零售消费行业实践合集.pdf

零售消费行业智能分析与决策实践合集近20家先进数字化典型实践剖解，多角度诠释数据价值精选实践联合利华|元气森林|丝芙兰中国|汉堡王中国张亮集团|慕尚集团|来伊份|王小卤交流互鉴独家对话行业先进企业数据从业者，学习先进企业数字化实践方法论深度洞察剖析行业细分赛道典型案例，探寻适合企业自身数字化升级路径数字经济时代，全球化竞争加剧，数字化转型席卷各行各业，最贴近人们“衣食住行”生活必备的零售消费行业，更处于转型的浪潮之巅。转或不转已不成问题，难题却在如何转型。面对数字化的必答题，众多零售消费企业选择从以经验为主的经营决策，转向数据驱动的智能决策，挖掘数据价值，实现降本增效，写下数字化经营提效的最佳答案。利用数字化手段充分应用数据，提升数据价值成为零售消费企业发展的重要抓手。市场环境不断变化，零售消费行业快速发展，在经历了以产品为中心、以渠道为中心的发展阶段后，在人口红利和互联网红利消失，以及供需关系转变的背景下，零售消费行业进入存量博弈阶段，以用户为中心成为企业的核心增长点与长期发展趋势。零售消费企业建立与用户直接沟通和交易方式，低成本获取第一手用户数据是企业增长的必有之路。而想要充分挖掘数据价值，就一定需要找到适合企业自身的数据应用方案。商业智能（Business Intelligence，BI）正是无数企业应用数据、提升价值，飞驰奔向“数据驱动的智能决策”的一条高速公路。BI为企业连接数据孤岛，打破数据壁垒，帮助企业整合、组织、分析数据，赋能更敏捷的业务分析与决策，为企业经营管理、业务决策、战略发展提供稳固而有力的支持，成为企业数字化变革、创新持续发展的必选项之一。观远数据在商业智能领域深耕多年，以行业领先的BI产品体系，为不同发展阶段的企业打造更适应企业发展需求的数据应用方案。在零售消费行业，观远数据已深入服务了包括联合利华、3M中国、丝芙兰中国、安踏、元气森林、蜜雪冰城等数百家行业领先企业，沉淀积累下丰富的数字化创新实践经验。零售消费行业智能分析与决策实践合集 汇整了观远数据与零售消费行业领先客户的近20项BI最佳实践，覆盖餐饮茶饮、鞋服时尚、美妆个护等多个细分赛道，内容涵盖丝芙兰中国、汉堡王中国、元气森林、张亮集团等多家先进企业创始人、CXO、数据从业者的亲述分享，世界500强企业联合利华在供应链数字化领域的最佳实践，与来伊份、静博士、气味图书馆等细分赛道领先企业CXO、数据负责人的交流对话，对王小卤、锅圈食汇、凯盛浩丰等数字化转型先锋企业的实践洞察与探索。希望通过该实践合集，能够帮助更多零售消费企业与相关从业者认识BI价值，找到适用于企业自身发展阶段的数据应用方案，开拓数字化增长新路径，进一步实现商业创新与可持续增长。前 言01 实践分享 元气森林：数据驱动的元气森林从12个月到52周，365天的数据分析实战 丝芙兰中国：分货效率提高60%，“让业务用起来”的门店新品AI+BI智能分货案例 汉堡王中国：冲突数字化变革与创新的礼物 张亮集团：3个月从0-1快速落地数据分析能力，BI实现业务全流程数字化 慕尚集团：敏捷BI上线一年不到满足全集团业务数据需求，员工使用率达86.3%每日的菌：从爆品出圈到价值沉淀，实现破局增长 奥兰中国：BI一定是把握市场的方向盘02 最佳实践联合利华：AI赋能品牌DTC场景下的快速补货决策价值链联合利华：从 AI 需求预测到基于多级库存控制理论的补货策略03 数智对话 独家对话元气森林：揭秘崛起背后的数字化策略和生存法则 气味图书馆CIO温晓莹：1周VS1小时，BI为业务提效数十倍 对话来伊份：BI月活跃用户突破2000+，“让业务用起来”成为日常 静博士COO杨智昌：数字化运营在业务中的落地，用起来才是王道 咬不得CFO施东海：数字化是需要长期布局、持续深耕的 乐凯撒CTO黄道泳：餐饮企业的数智化建设，要看企业所处发展阶段04 深度洞察 品类王者！王小卤以数据贯通产品、渠道、品牌全链路，撬动增长飞轮 出圈之后，NEIWAI内外、Ubras如何以数字化推动品牌长红？“飞驰”的锅圈食汇，以“数据智能引擎”领跑赛道 凯盛浩丰：一颗“爆品”番茄从种子到餐桌的数据故事05 附录 关于观远数据 观远数据零售消费行业标杆客户名录（部分）观远数据零售消费行业荣誉奖项（部分）更多行业白皮书下载CONTENT 目录PAGE 010205PAGE 4142461013202531PAGE 4950545861PAGE 7273798588PAGE 9293959798666801实践分享数据驱动的元气森林从12个月到52周，365天的数据分析实战，我们各个部门从底层都知道，全链路最优是追求的结果，也是做策略调整的初心。