瓴羊携手一财商学院发布《102个增长实例》,四大典型行业的机会和挑战一次看

从一瓶可乐在超市上架,到一辆汽车下线送达4S店,每个环节都会产生数据,并反哺到最上游的生产环节。过去十年,数智化深入中国企业的组织层面,成为企业准确决策的助力。

这并不简单:要建立数据标准、分辨数据价值、处理数据、数据决策……而数据流、商业流、工作流留存的海量数据,系统之间林立的数据孤岛,更会变成棘手难题,刺痛着每一个想要推进数智化转型升级的企业。

几十年间迅速发展的中国企业,集合了各个阶段的经营状况,拥有大量数据应用场景。“在全世界范围内,中国的数据行业和数智化走在非常前列,是没有答案可以抄的。”阿里巴巴集团副总裁、瓴羊CEO朋新宇曾表示。

不过在行业领先的数智化实践中,总有“高分答案”可以参考。因行业而异,它们又呈现出了不同的特点。一财商学院联合瓴羊发布的《102个增长实例——数智化增长领头羊》切入四大行业——零售行业、酒水饮料、金融行业、通用行业,详细介绍了16个典型企业的数智化实践,以及其中的巨大挑战、应用场景和数智化解决方案。

一、零售走向全域,数据成为关键要素

在零售企业数智化转型过程中,面临五个关键问题:

在零售行业场景,数据要素在其中起到前所未有的关键串联作用。

以知名服装企业雅戈尔集团为例,其经历了数据治理的重要阶段,将冗余数据转化为业务价值。1979年成立以来,在多品牌多渠道布局的战略下,系统内部催生了巨量的数据,累计超过3亿行数据表,还有十多个独立的数据孤岛,调用数据需多套用户名和密码,数据使用效率非常低。

雅戈尔在数据建设、数据治理层面采取三个关键动作,让数据又重新“活”了起来:

启动数据中台,切入核心业务场景,建设统一数据指标;数据治理统一标准、划分边界;数据应用在门店场景,辅助管理层决策、减轻店长行政工作。

具体拆解下,雅戈尔整合了共 16 个系统,900 多个报表和 400 多组指标。不仅内部统一标准,也明确了业务边界。数据看板呈现的全景数据视角减轻了门店店长60%-70% 的日常行政工作,数据中台提供实时数据支持,辅助店长日常工作。

二、酒水饮料行业,用数智化提升线下经营效率

于酒水饮料行业而言,线下渠道是销售的重中之重,但存在着诸多难题,主要为三类:

1. 经销商成百上千,如何高效评估优质经销商以及分层管理,对优质经销商重点投入资源?

2. 全国终端门店数百万,如何做实力评估,保证资源投入到高潜门店?不同城市如何精准拓店?

3.品牌如何穿透终端门店运营消费者,拉升门店动销率?

因此,酒水饮料企业要做彻底的数智化转型,重点要啃下经销商这块“硬骨头”。

作为中国规模最大、产品品类最全的乳制品企业,伊利有着超长的供应链,500万个销售网点,13亿消费者。因此,伊利搭建“大营销”和“大供应链”体系,目标将丰富产品精准匹配消费者,加快履约速度,缩短供应链的周转周期。

在供应链侧,完整拉通七大场景数据,实现全局可视化智能履约,通过数据分析提供分钟级最优决策,保持供应链高效运转;在营销侧,灵活配置人群标签,精准圈选目标消费人群,强势驱动业务增长。

中国酒企“300亿俱乐部”成员之一的洋河股份则通过经销商识别、分层运营管理超8000家经销商和超五十万个终端门店。

对此,洋河股份先定位目标,再找出解决方案:设置三类管理目标优化经销商的结构分布,识别优质经销商,提升潜力经销商的能力;建设经销商五力评估模型,洞察目标达成、库存周转率、网点覆盖、费效比、利润贡献占比、市场秩序等关键指标。

