觀遠資料鄭增園：資料驅動零售快消精益增長 ｜ 愛分析活動

近日，愛分析在京舉辦了2021愛分析·產業數字化峰會。愛分析邀請觀遠資料數字化轉型專家鄭增園進行了題為 《資料驅動零售快消精益增長》的主題演講。

在" 網際網路 +" 與傳統行業加速融合的背景下，線上營銷和數字化升級成為零售快消行業的重要業務驅動因素。鄭增園先生聚焦零售快消領域，為我們分析了傳統行業在數字化和資料驅動過程中的前進方向，指出了不同型別企業的應該結合自身場景進行數字化建設，最後透過分享觀遠資料的實踐案例為處於數字化建設不同階段的企業提供差異化的解決方案。

現將吳浩洋先生的演講實錄整理後分享如下。

鄭增園：各位下午好，首先非常感謝Ifenxi的邀請。我叫鄭增園，來自觀遠資料，今天我分享的題目叫資料驅動零售快消精益增長。

1."資料驅動"的基礎是什麼？

1.1. 觀遠資料介紹

之前各位的分享聚焦在零售快消這個領域，我們分享的主題不太一樣，所以我在講具體內容之前快速地介紹一下觀遠是做什麼的？可以更好地理解我之後講的內容。

觀遠是成立於2016年的一家公司，到現在接近5年的時間，我們的產品是AI+BI+資料開發平臺。產品和解決方案從2018年開始商業化到現在4年的時間裡飛速發展，現在在產品和解決方案的成熟度上非常高，已經服務了近400家客戶。

我們做的資料領域跟其他幾位的有一定差別。比如說Talking Data是媒介投放領域做得非常深的一家企業，專注於媒介投放和營銷資料的垂直領域。匯付天下是做支付資料的，針對企業裡某一個垂直的一個資料能力和資料賦能，或者起到業務賦能的角色。

觀遠的AI+BI+資料開發平臺則在某種意義上是橫向的業務支援系統，把企業裡的各種資料接入我們的數開平臺，接到BI平臺裡做展示、分析和智慧化的決策。

1.2.資料驅動成為時代浪潮，業務場景決定資料應用場景

接下來跟各位分享一下這幾年我們基於自身業務領域的一些行業趨勢和行業理解。

峰會的主題是數字化，從觀遠角度在跟很多企業在談數字化的時候更願意稱其為資料驅動，資料化的本質一定是資料驅動業務的增長，我們希望透過今天的分享能回答三個問題：

第一個問題是為什麼現在要談數字化和談資料驅動的事情？

第二個問題是在數字化以及資料驅動的過程中企業應該怎樣做。

第三個問題是分享一下我們在資料驅動的一些實踐案例。

第一個問題回答說在這幾年為什麼都在談數字化，或者為什麼談資料驅動。因為我們是做資料的，在第一張片子裡用資料說話，羅列了基本上所有面臨數字化的行業基礎，從賈伯斯釋出第一款智慧手機的時候消費網際網路的概念就開始走進人們的生活，同時移動網際網路帶來了消費者的數字化，也帶來了營銷數字化。像Talking Data就是做營銷數字化。

而電商平臺的發展帶來了商品的數字化，所以說之前的十多年時間是消費者數字化、營銷數字化、產品數字化的時代。

現在都在談網際網路下半場的概念，有一個詞叫產業網際網路，也就是產業數字化。在的渠道數字化和供應鏈數字化的領域的驅動因素都是因為消費網際網路在企業的渠道端和供應鏈端帶來了大量壓力。產業數字化在消費者數字化方面，國內的移動的裝置數量已經達到11.5億；而關於營銷數字化，全球有8千家的企業是專門做數字營銷的服務公司。中國包括產品數字化在內的數字化營銷服務市場有800多億，因此企業的數字化營銷需求在前幾年的消費網際網路時代已經基本解決。目前我們判斷很多傳統企業的主要問題集中在渠道數字化和供應數字化。

渠道數字化的一個關鍵領域是快消零售，不同的商品屬性決定了渠道數字化的場景。

比如說商品是不是高復購？復購和非復購的商品在運營場景上一定是不一樣的，商品是高客單還是低客單也使得運營場景在渠道結構上不一樣。除此之外商品的線上電商化率的情況也影響著運營場景。

現在中國的線上電商化率25%，消費品零售總額中的25%是透過線上渠道賣掉。而妝品類則更高，例如歐萊雅去年在中國市場的電商銷售佔比超過50%，企業的運營重點一定是線上。