，数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效。，正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为运营人员主动调整策略系统里的某一条策略，来优化决策的细节。精彩观点：元气森林是一家致力于为美好生活创造健康好产品的中国食品饮料企业。公司成立于2016年，以“整合全球资源为全球用户创造有爱的好产品”为企业愿景，先后荣获国家高新技术企业的称号。目前，旗下拥有元气森林气泡水、燃茶、纤茶、外星人电解质水等系列产品，现有五座工厂已经投产，分布在华北、华东、华南、华中和西南。从拒绝添加防腐剂，到升级污水、固废排放标准，再到充分利用可再生能源、全面打造创新型绿色工厂，元气森林用自己的实践助力健康、环境和气候可持续。我将会从数据对决策的影响、决策过程的正向循环、策略执行的自动化三个方面简单分享元气森林的数据分析实战，这三个部分分别对应12个月、52周、365天的不同数据驱动感受，也感谢观远数据对我们的帮助。关于数据对决策的影响，在决策的过程中，普遍追求的结果是Act最优，也就是结果的最优。通常会用预算的数据作为方向的指导，定期复盘两者间的差异，这是一个中长期的对照。而周期间的偏差分析还需要LE的辅助进行调整。LE在元气森林内部称为实际预估，对应单词是Last Estimate，直译为“最近的预测”。LE作为执行结果Act的动态预估，一方面是更早地发现执行差异，一方面是提供周期内调整的机会。让业务用起来的企业价值章肖洋元气森林首席运营官02这是元气森林引入观远数据作为数据分析工具时最开始做的工作，将原本分散在各处的数据分析工作，在底层的数仓和表现层里做了集中。这个过程中，我们发现这种以月为周期的中长期调整对于我们这样市场建设时间不够长，供应链建设时间更短的企业，频次是不够的。决策过程的正向循环在第二个阶段，我们开始学习建立如何在更多的决策中使用数据，为决策过程建立正向的循环。以供应链为例，这种以周为节奏的策略分析与调整，是使数据影响力变大的一个很好途径。首先公司各个部门从底层都知道全链路最优是追求的结果，也是做策略调整的初心。其次部门间对于服务能力的预期、服务结果的评价、需求的预估，这些都是互相影响的。虽然出发点都是效率和产出的最优，但是受限于部门视角的宽度，对于部门间策略的差异做出决策，要结合更多的信息进行综合评估。大的评估原则基本遵循全链路最优。针对不同的策略，评估出全链路成本的差异，需要多角色协作。这种协同工作基本围绕S&OP规范流程进行。数据对决策的影响ActBuLE追求结果的最优预算作为方向的指导动态的结果预估 在决策的过程中，普遍追求的结果是Act的最优 一般会用BU.的计划数据作为方向指导，复盘两者间的差异，这是一个中长周期的对照，而周期间的偏差分析还需要LE的辅助 LE作为Act的动态预估，一方面是更早的发现执行差异，一方面是提供周期内调整的机会决策过程的正向循环方向的一致各个角色的初心全链路最优对于结果最优的标准评估与合理估计的规划跨部门的策略上下游的需求与服务全链路最优周期性的循环，例如S&OP各个部门的角色，都会以公司最优为出心。在跨部门的长链路上，受限于部门视角的宽度，部门最优与全链路最优的评估会是多因素综合的结果。03在实践中针对不同重点进行全链路效益评估。对各部门协同工作而言，以周为维度进行，已经是能够接受的较高的频率了。所以在传统的协作模式下，日常调整和反应周期想要提升，那么这种协同决策的方式还需要进一步的提高效率。数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效。策略执行的自动化第三个阶段，也就是策略执行的自动化。在这个阶段，我们开展了一些策略执行的自动化项目，将决策的周期提高到了日维度。针对多因素的协作决策，需要考虑很多上下关联的执行数据和计划数据，例如ATL和BTL的投放的策略、渠道的计划、市场的变动、生产能力的弹性以及供应商的变动，还有社会环境的变动。在单纯依靠S&OP的多轮协商，靠人来提高频率，已经明显感觉到上限的情况下，我们在观远数据的帮助下，通过提炼服务能力的边界、市场目标和市场变动的关系、供应链的反应指标策略等，将原来在S&OP机制下综合研判的逻辑逐步自动化，达到日维度内一定范围的自动决策，缓解了原有机制下复杂度和敏捷度之间的一定矛盾。