通过内部组织数智化+外部经营数智化,洋河股份实现了一块屏管理8000+经销商,可查看总部管理、各层级营销看板、运营指挥调度。

拆解酒水饮料企业数智化动作,可以形成一套方法论:一是建立经销商评估体系;二是做深做全终端,提升ROI;三是精细化运营,提升门店动销。

在这个过程中,数智化赋能业务提效、管理提效,并将成果量化为数字,为传统的酒水饮料行业打样。

三、金融行业严格管数据,简单看数据

对行业敏感度较高的金融行业而言,数智化存在三个关键难题:

因此,金融行业的核心诉求指向了严格管数据、简单看数据。

成立于1988年的台州银行深耕小微金融,90年代起就用当时领先的风控技术为小微企业提供便捷的贷款服务。为了解决各部门数据不互通的问题,台州银行从两个场景入手:统一数据中台连接三大体系,落地数据管理标准;数据看板普适化。

前者打通了行方用户体系,连接各个产品、OA 系统接口,实现了数据治理体系落标以及全流程数据管理贯标;

后者统一了数据、数据标准、数据目标,搭建可视化驾驶舱。台州银行业务人员、中层管理者、行长不同的数据权限,让不同需求的人员都可以通过统一的数据看板取数、用数,形成可信的业务报表,提高了工作自主性和业务响应速度,帮助台州银行数据人才成长。

金融行业数智化的三个关键点可以总结为:打通数据标准,统一数据“度量衡”;将数据沉淀为数据资产,并且可以灵活取用;实现数据可视化,让数据更可用。

四、通用行业,用互通、准确的数据提升效率

除了以上特点鲜明的行业,大部分企业数智化转型的过程中,都存在着几个共性:

一是数据驱动决策。各行业企业都在积极利用数据分析来指导战略规划和日常运营,通过实时监控关键业务指标,实现数据驱动的决策。企业通过构建统一的数据指标体系和分析模型,快速识别问题并作出预警,从而优化业务流程和提升服务质量。

二是系统互通与技术集成。企业致力于打破信息孤岛,并且通过系统互通和集成,实现数据和资源的共享,提高内部管理效率。通过与现有业务系统的无缝集成,如钉钉、CRM 等,企业能够提供统一的数据看板、业务报表,咨询入口和智能客服,简化员工和客户的服务体验。

比如外企德科,作为中外合资人力资源服务企业,全国服务人数超200万,员工每日需要处理庞杂的数据,还要跟踪现金流等核心指标。

数智化较早的外企德科,日常工作要使用多个不互通的国外BI系统,复杂的系统逻辑拖慢了业务的工作效率。

外企德科重新进行数据建设后,使用一个开放集成的Quick BI工具融入其他BI系统,将数据简化为7张报表,呈现在1张数据看板上,同时还针对现金流核心指标搭建了经营管理驾驶舱与预警系统,实时对异常数据做出预警,大大降低了业务人员的工作难度,提升了效率。

五、构建数智化未来

整体而言,企业数智化趋势呈现了两个特点:

一是高效、及时。复杂量大的行业数据,往往需要投入大量人力和时间进行处理。打通各个业务系统,集合为一个数据口径,并实时反哺业务,支持业务人员查看数据、产出报表、接收预警,根据指标做出高效决策。

二是精确、精准。在企业缺失的数据维度和信息上,企业需要补全和校准。从数据洞察到用户旅程管理,赋能企业触达精准人群,完成服务。

麦肯锡发布的《2024年科技趋势展望》中,将“构建数字化未来”作为五个大方向之一。势如破竹的AI技术加速了企业全方面的数据应用,也引发了企业的危机感。数智化驱动下,把控数据安全,建立数据标准,规范数据管理至关重要。

“今天,做生意已经不可能仅依靠经验主义。依靠数据理解和预测市场、判断经营结果、做出科学决策,成为企业经营的必备能力。”一财商学院院长黄磊表示。

本文涵盖的所有企业案例,均在案例册中有更详尽的呈现。

*扫码领取案例册全文,获取数智化最佳实践