整个决策的依据。企划亦如此,应该是有头有尾的。
从整个运营来看,则需要进行全生命周期的管理,一个产品需要如何去运作,重点在商品链条上。以商品运营为例,最快捷的模式叫一盘货,能够供给所有的渠道,然后进行价格管控。这种模式固然好,但结果是一股脑的上市后,导致行销的商品永远不够卖,而滞销的商品则是别人不要的,最后造成一堆库存。
在通常意义上,我们看到企划和渠道是一种平行关系,销售渠道的信息传递给商品企划,商品企划根据需求、市场以及战略方向制定一盘货。但实际上并非如此!因为数据本身是复杂的,比如会员运营层面,数量、地点、时间、价格、促销,是一个多维的结构,应该数据驱动商品全生命周期管理。
任何系统都不是万能的,所有的生意源头来自于业务的最佳实践和赋予想象的改变,创造-迭代-打破-再创造-再迭代,如此循环往复才是可取的!