观远数据帮助我们在这个过程中透明地向运营人员展示了既定策略，在结合数据之后，改变执行计划的中间步骤，做到能让运营人员能够看得懂。因为哪些策略带来了实际执行计划与周期原定计划的差异，能够放心地执行计划的变动部分。同时一些反常识的调整结果，也能够清晰的知道是由哪条策略或者上下线设置的不合理造成，能够具体地调整。在这之前，我们也上线过一些数据决策项目，但相对观远而言，对于非技术人员的表现不够清晰、不够具体，所以经常出现一种对“自动化决策的结果与人为决策结果孰优孰劣”的笼统的、简单的评价。正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为了运营人员主动调整策略系统里的某一条策略，进一步优化决策的细节。这使得一些自动化决策的项目有了运营人员和技术人员共同提高决策结果的好氛围，同时也避免了一步到位的高投入和高风险。再一次感谢观远数据团队为我们提供这样高效率和低成本的数据分析平台，让我们在行业中学习进步的途中，多了一个适合的服务商，也多了一位能够依靠的帮手。策略执行的自动化ATL、BTL、渠道计划、社会环境、市场变动、生产能力、供应商变动S&OP的多轮协商，每一轮针对不同维度的目标综合评价的流程机制复杂度与敏捷存在矛盾服务能力的边界，市场目标与市场变动的关系，供应链的反应反应结果多因素信息对齐的环境流程与时间的复杂度策略的执行频率与规范04丝芙兰中国：分货效率提高60%，“让业务用起来”的门店新品AI+BI智能分货案例，AI+BI不是说完全不需要人，这是一个人和系统更好的结合。，团队必须要有一个BI的dashboard才能够更加直观地感受到数字化带来的效果，才能够愿意去应用它。，光是上一个系统，而没有一个流程的变化，或者不能让大家的生活、工作变得更加简单，那系统是不会上得非常顺利的。精彩观点：丝芙兰中国是LVMH集团下的高端美妆零售，总部在法国。在中国市场有来自全球200多个品牌，其中包含丝芙兰自有品牌。丝芙兰中国是全渠道零售，有线下300多家门店，线上丝芙兰APP、小程序和各平台上的旗舰店。所以对于丝芙兰整个供应链来说，要提供的就是线上线下全渠道的服务。所以，接下来所分享的丝芙兰中国和观远数据一起打造的门店新品AI+BI智能分货案例中，谈到的货物的分配也都是线上线下全渠道的分配。谈到美妆零售，我们也想跟大家先提一提我们所面对的挑战，让大家能够更好地理解为什么我们会和观远数据进行智能分货的合作：挑战一：新品快速迭代正如我刚才所说，丝芙兰作为集合店，它每一年的新品迭代其实是非常快速的，基本上每一年1/3的产品都会迭代换新。快速迭代的挑战对我们来说就是如何将新品更好地买进、更好地去部署新品库存、更好地让它到达消费者希望的渠道，这些都是我们在做新品安排的时候供应链所需要考虑的。美妆零售供应链面对的挑战 赵苏丝芙兰中国供应链总监 05挑战二：全渠道消费者需求多变大家也知道这几年因为疫情的影响，所以不同品类都有非常大的变化。我们销售的产品有护肤品类、彩妆品类，还有香水、美发仪器等等，在这个大的市场的影响之下，全渠道消费者整个需求是非常多变的，这种情况下如何做好快速的响应，也是一个我们所要应对的挑战。挑战三：零供信息传递链长从刚才我们谈到的品牌而言，我们有很多品牌是进口产品，因此在其中对于新品上新、老品下线、新品市场安排或者门店促销等等零供的信息，传递链其实是比较长的。它与我们在本土生产的产品非常不一样的一点在于本土生产的产品有可能在卖成爆品断货时，经过两周或者三周就能很快补上，但对于进口产品，哪怕是空运也很难在短时间内将需要的货物补上。所以，在这里就更加考验了我们的预测以及分货的精准度。挑战四：海量数据分析需求上述这些挑战，其实也都是提出了一个海量数据分析的需求。如果我们做不到对这些数据相应的及时分析的话，也就很难做出第一时间的反应，去看到哪些新品卖得好需要补货，哪些新品可能在某些区域有所滞销，需要与门店或者品牌方一起更好地推动。挑战五：合规性要求提高这两年因为国家的化妆品管理条例的提出，对我们整体的合规性要求也对应提高，所以也增加了进口产品的一些难度。门店新品AI+BI智能分货实践案例在理解了我们所面对的一些挑战后，我想大家也就不难理解为什么丝芙兰中国要在去年，特别是在疫情后，提出来要做这样一个更好的新品分货的项目。