着手“小”投入、速见效、实应用、易运营,才能实现大产出 | 观远数据COO鲁伊莎
8 月 4-5 日,以“数字未来、价值创新”为主题的 CGCA 2022 中国消费品行业 CIO 大会在杭州顺利召开。大会现场一众优秀品牌展示了极具创新力的产品、数字化案例、先进技术及解决方案等等,共 600+ CIO 汇聚一堂,力求推动消费品行业创新发展,展望数字化美好未来。
观远数据联合创始人&COO 鲁伊莎受邀参会,带来了《让业务用起来的数字化运营实践》主题分享。她表示,“消费品企业数字化要着手‘小’投入、速见效、实应用、易运营,才能实现大产出,真正赋能业务。”
以下为鲁伊莎分享实录:
观远数据自 2016 年成立以来,已经有了 400 多家行业明星客户。在服务客户的过程中数字化道路漫长坎坷,所以我们坚定要做一家能够长期陪伴客户的公司。服务好客户,陪伴好客户,就是观远数据存在的意义。
如何面对不确定环境影响?
最近我们经常跟大家交流一些行业相关问题,比如在整体外部环境不确定性增加,疫情常态化影响下,如何通过数字化投入提高 ROI?如何让数字化投入真正赋能业务?如何以数字化的以用户为中心,从而得到用户的满意和认可?
答案是大道至简,我们在和客户互相陪伴的过程当中,发现解决问题的核心就是以终为始,分步构建。
早期阶段,快速上线很重要。在具体实践当中,整个过程要让业务一起参与进来,让业务共同主导,才能找到真正撬动业务价值的点,从而快速上线。
在此基础之上,通过运营的方式,不断去扩展更多用户和场景。我们有一家头部客户,在过去一年里数据分析平台年度增长活跃用户数将近 3 万。这其中历经了诸多的运营方式迭代,才有了现在的成果。
将数据分析、数据驱动用起来了,也有了用户和场景,未来还可以再做什么?过去几年,很多客户朋友们以及我们的服务团队都在探索 AI 场景。从过往经验来看,真正的能够落地的 AI 赋能有两大本质特征,第一是以数据为中心,第二是真正跟业务领域相结合。如此一来,它才能在特定的、有限的场景里面取得更好的业务价值。如果不是这样,我们可以看到市面上 90% 以上 的 AI 尝试,本质上都是以失败告终。
从这个角度来讲,我们总结了五个消费品企业在做数字化投入时可以考虑的特征维度,分别是“小”投入、“速”见效、“实”应用、“易”运营,以及最后的“大”产出。
“小”投入
“小”投入更多指的是聪明的投入。我们内部经常说观远数据提供的数据分析与决策平台产品,更像是 Meta Product。为什么这么讲?我们真正去用这些国内外的数据分析平台,发现在引进了工具之后还需要投入大量的人力。因为要在 Meta Product 上面去构建内容,这些内容才是真正能够连接业务,解决业务的诉求和问题的智能产品类型。
很多组织和企业在过去的很多年里,因为内部系统很多且繁杂,再加上多个品牌、供应商,以及各种历史问题,最终产生了诸多版本的差异。如此一来,企业在数字化转型过程当中,想在系统之上做数据驱动的项目时,就不得不先去解决这些棘手的问题。
从零售消费行业而言,为了应对近些年诸多线上渠道发生的变化,我们搭建了很多高频数据运营场景实现了开箱即用,即插即用,稳定运行。这种方式还能够让业务在构建内容之前,就能感知到这个分析场景可以解决什么类型的业务问题。
在整个电商板块,观远可以做到小而聪明的投入,从而实现小步快跑,快速上线。以上是一个例子,从“小”投入的视角,我们可以找到更多的场景切口,快速提升 ROI。
“速”见效
接下来是“速”见效。我们接触过很多新锐品牌客户,最近几年生意崛起都很快,也看到很多成熟品牌在孵化新的业务,这些新的业务板块增速也相当快。这时大家面临的问题是当业务每年都在爆发式增长时,数字化怎么既能跟上爆发式增长的业务诉求,同时又能兼顾中长期主线。相当于既满足短期需求,又可以满足长期诉求。我们需要做到的是整体架构组合,又具有相当的灵活性,才可以兼顾短中长期的架构演变诉求。
在数字化的过程当中,能沉淀可复制的人的能力到系统里面,才真正能够支撑业务快速增长,能够为组织和企业提供最大价值。