但是食品飲料方面則不同，這個行業的電商化率一定很低，青島啤酒是3%到4%。如果是重服務的品類基本上註定了主要運營場景是線上下渠道，以我以前做過的車後市場輪胎為例，線上銷售在8%到10%。

現在產業網際網路今提到的新零售概念實質就是傳統的線下渠道怎樣更好的數字化，所以傳統經銷渠道談的BC一體化和馬雲提到的新零售都是在數字化開始對傳統渠道賦能的背景下產生的。

除了渠道數字化外近兩年更重要的點是供應鏈數字化，觀遠做了大量的供應鏈數字化專案，其中包括搭建百威的供應鏈資料服務和聯合利華供應鏈部門的需求預測。

1.3.以美妝日化為例看行業基礎

以美妝行業為例來看數字化的行業基礎，這兩年從流量碎片化到使用者的深度細分和渠道創新，都在倒逼美妝行業的供應鏈和生產端變革和創新。

回到對於一個企業為什麼做數字化的問題上。我們認為兩個點很重要：

第一點是商業模式如渠道，運營中心，業務模式等因素在很大程度上決定了公司的資料驅動在哪，是做新零售還是線上電商為主。觀遠過去幾年服務了大量新銳客戶，比如一個美妝客戶從月銷500萬到幾個億的新銳品牌大部分都是從電商品牌來做，因此電商的資料運營的能力就非常重要。但是如果是像食品飲料的傳統企業，大量走線下渠道，就應該尋求線下渠道的變革。業務模式基本上決定了資料運營產品的基礎。

第二個點是資訊化建設，因為中國企業在的資訊化建設還是在進展當中。資訊化和數字化疊加和銜接的過程中可以看到很多企業在過去幾年的資訊化建設的基礎。我們服務大量中外客戶，其中頭部的企業做得比較好。資訊化建設基礎和業務資料化程度決定了現在的資料驅動，或者說資料化的基礎。

當決定一個企業裡面應該怎麼去做資料化和資料驅動的時候，這兩個問題一定是要去考慮的。

所以同樣美妝為例，因為美妝日化是資料驅動進展比較快的一個行業。可以看到零售傳統渠道的變更帶來運營場景的極大豐富。比如說在過去幾年渠道佔比中，平臺電商像天貓、京東的佔比有30%；KA銷售到家樂福、沃爾瑪的渠道佔比22%。但是不管哪個渠道都會看到大量的新興銷售模式的出現，比如說KA渠道的22%中，家樂福、沃爾瑪等超市的主流銷售的方式是送貨到家，到店業務對於很多商超來說瓶頸越來越明顯，到店的消費者越來越少，所以現在店餐一體化做的O2O的業務是成為熱門話題。

圍繞這個渠道如何賦能業務就成了資料運營的關鍵點。我們最近服務的大客戶瑪氏（音）就在探討圍繞像他們店裡有貨又有線上成交平臺的企業在O2O的商業模式下該怎樣建設資料運營體系。

對於不同的業務模式下面資料驅動怎麼做有大量可探討的空間。

2.“資料驅動”的能力進階

迴歸資料驅動在幹什麼的問題。我們在過去幾年中觀察到企業數字化的幾個階段，很多企業處在不同的數字化階段。

在第一階段，通常一個企業50%工作都可以透過電子表格解決，的企業現在還有很多。

第二個階段，有一些企業覺得電子表格太慢，財務資料、銷售資料等報表出的實在太慢。要上一套固定報表式的BI產品，透過BI實現後端資料流程的智慧化。

第三個階段則一定會有敏捷BI，敏捷BI代表的所有的資料業務的場景越來越運營化的以後，對資料的敏捷的要求會提升。在對報表的某一個資料分析時可以對IT提出需求，讓他們幫固定資料。當需要去更加深入地理解資料背後的原因，從更多角度去看資料的時候，就需要對報表的速度和分析的效率提出要求，這些方面有時需要業務部門去做。

以電商為例，一些電商和網際網路的同事覺得看固定報表是一個很可笑的事情。對於電商原生數字型的企業，資料運營已經變成了企業基因，他們對工具的敏捷性要求會常高，這個階段就是我們在做的敏捷BI。