AI+BI 门店新品分货项目提出及实施时间表项目启动供应商遴选POC展示投标定标项目范围确认项目时间表初步确认数据对接、模型试跑试运行逐步拓展品牌和品类模型调优功能模块开发回顾试运行结果模型调优看板优化工作流优化正式上线2021 Q12021 Q22021 Q32021 Q406项目历程大家可以看到，我们的整个项目其实从2021年一季度提出，到最后四季度实施上线，项目时间并不是特别的长，这也是有赖于观远数据团队的大力支持。在去年一季度的时候，项目正式启动，做供应商的筛选，包括一些POC的展示。到第二季度，就确认了这个项目具体的范围时间表，观远数据团队在里面开始做我们各种数据的对接，跑一些初步的模型。到Q3，是比较深度参与的双方一起来做的试运行阶段，来看一看从一个品牌到多个品牌，项目模型是否能够支持，以及一些辅助的功能模块的开发。在这段时间中观远数据团队和丝芙兰供应链团队有很多面对面的沟通合作，产生了非常多的交流。到了四季度，就是不同品类的回测，有了回测之后更进一步地提出模型的调优，并且一起开发BI部分的dashboard，以让团队更好地将它用起来。只上一个系统而没有流程的变化，或者不能让团队感到这个系统能让大家的工作变得更加简单，那这个系统是不会很顺利上线的。在这个项目中，基于观远数据BI能力，能够让我们的业务团队更直观的看到应该采取哪一种行动来帮助门店新品分货。在这里也想简单地介绍一下我们和观远数据一起实现的整个模型、整个产品的逻辑。供应链：AI+BI实现更灵活，更自动的预测销售预测繁琐低效几乎是所有企业都面临的问题依赖人效率低精度差数据库/数据仓库及Excel等实现AI算法与业务规则预测任务基于分析洞察，对结果进行按需调整01 数据快速接入 02 预测逻辑实现03 可视化展现04 在线数据调整05 高级分析通过控件、链接、下钻等功能实现丰富的可视化误差分析利用时间序列、what-if等分析工具进行深入探索深入的预测误差分析预测结果可视化展现07供应链价值我们目的是希望通过AI+BI相结合，实现更加灵活、更加自动化的预测，解决从前依赖人、精度不高、效率也受限的难题。当然在这里面并不是说以后都完全不需要人，而是人和系统的更好的结合。系统能够基于算法和我们输入的业务规则，更快的帮助我们看到数据，也能更快速的接入数据。然后可以做一些基于已有的预测逻辑实现的预测任务，通过可视化方式展现给我们的planner在线进行更多的业务洞察，之后做一定的调整，并且这个系统也能够帮助我们做一些更高级的what-if的分析。大家可能会觉得可视化不是一个非常高大上的方法，确实可视化在各行各业的供应链里已经用的比较多了，但正是因为如此，才一定要在BI的加持下让模型通过可视化展现出来，发挥模型的作用，才能更好的做人机交互。这是我们做项目时一个非常大的感受。供应链：AI+BI实现更灵活，更自动的预测用例描述技术影响能力建设为了可以更快的响应终端的需求，提高新品铺货的周转效率。通过基于门店维度的新品销售需求预测，汇总到仓库维度的补货计划，打通全链路 实现由终端需求推演得到分货和补货计划的全链路零供协同场景 提高分货效率，加快铺货周期，降低终端机会损失 千店千面，提升分货均衡度 优化客户体验通过AI+BI的解决方案，在优化业务流程的同时，加快整体铺货和补货的周期，实现优化用户体验的终极目标解决的问题 新品预测精度较低 新品分货逻辑复杂，维护难度大 铺货复杂度高导致频次低，进而影响终端有货情况 AI预测做到千店千面，预测精度提升，分货更均衡、补货更精准 BI分析及时定位问题商品，快速铺货满足需求。关注业务指标走势，及时定位问题不断优化。提升交互，优化业务协作流程。加强人机交互，融合模型与人工经验 新品铺货能力增强：AI和逻辑引擎的加持，提升整体铺货和补货的能力和效率 业务拓展性：底层特征工程与数据整合，使得整体项目的可拓展性增强 业务流程打通：分货补货的预测逻辑统一，整体补货链路打通，提升协作效率有货率 分货均衡度分货效率25%20%60%08Smart Allocation平台我们可以看到，观远数据的方案帮助我们提高了25%的有货率，库存的均衡度也有了20%的提升，整个分货效率也有了60%的提高。在这里特别想讲的是，如上述所说由于消费者需求的变化，我们各个店的需求也变化得非常快，如果要求完全由人工去做分析，那肯定不能高效反应，只有基于我们打造的Smart Allocation的工具，才能够更好的做到。我们的每家都有针对店铺的铺货策略，能保证我们分货的均衡度和有货率。