消费品行业的BI+AI全链路运营:从消费者洞察到供应链优化
如今,互联网时代人口流量红利在充分教育市场后逐渐消失殆尽,零售消费品市场逐渐回归理性。在消费者购买决策这个受多重复杂因素影响的动态过程中,洞悉消费者行为数据,可助力消费品牌商更好地影响消费者。这个过程中,不可避免需要解决一些问题:
在数据采集接入的过程中,消费品企业数据分散在经销商、渠道和终端等多套业务系统,复杂的异构数据难统一,数据价值低,阻碍了数据深层次的探索与应用;
随后的数据管理开发里,数据处理依赖传统报表或Excel,随着企业数据量的指数增长,会出现数据查询慢、响应时间长、交互体验差等各种问题;并且数据管理人工操作效率低下,无法支撑管理者实时洞察业务数据指标,以及深度剖析业务发展问题的需求;
最后在数据应用上,企业缺乏指导式和探索式数据分析方法论,常以描述性分析为主,诊断式分析依赖经验无法高效直观决策;未来随着业务扩张和业务的个性化需求提高,传统的需求预测将难以应付当前市场多变性。
要解决以上问题,实现消费品行业数字化转型,一大落地关键点在于通过BI建设,实现企业各业务系统数据的统一管理与应用,全面提升企业运营效率和决策准确度;再基于AI技术进一步对沉淀的数据资产进行有效利用,让数据推演预测引导智能商业未来,为消费者提供优良体验和个性化服务,最后赢在终端实现整体业务的增长。
今天,我们就此分享联合利华、舍得酒业等消费品行业标杆企业与观远数据的联合解题思路,一同看看消费品企业该如何通过BI能力,更好让数据指导决策,驱动消费品业务增长。
01
打造BI+AI协同闭环
从多渠道需求预测到供应弹性的最佳平衡
有家就有联合利华
供需匹配是所有零售消费品牌普遍面临的难题,从销售端给出销量反馈,到渠道端、供应链端提出需求响应,最后到生产端安排生产,在过去,都是依赖管理者的行业经验和统计分析去做判断决策。而人工预测常带有主观色彩并且过于依赖于个人能力,经常出现误差较大的情况。
数据智能的发展,让一些前沿消费品牌认识到用数据辅助决策,用机器学习代替人工预测的重要性。根据BCG咨询公司与谷歌携手开展的一项研究结果显示,通过大规模使用人工智能和高级分析,消费品公司可以实现超过10%的营收增长。其中,需求预测对拉动企业业务增长的重要性排在了第一。
“AI预测”助力联合利华打造智能决策闭环。联合利华一直走在科技创新的前沿,具备超强的数据创新意识。此次与观远数据合作“AI需求预测”项目主要基于历史销量、日期、节日、商品、促销、仓库、销售终端等多种特征,以SKU为颗粒度进行未来四个月的销量预测。该项目打造了“数据获取-数据分析-模型搭建-数据预测-智能决策-新数据融入”的完整数据闭环,提高了销量预测、订货和出货计划的精准性,减少了人工决策带来的偏见,平衡了商品产量与市场需求。
AI预测不仅可以帮助零售消费品牌提高S&OP(销售与运营规划流程)整体效率,减少相关部门的人力资源和人工耗时。另一方面又能够避免人为需求预测偏差导致的商品产量与市场需求不相符的滞销或脱销情况。用更高效准确的市场需求预测赢得更多的决策反应时间,推动S&OP管理的良性发展。
通过“AI需求预测”、“AI智能补货”等“AI+BI”智能数据分析与决策解决方案,不仅可以助力零售消费品企业建立智慧供应链系统,降低商品在流通过程中的损耗;还可以准确判断进货量,减少断货/货物堆积造成的消费体验下降;同时,通过精准销售预测还原真实的市场需求,可以在很大程度上减少社会资源浪费。
无论是传统消费还是智慧消费,供应链管理都是重要的一环。如何挖掘和利用数据价值,用AI赋能零供关系变革,对消费品市场数字化转型升级中至关重要,相信联合利华与观远数据打造的AI需求预测能为更多消费企业的路径探索提供借鉴可能。
02
从0-1深度构建覆盖多业务场景的
一站式智能分析平台
舍得酒,每一瓶都是老酒