第四個階段是透過BI系統獲得了效率提升，但是資料會反哺回來讓思考業務模式是不是有問題？還有資訊化基礎是不是薄弱？所以在這一階段很多客戶隨著數字運營做得越來越深後發覺最佳化業務流程需要更好的資訊化系統和業務系統的建設。同時隨著系統越來越多，對後端的基建要求也會提高。這就是第四階段，BI和資料開發平臺相結合。

第五個階段通常是資料基礎和後端建設較好的企業尋求業務場景的資料智慧化的一些場景，我們會提供的AI+BI+資料開發平臺的解決方案。

以上就是我們認為過去幾年很多企業在數字化過程中經歷的五個階段，相信中國的各種傳統企業在未來一定會發展到第四、第五個階段。

2.1.資料服務的層級：資料基建、資料場景和資料組織

基於這種數字化理解，我們在過去幾年提供的服務，其一是資料基建，其二是資料場景、其三是資料組織。資料基建需要好的資料底座，為資料場景和組織提供工具。資料開發平臺則提供數差和資料服務等功能。數字化的工具不是目的，而是手段，目的在於解決資料業務場景的問題，這需要我們和很多客戶一起去共創資料生態。

今天我看到有朋友在聊中臺問題，阿里提了中臺，但是今天所有的企業都值得上中臺嗎？這需要打一個問號。所有的企業都像阿里有這麼多需要實時推進的電商運營場景嗎？如果連實時推進的場景都沒有的話，這麼強大的中臺用來做什麼呢？所以要再回來想一想業務是什麼？圍繞場景該怎麼做？這是非常重要的事情。

當資料場景得到滿足以後，所有企業最後的經營一定會變成組織問題。企業員工有沒有能力用好資料這成為了最根本的問題，這就是對數字化人才的需求。

隨著資料應用建設的深入，人才體系的培養成為很多企業的重要問題。大量客戶都提到資料化的深層次問題是難以招到既懂業務又懂技術的人。

2.2.觀遠資料基於AI+BI技術，構建一體化企業數字化運營體系

這是我們的服務框架，圍繞這個框架進行資料基建。我們認為在目前的資料應用環境裡一站式的產品服務最為契合市場，一站式就是BI+AI+資料開發平臺，基本上覆蓋了從資料採集到後端資料智慧化運營的資料價值鏈中的每一個環節。

一站式的資料服務平臺對於國內很多企業是非常有必要的。Talking Data提到用資料建模演算法的方式驅動業務去增長。因為數字化營銷是中國數字化進展最快的一個領域，所以能夠用技術驅動業務。但是在很多沒有網際網路基因的傳統企業中，AI應用落地的挑戰是非常大，把AI應用的場景持續的工程化落地對技術和產品要求都比較高。

所以我們花了很大的時間精力去提供一站式的解決能力，我們不只是提供BI產品，也不只是提供開發平臺。而是圍繞著未來的數字化建設需求，提供一個可以持續迭代的一站式的產品服務。

就工具層面而言，市面上有大量的BI產品，他們的差別在哪裡？我們從使用者的角度設計產品，解決兩個核心問題，其一資料驅動，敏捷BI的背後是讓業務人員把資料用起來，而不是讓所有的IT人員圍繞業務做大量開發。這樣的節奏是需要做出調整的，至少要開放一部分資料許可權給業務同事，讓他們能夠自己去跑一些數，所以平臺提供低程式碼的應用工具，助力業務部門在不需要學習語言的情況下實現輕量化開發，同時快速上手資料產品。

其二是多端的應用也非常重要，我們花了很大的精力去提升移動端的體驗。因為現在所有的管理層和銷售部門很少會透過PC端檢視資料，手機端的應用場景更多，移動端的UI最佳化體驗非常重要。因此我們也做了輕應用的產品設計，讓管理層和銷售部門更好地應用產品，透過產品帶動資料應用的組織能力建設。

2.3.讓“資料驅動”成為組織基因

通常來說，資料驅動最重要的：

第一點是管理決策資料，管理決策資料最重要的點是讓老闆做決策，所以老闆讓理解業務非常重要。不管是財務管控還是人員管理，都是老闆以管理者的角度去解決資料應用問題。

第二點是看到資料驅動運營已經成為趨勢，演算法進入到了運營節奏迭代資料上。因此需要工具層面越來越敏捷。也就是剛才TalkingData提到媒介的資料驅動能力，，除了媒介資料營銷之外，渠道管理和供應鏈管理也越來越需要資料驅動，從業務角度來講就是的運營最佳化提升效率也是非常重要的業務應用場景。