并且因为有了dashboard，整个业务流程也做了打通，那么在分货之后我们向品牌方补货的协作也更加高效，这点也是非常重要的。AI+BI门店新品分货项目实施体会在这里也想借此机会总结一下在这个项目实施中的体会。业务问题清晰提出是数字化的前提做任何数字化工具，“做工具”都不是最终目的，“我们到底要用这个工具解决什么样的业务问题”才是最重要的。如果业务问题没有很清晰的提出，那做数字化产品的开发以及实施时就会迷失方向。所以我们说业务问题的清晰提出是数字化的前提。业务团队与方案提供方紧密打磨AI产品是关键我们也非常感谢观远数据的团队，在整个过程中非常高效的以专业水平跟我们一起来打磨这个产品。我相信各个零售企业的业务团队跟我们一样，都是有一些这样那样的需求在的，也对业务有自己的一些理解，观远数据能够在提出一套基础的方案后，双方一起沟通，在基础方案之上做一些客制化。打磨产品是非常非常重要的。BI工具帮助整体工作流程转变和提效在打磨产品的过程中，如我之前所讲BI对于我们整个工作流程的转变和提效也非常重要，如若不然AI的这些模型我们都是看不到摸不到的，团队必须要有一个BI的dashboard才能够更加直观的感受到真正的数字化带来的成果，才能够愿意去应用它。模型不断优化，保持数字化工具可持续支持决策我们和观远数据2021年一起合作这个项目，到今年2022年也一直是在合作过程中。每一个季度随着我们新品的上新，观远数据的团队都会继续做一些模型的调校。特别是随着促销的不同，在分货效率上其实是会有一些变化，不断的模型调优对于我们长期的、可持续性的支持决策也非常重要。我相信这两年的合作对丝芙兰团队和观远数据团队来说都是一个加深彼此了解的过程。有了这些了解，有了这些know how之后，双方才能够再继续去打磨更多“让业务用起来 让决策更智能”的数字化产品。09汉堡王中国：冲突数字化变革与创新的礼物，冲突越激烈意味着更多新的可能性，一群人在迈向未知的时候，冲突越激烈，意味着所有人都在想为这件事情负责任，每一个人视角都蕴含着新的可能性。，真正要能够做出来一个让业务用起来的优秀数字化项目，一定要在推进过程中和大家实现融合创新。，你要问我要“让业务用起来”，关注力放在哪里更具效能，我会告诉大家放在对人潜能的相信，放在对与众不同的好奇。精彩观点：自2005年入驻中国，汉堡王在2012年迎来了爆发性发展，大大加快了中国市场的开店速度和城市布局，截止目前已经有一千余家门店。之所以能有如此爆发式的增长，与他们早期拥抱数字化浪潮有很大关系。在这个不确定的时代，冲突是一个绕不开的话题，有外在世界的变化，商业的变化，技术的变化，也有内在组织发生的冲突变化。面对冲突，作为转型的负责人、数字化项目的推进者或者变革的执行者，到底要怎么去做？“冲突是迈向未知世界的自然反应，需要潜意识层面的洞察与回应。”孙晓鹿说道，并总结了整个数字化进程里，三个层级的冲突：显性化的冲突，供&需的冲突到底值不值得做这件事情，这件事情到底的意义是什么？一个数字化项目的契合度、预算、数字化准备度等显性问题，是大家都能够看到的冲突。这些冲突应对和处理的方法不难，通过项目管理的方式分阶段，基于专业度、逻辑自洽的方式可以很好地回应和化解。组织内的冲突，需&需的冲突做项目面临的总部和前线的冲突，实际上是业务支持和业务的冲突，以及大脑和终端执行的冲突。数字化变革与冲突孙晓鹿汉堡王中国运营优化副总裁/创新赋能教练10首先，连锁有那么多门店，如果一套数字化系统没有把所有情况考虑进去，某一线人员发现被评为差店，自然会觉得不公平，会主动抗拒系统。其次，很多组织数字化项目只给数据分析结果，只有哪里不好。其实除了告诉一线哪里不好，更要告诉他要怎么做，怎么解决问题。过去或许可以直接忽略掉这些一线的声音，但现在的数字化时代里，如果这么做了，最后共创出来的数字化项目、系统，再好用也没办法让业务用起来，因为一线人员从心理上不接受。我&世界的冲突我们在职场希望创造什么？只是一个系统来去证明我们的个人价值？还是希望创造整个组织商业的突破？亦或者创造整个组织人和人之间的紧密融合？这关乎每一个人内心深处潜意识层面的选择。与谁同行，可以在数字化旅程中转化冲突面向种种冲突的数字化旅程过程，与谁同行实际上是至关重要的。孙晓鹿有自己的答案。要与自己同行如果自己是“拧巴”的，是没有办法去做好自己都不认同的事情。与内部伙伴同行真正要能够做出来一个让业务用起来的优秀数字化项目，一定要在推进过程中和大家实现融合创新。首先把一线或者最难搞定的人，一开始就拉进来，否则项目只会阵亡。