舍得酒业是“中国名酒”企业和川酒“六朵金花”之一。1996年,公司成为白酒行业第三家上市公司;2009年,成为第三家荣获“全国质量奖”的白酒企业。公司拥有两个驰名中外的白酒品牌,“沱牌”和“舍得”。经过二十年的励精图治,舍得酒业已成为业内领先的高端白酒企业之一。
舍得酒业基于观远数据一站式智能分析平台,打通了数据采集-数据接入-数据管理-数据开发-数据分析-数据应用全流程,涵盖观远数据Universe数据开发、Galaxy数据分析、Atlas云三大产品线,支持从基础分析到高级算法的一站式应用。
20年前的生意有一句话叫“得渠道者得天下”。在消费品等几乎涉及到全国或大范围区域营销的公司,都离不开“经销商”这个庞大而又实用的中间环节。很多白酒企业也是一样,需要管理诸多经销商,要如何做好管理?观远数据“一站式智能分析平台”中的“经销商管理”可以提供一定助益。
经销商管理,通常是基于一些指标将经销商分为各个等级,例如S、A、B、C、D等,并给予不同等级经销商不同的返利优惠等。
传统经销商管理仅仅拥有销售额、订单数等简单的指标,而观远数据根据多年服务经验,可以将指标进行更细、更全维度的升级,实现“经销商360度画像”的指标体系。该指标体系不仅包括了原有的销售额、订单数等常规指标,并深入添加了销售完成率、库存健康、订货健康等指标。如果仅根据传统销售额等简单指标,管理上可能不规范。例如一家年销50万货物的经销商,今年囤积500万的货,博取高评级,获取高额返利优惠,之后再通过窜货等不当手段把货物倾销出去。如此一来,极容易影响市场秩序,扰乱市场价格体系。
对于这种现象,很多酒企也有对应之道,可以通过自身一物一码的能力,一方面节省防伪成本,方便消费者查询真伪信息,另一方面能有效限制区域窜货、低价倒货等窜货手段。例如,当天津某经销商的50瓶白酒,却在北京被扫码了,这些数据进入观远BI平台后,触发预定规则后就会告警,并由工作人员核实,同时在经销商管理中调整经销商评级,达成经销商管理闭环。
03
让数据分析全面覆盖
财务、电商、销售全层次场景
基于观远数据智能分析平台,消费品企业可搭建全层次解决方案,覆盖财务、电商、百货、销售、爆品等多个数据场景,提供可视化看板、自助分析、移动BI、反馈填报、数据预警等触达方式,打通数据统一口径,助力实现企业智能决策。
电商数据分析场景第一步,也是最重要的一步,就是取数。电商渠道本身平台众多、后台繁多、数据源繁杂、取数过程繁琐、耗时、无脑、易出错等,使得每一家拥有线上业务的企业都对跨平台的取数与数据整合有着明确的需求。
大多店铺的业务人员为保证取数及时性,只取核心数据,同时放弃一部分繁琐的重要数据。即便如此,取完十余个电商后台数据,也至少需要小半天时间。通过观远数据提供的RPA自动化取数能力,囊括所有电商平台的全部数据,每日更新,业务人员彻底解决取数工作。
在有了充分、准确、完整的数据后,可以与BI系统链接起来,沉淀全网电商数据资产,有效提升业务人员决策的效率与质量。
04
数据指导决策
驱动消费品业务增长
通过以上实际场景应用,消费品企业数字化运营整体规划可以归结为以下三点:
多业务系统数据整合:对数字化建设进行规划,整合CRM、ERP、TMS、电商、零售、巡店、财务等企业信息系统数据源,统一数据口径;
核心业务场景赋能:对销售、商品、供应链、财务、市场等各个核心业务重要环节实现标准化和数字化,主题内部实现数据共享;
智能数据决策:助力企业构建精细化数据运营,打造企业智能决策大脑。
基于服务于联合利华、百威英博、元气森林、3M中国等消费品企业的深刻理解和丰富实践经验的沉淀,观远数据打造“消费品行业解决方案”,旨在为身处大数据时代的消费品企业提供,从供应链到消费者,端到端的一站式数据分析与智能决策解决方案,全链条打通企业内外信息系统的数据,并深度挖掘各环节,寻找有价值数据指导决策,最后驱动业务增长。