近日，由ITShare、CTOA首席技术官领袖联盟、FMCG快消品行业CIO联盟联合主办的「零售消费品行业CIO年会」在上海举办。

 

观远数据创始人兼CEO苏春园受邀参加，并发表了《AI+BI  ，智能时代下的数据决策实践》主题分享。

 

 

从复盘2019年零售企业数字化转型的趋势和“AI+BI”的落地应用两个角度，苏春园在现场与近200位零售CIO分享了数据智能的一些前沿应用案例。

 

苏春园及其创始团队在零售数据分析领域都有超过10年的从业经验，他们看到了零售消费领域对于商业智能应用的一些变化，以及未来趋势。苏春园总结到，过去，只有沃尔玛这样有数据科学家团队和大数据资源的巨头才有能力发现“啤酒和尿不湿”的故事，而随着算法、算力和数据的普及，数据智能一定会普惠到更多的企业。

 

根据Gartner2019年年初针对中国CIO的调研报告显示，国外企业2019年的IT预算排在第八位的是AI，而中国CIO则把BI数据分析排在第一，人工智能排在第二。

 

苏春园表示，过去若干年，企业决策主要是依赖Excel或报表对历史数据进行分析总结。而未来3年，更智能的决策一定是依赖更海量的数据探索和更实时的数据分析，甚至预测和自动诊断去提前发现问题。观远数据现在在做的就是通过“AI+BI”的解决方案帮助企业看三年做三个月去部署智能数据解决方案。

 

现场，苏春园也通过展示观远智能数据分析在联合利华、百威英博、斑布、冈本、NOME（诺米家居）、奈雪的茶、鲜丰水果、全家便利店等零售快消品企业中的落地实践，分享了零售企业数据分析过程中的注意点和可避免踩的坑。

 

连锁零售品牌智能数据分析实践

 

连锁零售品牌有很多细分的业态，比如生活家居、茶饮、社区生鲜、便利店等，每个业态都有一些共性的数据痛点。观远数据通过服务了一些细分领域的代表企业，沉淀了成熟的零售智能数据分析实践经验。

 

1、帮助某连锁零售品牌把一家核心指标排名倒数34位的店铺提升到第一

 

连锁零售品牌普遍存在产品集群和门店环境一体化的现象，所以企业都很关注单店单品管理。观远数据通过帮某连锁零售品牌搭建诸如销售业绩渠道／区域分布及排行、销售业绩商品类目分布及排行、销售折扣趋势分析、客流来源分布及排行、零售指标环比分析等指标分析体系，帮助其可以高效实时地获取直观的可视化数据分析结果，同时给出行动化的指导建议，提升门店营业能力和服务水平。

 

该品牌在近期的一次工作复盘中提到，通过看指标、看日报、看商品，三个月之内帮助一家核心指标排名倒数34位的店铺提升到排名第一，这背后就是数字的作用。

 

2、用实时数据分析监测某茶饮品牌新品表现，辅助营销和供应链备货

 

茶饮是新品推出频率最高的零售业态之一，尤其是换季时，一个季度可能推出十几款新品。在过去，品牌一般是每个星期了解一次新品的表现，如果连续两周表现不佳就会下架。
而现在，观远数据可以通过新品追踪、畅滞销分析、动态监控、关联分析和商品画像等分析模型，帮助某合作的茶饮品牌将新品在不同店铺的监测精细化到每30分钟、每10分钟一次。最快了解新品上市时在不同区域的表现趋势和市场接受程度，并且辅助预警功能，提前做好畅销新品的供应链端原料备货和区域性营销政策调整。
3、实时数据分析、智能预警协助某连锁生鲜品牌高效止损

 

生鲜品牌都难以避免商品损耗的问题，很多水果店都会遇到一到晚上或者一些季节性水果没有卖掉就报废的情况。

 

苏春园表示，过去的店铺商品和库存之间的匹配很多只能依赖店长的经验，看陈列看堆头，一天最多一周复盘一次。而现在通过实时数据分析和智能预警功能，督导、区域经理可以实时了解各个店铺的销售情况，每天对店铺决策干预若干次，这样就能及时发现问题，快速调货或补货，极大降低了产品损耗。

 

4、成熟数据分析模型助力知名便利店品牌复制优秀店长

 

很多连锁门店都会存在优秀店长稀缺的问题，好的店长永远只有5%,这部分店长都有比较高的分析思路和决策水平。他们知道通过看客流、看库存去判断经营出现了哪些问题。

 

观远数据通过将优秀店长的数据分析思路沉淀成数据分析模型，可以帮助合作的便利店品牌提高了店长的平均经营水平，复制出更多优秀的店长。

 

快消品牌智能数据分析四步法

 

在快消领域，苏春园表示，观远数据团队凭借多年的数据分析经验，已经总结了一套快消品牌数据智能规划路径，大致分为4个阶段。

 

第一个阶段重点是搭建最核心的销售和绩效考核的体系；第二阶段需要对于商品进行更细颗粒度的分析；第三阶段则需要进化到全景库存监控，费用、成本、利润、供应链分析等应用；第四阶段则是通过AI预测实现一些自动化的分析。

 

场景一：快消品销售分析模型的设计与应用

 

出货分析、经销商分析、KA POS分析是销售分析的常规指标，任何企业都逃脱不掉。

 

 

然而，苏春园表示，更创新型的企业是将这些分析指标细化，做到更细颗粒度的分析。比原来在同样一个时间段里面多一千到一万次分析，比如说不同的商品在不同的时间点一天看多少次，没次看到问题就直接采取行动，这样就能对销售、市场形成快速反应能力。

 

场景二、绩效考核模型设计与应用

 

苏春园表示，渠道绩效考核的核心不只是看结果。在整个执行过程中，要通过检查拜访覆盖率完成情况、KA/系统/门店缺货率、分销系统的覆盖率等表现，去发现异常问题，改善问题，最终赋能到整个经营的核心。

 

 

场景三、商品运营的模型设计与应用

 

任何一个快消品牌，核心利润商品大概只有10%，而这部分核心商品却代表了企业50%的核心利润收入。

 

苏春园认为，企业可以通过品类单品淘汰优化、新品试销追踪、重点商品销售分析去监测Top100商品的不同利润，不断更新优秀单品，持续提高营业额。

 

场景四、某500强客户的AI项目落地实践

 

以观远数据合作的某世界500强客户为例，从前端营销分析，实时数据追踪到物流领域的Control Tower（控制塔），该企业在数据分析领域的创新措施已经反向输出到全球。

 

在物流领域，该企业已经做到平均每天超过数万张到十万张订单全程的可视化和自动化监控。比如每一小时看没被计划的订单情况，连续三个小时过了SOA的话，会自动追踪对应的生产的产能和发货的供给关系，做到全程自动的监控。在需求预测和稽查方向，观远数据针对其多渠道的网点，通过算法、业务模型，帮助其实现了几十倍的ROI增长。
AI概念已经火了很多年，但是很多企业依然停留在POC阶段，或者做了简单的算法就停滞不前。苏春园表示，AI项目的真正落地，算法只是冰山一角，可能只占到20%，企业首先得有足够优质的海量数据基础，其次就是基于数据结构和业务场景开始建模并通过模拟分析不断优化迭代。以业务为导向，以最终应用落地为目的，端到端的全面交付能力才是项目走向成功的保障。