在碰撞的过程中，大家能够彼此去看见背后的动机是什么，这件事情在他的价值观体系里有多么重要。这种碰撞可以让这件事情远方的意义和目的越来越清晰，过程中的困难就会变成成长的阶梯。对于企业的数字化项目或者是变革的负责人，这几点是特别重要的。与有着同样信念的外部合作伙伴同行孙晓鹿介绍到，“汉堡王中国选择观远数据时，可能是误打误撞，但做的过程中，却是逐渐坚定了要用观远数据。”这里有几个重要节点：首先选供应商要看技术实力和背景，其次是团队的融合性和延展性。在面对这些冲突，如何实现既要、又要、还要？遇到这种冲突时，是相互去指责说不行，还是一起共同去担责，去创造。“在项目攻坚战中，我看到观远的小伙伴们，他们和我们有着同样的信念，他们不怕冲突，他们也是在冲突里面越挫越勇的一批人。”孙晓鹿说，“在这个过程中，没有走任何企业成熟的老路，我们和观远数据是在开创自己的一条路。项目越往前走，就越沉浸其中，当项目做出来，真正被用起来的时候，我们真正相信了冲突是可以转化成礼物的。也从那一刻开始，我们真正相信了只要一群有信念相同的人，同频的人在一起，就是会了不起，就是会创造无限的价值。我作为客户，要真诚地感谢他们。”汉堡王中国和观远数据，一起开创的系统创造了哪些价值汉堡王中国整合自身技术内容，构建整合了经营分析系统，融合观远数据AI+BI能力，引入多套算法、机器学习在系统内实现亿级计算，实现门店动态标杆+营运底线标准的四维精准门店评价。关于门店动态标杆，汉堡王中国实现了精准到店，精准到了每一个细节。以10个店为一个标杆组进行排名，洞察10个店的利润空间。结合观远数据的算法能力，汉堡王中国更加精准地定位了标杆门店，实现了在最有限的时间，review 最重要的门店。11关于营运底线标准，汉堡王中国为所有门店打上了既能够守住基本营运安全标准，又能够实现动态利润空间管理的标签。在打标签之前，汉堡王中国在项目 test 过程中，充分结合首批测试门店（First Follower）的实践，对比系统结果与传统认知，得到业务对项目落地的一致性肯定。最后展示几个经典的系统应用情况。第一，利润空间和标准底限最细颗粒度拆解从人力成本出发，可以看到员工兼职、全职，上三薪班、普通班，亦或者其他因素影响；从物料角度出发，能观察最小配料的情况；传统监督除了费时费力，只能在得出结论时让门店按照标准改善。在有系统之后，可以发现很多共性的数据，如果大部分门店做不到标准，问题可能出现在别处。例如酱料不标准，可能是浓稠度导致的，最该响应的是总部研发改良酱料和器皿，而不是让一线门店纠正执行。通过连接总部和一线，确认问题根源，做好利润空间。门店是利润的最小单元，但是不意味着门店是利润所有执行的唯一责任相关方。第二，门店诊断可信赖，知识库助力店长明改善、快成长在标签系统中，门店所有的关键指标由红黄绿灯展示，店面哪里做的好，哪里做的不好，一览无余。针对不好的问题，或者可复用的知识，系统里嵌入了基础专家知识库。大多数的问题，门店可在知识库里面找到行动方案解决，极大降低门店管理者技能门槛。数字化项目不是只解决商业问题，是要把商业和人共同连接在一起去促进。第三，激发潜能助力人才发展，自驱学习推动组织发展很多不一样的人，不一样的做法，产生了不一样的数据结果。一定要看到数字化背后的人，也一定要看到数字化能够对人产生的价值。数字化赋能看见更多的民间高手和机敏做法，相信没有人能拒绝数字化，大家都会拥抱数字化。孙晓鹿表示，“因为有了数字化，我在偏远地区小门店里做的一件对品牌有正面影响的小事情，被远在总部的领导看见了，不仅得到了及时的表扬，而且被鼓励分享、激励了更多伙伴，他有什么理由不去接纳数字化。”最后，回到“让业务用起来”的主题。很多企业在数字化推进过程中，会把推广作为最后一站。汉堡王中国不是这样，在推广时让首批测试门店发挥正向影响力，成为第一批拥护者，再要让大家创造体验和实证。其次，推广只是一个开始，还要去做到落地。传统的企业会做胡萝卜加大棒，但是汉堡王中国更多的是关注是那些不同的声音，可以告诉大家这个系统未来可以做什么，到底什么是业务真正重要和在乎的东西。最后，不只是关注人，也要校验成果。所有的数字化，最后一定要拿到ROI。这个过程中，效能实际上是共创出来，而不是由单方面的追踪和管理出来的。汉堡王中国孙晓鹿说道，“所以你要问我，让业务用起来，关注力放在哪里更具效能，我会告诉大家放在对人潜能的相信，放在对与众不同的好奇。”就像一颗植物，你把关注力放在哪里，那个地方就会生长。