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。”