举个例子,我们有一个新锐饮料品牌客户,他们每一个员工都会有一个数据平台的账号,是和 OA 账号一起开通的。我们可以在每一个场景里面定义员工应该在什么样的角色下,去使用什么样的数据。慢慢地,大家会将数据平台当成 OA 工具一样掌握,从而具备数据运营能力。
做这件事情,关键在于要从赋能 IT,转变成帮助 IT 赋能业务;从固定报表,到能够真正的赋能决策;让繁忙的表哥表姐,变成让业务用户真正用起来。
“实”应用
观远在服务数百家零售消费的客户过程当中,我们发现了一些“数字化洼地”。即便是年营收超过百亿美金的消费品巨头,在做计划的时候,还在使用一堆 Excel 提报。这些提报覆盖了上千个 SKU,再加上众多的部门,最终提报计划的数据堆在 Excel 里,已经超百万。
诸如此类的问题还有很多, 比如数据不准,版本特别多,而且版本数据还要经过整个价值链的上下游协同。就连最基础的,怎么能保证参考数据是准确的,怎么保证新版本能被客户的上下游看到,数据如何保存等问题都屡见不鲜。
在历史过程当中,一个计划经历了多少版本,才能成为公司的一个决策往下实施。在计划执行过程中,跟实际的偏差到底有多大,能不能及时给到业务部门,有能力去准备数据复盘?都是值得思考的问题 。
原来即便做到了百亿级别的生意,大家还是以很传统的离线方式在处理。BI要做的是在数据分析的基础上,怎么能够多走一公里,去解决大家基于数据平台的协同问题,成为让业务真正用起来的一个场景和杠杆。
最后,我们跟客户们一起协同将场景提炼出来,尽量地产品化,最终实现降低应用成本的核心目标。
再举一个例子,常态化的疫情导致了市面上一些线上预测模型失效,这和技术能力高低无关。但是帮助业务真正解决基于数据协同的计划助手。这是能够在特殊不确定性环境下,持续帮助大家维护高效率协同的一个利器。
“易”运营
刚才提到,价值最大化就是要在各种各样场景之下,真正把它用起来。那怎么能够让大家用起来?不管是零售消费品客户,还是说金融行业客户,怎么才能用一年的时间,让活跃用户在数据平台上从个位数增长到上万级别?
所以在运营当中,我们需要考虑 3 个维度的事情:
第一个是对于传统的数据开发者,要怎样解放他的能力,让现有的人发挥更高的效率,同时降低门槛接纳更多的人一起来做这件事情。
第二是要解放每个数据消费者的注意力。从决策层,再到一线业务需求,都是数据消费者。原来数据消费者需要一层层去看、去查询,去做记录,我们要让他们能够解放注意力,尽量让他看应该看的,可以是推送的方式,或者结合数据解释的方式,都可以让他专注应该看的内容。
第三是如何赋能数据管理者。平台上业务/数据分析师有几十个或者一两百个,再到上万个数据分析师,数据管理者需要考虑的问题维度会完全不一样。支撑超大规模活跃用户体量的时候,我们要考虑企业级的多域管理模式及数据安全管控,比如数据脱敏、异构数据的打通,从而做到权限管控有抓手,数据监管有手段。
从一个活跃用户到一千、一万,再到数万,每一个阶段需要考量的整个数据体系,产品或者技术能力以及需要配套的机制都不一样。这些阶段就是大家对数据应用成熟度的认知迭代。只有打好数据基础,我们才有可能用更先进的生产力,去结合数据和场景的内容,把认知 AI 的技术真正成熟落地。
“大”产出
最后是“大”产出。我们常说星星之火,可以燎原。当我们让更多的人、更多的角色能够在整个平台上有机地协同,能够真正用起来的时候,数字化才会变成一个助推器,支撑品牌“以消费者为中心”的品牌创新、营销创新和渠道进阶。在不同的链路上,使用合适的规划和手段,以及运营不同阶段的运营和培养机制,才能达成端到端的全链路数字化运营的赋能。
分享的最后,鲁伊莎表示,“基于服务联合利华、百威英博、元气森林、3M 中国等上百家消费品企业的深刻理解和丰富的实践经验沉淀,观远数据期望为更多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,寻找有价值的数据去指导决策,最后驱动业务增长, 才能真正实现让业务用起来,让决策更智能。”