如果把关注力放在糟糕的地方、恐惧的地方、管控的地方、不信任的地方，不信任质疑也会蔓延、也会增长，在组织里会形成一堵高墙。可是如果把关注力放在激励、好奇、与众不同的开放，慢慢的很多人也会在这个过程中变的柔软，也会变的自然相互影响和成长。汉堡王中国与观远数据都相信：一、数字化变革与创新，是将一个个冲突转化成礼物的奇妙旅程。二、去未来创造价值的，从来不是数字化，而是一群心怀愿力、沉浸其中、放胆一试的人。12张亮集团：3个月从0-1快速落地数据分析能力，BI实现业务全流程数字化，观远数据帮助我们将人工经验沉淀为固化的系统规则，让我们的数据建设进入了系统主导的自动化阶段。，企业的数字化不仅要依托于信息系统的搭建，还需要能融合组织数字化、人才数字化、管理数字化的综合进程，打造围绕系统的组织架构，形成一套组合拳。，基于BI能真正为他们带来的效率提升，业务人员也更愿意积极地参与到BI建设中，进一步让企业的数字化基础建设能够真正落地在撬动业务价值的点上。精彩观点：张亮集团为什么要进行数字化建设？有外部驱动和内部驱动两个方面的因素：外部驱动张亮麻辣烫是2008年成立的，但前期我们内部运营管理信息化和数字化的程度和进展都相对缓慢。我们在参加各个行业展会或者对赛道、竞品进行调研时发现，餐饮行业外部营销信息化应用非常广泛，从中也发张亮集团旗下品牌张亮麻辣烫创立于2008年，经过十五年戮力耕耘，张亮麻辣烫迅速发展为集直营、加盟、研发、培训、设计、管理、服务于一体的全球餐饮连锁品牌，下辖28家分公司，拥有直营店100余家，连锁店面数量超过5800家，在业内树立了广泛知名度及高品质口碑。2019年开始，张亮麻辣烫正式启动全球化店面连锁的战略布局，先后在日本、美国、澳大利亚、加拿大、新加坡、新西兰、英国、韩国等10个国家的25个城市建立43家品牌门店，不断进行品牌升级，为辐射全球餐饮市场打下坚实的基础。内外驱动张亮集团数字化战略落地顾 超张亮集团技术运营中心-IT总监13现了我们亟待提升的部分。在行业市场整体蓬勃发展的环境里，我们的数字化升级迫在眉睫。在这种外部驱动下，我们的数字化升级需要短平快跑，甚至需要弯道超车，且不允许走弯路。我们在2022年选择跟观远数据合作进行数字化建设也是基于这个原因。观远数据在餐饮行业数字化实践上有非常丰富的经验，团队也非常敬业。过去一年里我接触了不下一百个供应商，对观远数据的能力非常认可。观远团队会主动催着我来推进项目，而不是要我催着他们。内部驱动张亮集团是“双总部”的模式，不同职能部门分散在哈尔滨和上海总部。像招商、供应链、财务、外卖等部门，非常需要数字化，通过数据驱动来优化跨部门沟通协同的能力。过去我们有双周会、季度会、半年会、年会等等大小会议，要让所有部门在会上报告数据，例如董事长在会上问现在门店数量的数据，董事长助理说需要最新的数据，就要找连锁经营的副总裁，再找连锁经营督导，再找到店长，一层层上报，整个流程冗长也耗时耗力。这种真实案例显示的是我们必须通过数字化建设打通业务全链路的数据流，提升内部经营管理效率。行业外部和企业内部共同驱动着张亮麻辣烫的数字化转型，我们将其提升到了集团战略高度，规划从0-1搭建数字化基础，并和观远数据合作，希望通过BI平台的搭建，以终为始推进信息化的快速建设，加速落地数字化转型。为了推动集团数字化战略，我们在过去一年里做了很多事情，包括组织架构的变革，将我们的供应链公司合并到集团体系内，还包括上线了大概10个信息化系统。做这些事情的过程里，BI都是其中一个主要的环节。例如组织架构变革后需要重新匹配账号，例如上线集团财务系统后要整合数据。观远数据帮助我们把2008年之后能拿到的数据全部进行了清洗，清除了信息孤岛，将割裂数据串联，放入BI进行统一管理，让我们实现了一体化分析。同时，观远数据也帮助我们将人工经验沉淀为固化的系统规则，让我们的数据建设进入了系统主导的自动14化阶段。例如过去我们的客服接到订单后有一个判断订货是否合理的“订货规则”，这个“订货规则”会通过25个步骤来验证订货是否合理、哪里不合理，这25个步骤是我们企业长期沉淀的人工经验。观远数据帮助我们将这些经验根据逻辑规则固化到了BI里，现在我们只要每个月通过BI定期输出给监管部门，就能知道门店的订货是不是根据规则来做的。随着数字化基础设施的建设，我们也很快步入了数据主导的精细化运营阶段，并开始进行智能化的探索，打造一些融合AI分析的产品。