第三點就是讓資料用起來，一定資料組織的建設，資料有時候跟業務的同事去聊的時候很辛苦，因為資料背後是背後運營的背後邏輯。

很多老闆講降本增效就是減了多少成本、多賺了多少錢，這些背後都是由資料驅使的，而有時資料的見效較慢，不像投一波廣告帶來一批流量，可以直接見效。這就需要讓老闆們信服我們資料能力提升能夠帶來運營效率的提升，同時要結合企業資料應用的組織架構的形態來提供服務，不同的部門有不同的資料賦能運用方法論。

3.觀遠資料的行業實踐

以上就是我們關於數字化服務的一些認知和理解。也感恩我們的客戶，我們過去幾年在核心消費品、零售、時尚鞋服等行業積累了大量的客戶。

我們的客戶基本分為三類客戶，第一類是頭部的客戶，如聯合利華、百威等五百強，頭部的客戶數量不是很多，但是對我們很重要，他們的業務場景非常深。第二類是國內大型公司的客戶，如家化、珀萊雅、丸美之類。第三類客戶是新銳品牌，如元氣森林等。不同型別客戶的特點和應用場景都不同，我們也累積了大量的相關經驗。

舉例來說，第三類新銳品牌客戶在早期對於營銷側和市場側的資料體系非常在意，其中包括多渠道的投放和電商運營。隨著新銳客戶的成長，企業變得越來越大，開始更多注重後端的沉澱，比如說供應鏈怎麼去做供應。現在我們會幫他們去做一些更後端的運營，建設資料服務體系，資料業務逐漸深化。

越往後端走，就會上越多的系統，有更多的資料來源接入的，構建全場景的分析體系，到了這一階段，我們會為客戶加上BI和資料開發平臺。

這是某一個食材行業的新銳品牌，連鎖門店今年年底近萬家，我們在他們門店只有幾百家的時候開始做資料服務。早期是非常前端的市場運營類內容，後期做了非常深入的智慧化運營的專案合作。到今天為止已經做了大量的AI專案，比如說門店的配補貨和食材供應鏈的管理，圍繞門店的配補去做供應鏈提升。

現在特別大的企業有一個特點，就是全員資料。其中以零售業居多，比如我們服務了最大的漢堡類的企業，全員資料賦能使每個店長都參與到資料運營的體系構建中，全員資料的另一個典型的案例是元氣森林。他的每一個員工入職都會開兩個賬號，一個OA賬號，一個是我們的賬號。所有的員工入職第一天管理自己許可權範圍內的資料，在運營體系裡面天然帶著資料的眼光就可以解決很多的現實業務問題。很多的創業團隊都有網際網路基因，所以對網際網路資料得心應手，這些企業的老闆把資料業務做得特別深。

除了資料端基建和BI外，我們也做資料運營的工作，我們幫助頭部的企業在三四線做私域，私域最大的價值在於可以把資料一線消費者的資料用最快的形式放在自己手裡，由此可以搞清楚產品方向和運營方。所以在私域、電商或者DDC的專案中天然資料運營特別重要。我們本身不做活動運營，所以甲方自己找一些CI或者活動運營的公司，我們配合他們做資料運營的建設，自己做資料分析。

不管是從品牌視角做需求預測還是門店零售配比貨，或者零供協同。在零供協同方面，如聯合利華、沃爾瑪都是我們的客戶。

我們做電商的需求預測最重要的是對產品的要求，因為除了演算法平臺和資料平臺外，沉澱資料的方式也非常重要。以聯合利華為例，它供應鏈部門的所有需求預測基本上都是是我們在做。聯合利華80%的SKU需求預測都用我們的演算法來做。一開始是做經銷渠道來做，因為經銷商進貨相對比較慢一點。現在在做DDC，也就是電商需求。

電商的需求難度非常高，因為在電商活動多、運營節奏快的情況下沉澱資料，透過演算法賦能前後端產銷協同的難度還是非常大的。

那再往後端走就是幫助客戶做AI營業，AI的人都很貴，我們的AI團隊從企業成立之初有六七十個人，還是蠻大的。我們跟聯合利華共創供應鏈一個很重要的工作就是幫他們培養人才，尤其是演算法人才。因為他們的供應鏈對個人的資料能力要求非常高。

最後說一點，我們提供一站式的解決方案，所以很多客戶跟我們合作多年，一步一步去做資料運營體系建設。我們的最佳實踐幫助很多相應領域有需求的客戶一起來共建應用場景。