从0-1构建以业务为核心的数据分析体系接下来具体分享下张亮集团的数字化实践：第一，BI选型：多个业务系统同步规划进行我们在2021年12月决定要开始用BI，但当时我们的财务系统、电话系统、订货系统等等都在同步规划中，于是BI选型的时间就拖到了2022年3月开始，并最终在当年5月定下了与观远数据合作。合作敲定后，我们和观远数据一边做系统规划一边接入数据，一步步实施，到10月下旬BI一期内容正式上线，现在双方已经在探讨二期的建设内容。从2022年才慢慢开始接入10个信息化系统，到接下来还有10个系统的建设计划，开始数字化建设后，数据对于我们来说越来越重要，我们的BI看板也越来越多。第二，BI建设历程：获得决策层支持，深入挖掘业务需求回看我们上线BI的历程，首先牵头的是信息部门和财务部门。当时我们新来的CFO说，集团的生意做的很好，每年赚很多的钱，但是背后的一些数据逻辑却不知道。信息部门和财务部门都想去推进信息化和数字化的建设，但要怎么去跟决策层讲这件事呢？我们就开始倒推，我们肯定要做数据建设，我们就需要BI。我们做了一个BI的规划，这个规划里部分有数据，部分没有的数据就用个括号代替。董事长看的时候就会问为什么这些地方没有数据，我们就说规划是需要这些15数据的，但是因为条件不满足只能空着。通过这种方式最终让决策层也坚定了推动BI建设的决心。有了决策层的支持，业务部门也开始配合。这也有一个过程，我们第一次跟业务部门做BI需求调研时，业务反馈是完全没有需求，因为他们依然站在原来的角度，认为我这些工作就是用手工表就可以，或者这些数据是没有的分析不出来，所以提不出需求。但当我们和观远数据一起进行第二次业务需求调研时，我们拿着观远数据行业标准BI参考跟业务谈，谈完之后业务就开始知道想要什么，提出了很多需求。包括现在第三，BI深度应用：优先构建业财分析场景，已实现业务自助分析我们的数字化建设，确实是跟观远数据一起通过一个月的调研、思考、讨论，经过N轮会议之后一起做出了一期、二期、三期的完整规划。而且我很骄傲我们一期规划的内容完全上线了，骄傲的原因在于这个项目落地仅仅用了三个月，且是在所有业务都是异地办理的情况下。观远团队在杭州，我们的业务团队一部分在哈尔滨，一部分在上海，项目实施的过程中还经历了上海出行不便的两个月，所以项目落地实际所用的时间甚至还要更短。一期的项目建设，主要是随着我们集团财务系统的上线，把财务分析主题的内容全部做出来了，包括财务四大报表、各个公司的损益表等等。同时还基于我们的贸易体系，以及随着我们供应链系统上线，完成了贸易分析主题。过程中我对观远数据非常欣赏的一点在于，有一次我们从某ERP里拉出近240张表，要从这些表里抽出自己想要的数据，做技术的人都知道从海二期建设业务需求梳理，他们自己提出来了200多个需求的改变点，我们也不停地把手工表变成接口表，大幅提高了业务部门的效率。所以业务部门也跟我们反馈说我们找的供应商很专业，因为观远BI是真的有帮助到业务降本增效，也对整个业务部门的数字化应用思维带来了很大转变。最后是企业管理，我们现在会给高管很多看板数据，高层能够通过这些看板及时洞察企业整体经营情况，依据数据表现及时下达决策指令给业务部门，业务也可以在数据指导下及时调整运营策略。16量的表里抽数据这种事情非常麻烦。当时我们连续开了一周的会，观远数据根据我们的业务指标跟系统供应商一个一个对，帮助我们把这240张表里的业务逻辑抽了出来。其中还涉及到了账号的改变，包括历史数据的清洗、旧帐号的清洗、新账号的清洗，80%的工作量都在这里。一期还有装饰分析和加盟分析两个板块。加盟分析里包含了线索、成交、招商等各方面的分析，例如线索从哪个渠道来、跟进到什么阶段、怎么成交的，以及加盟门店的选址、洽谈、商务、装修、开店、转店等等，所有的状态都会在加盟主题中有体现。装饰分析板块是因为我们自己有装饰公司，会对装饰公司的ROI进行考核，在建的门店、装修的门店和完成的门店也都会在其中进行分析。今年我们会对装饰主题进行扩充，将装饰公司所有的财务数据纳入进来，以及它的库存和销售数据，针对装饰板块做一个财务分析主题。这两个板块其实可以说是我们自己做的。和观远数据合作的项目启动后，我们随着项目组一起成立了数据分析团队。团队成员都是当时刚招进来的非常年轻的同学，有的是大学刚毕业，随着项目的启动我们也开始给她们进行培训，到目前为止已经有同学通过了观远中级数据分析师的培训考核。所以现在装饰分析和加盟分析都是由这些新同学自己做。这也展现了观远BI的易用性，非常好上手。包括对数据管控非常严格的财务部门，财务人员现在可以自己用