数字化一直是消费零售行业的主旋律。

尤其是在过去两年，前端人群、渠道的瞬息万变，让快速迭代成为新品牌应对这种不确定性所必须具备的基本能力。而这种能力背后的数字化，也逐渐成为品牌增长乃至爆发的重要驱动力。

疫情让数字化再一次被很多企业提上日程，但除了直播、私域，大部分品牌对于数字化的落地依然感觉无从下手。“大量的本地数据散落在10-20套系统，以及各种业务人员手中的Excel、报表里，这是90%公司的现状。”

在这种情况下，品牌如何从底层规划数字化的路径？落到企业内部，如何思考数字化对于不同角色的价值？

观远数据创始人兼CEO苏春园围绕企业数字化的具体趋势、价值以及落脚点，进行了深度分享：

01

从流量时代进入效率时代

最近一年很有意思，大家都在谈论疫情，但现在国内疫情已经差不多稳定。我们说不要浪费任何一场危机，对于消费品牌，对于经营者来说，在疫情期间沉淀了什么？

大家可能想到直播、私域、全渠道等等这些概念。在疫情前期，确实也有一波品牌抓住了这些红利。但走到今天，所有的品牌都在尝试做微商、做直播。

当它变成人人都去做的事情时，什么才是可持续的红利？这里我分享几个例子，像Lily商务时装2月底就开始做直播，奈雪小程序下单也是在春节之后推出的，联合利华这种500强也开始加入到直播的行列。

但我想跟大家分享的是背后的数据化，前面的事很多品牌都会去做，但数据化只有那些意识相对领先的企业才会去做。

比如这里大家看到的，叫“人人都是带货王”，当一个企业发动全部员工，把所有人都变成微商，让所有人带货的时候。

怎么在第一时间，发现哪些是带货达人？哪些不同Level的同事，在他朋友圈的九宫格里，新品老品的搭配、选款产生了比较好的效果？他们在社群里面，有一些什么样的动作？

还有像线上跟线下，线下陆续恢复，同样的产品线上哪些渠道跟线下有不一样的表现？包括新旧货的分析，怎么用新商品去救活老商品，通过更大的折扣力度去强化库存消化等等。

我们一个企业可能会产生几百几千个KOC，每一个带货的员工，就相当于原来的一个渠道或店长，里面一定有一些人的能力、品味、促销方式比别人更好。

在疫情中，有一些比较领先的企业，就是在这个过程中每天不断地迭代，不断地进行带货分析，不断找到更好的带货组合，促销定价方式。

然后把这些好的方式复制给其他人，从运营、激励的角度做赛马，做各种内部分享，让更多人带货，提高带货效果的极限。

所以真正可持续的红利未必是前端的这些动作，而是在人货场里，把每一次促销、社群运营，以及每一次的商品选择，进行及时快速的迭代，然后不断发现新的增长机会。

无外乎还是围绕“人货场”，但这里面，从技术的角度我们看到一个正在发生的趋势，就是颗粒度在不断地细化。

以前大家可能每周开一次经营会，通过看上一周的表现，去发现商品、促销上的问题和机会。但在疫情带来数字化的今天，大家的意识都在加速觉醒，注意力回到了单店，甚至是单点上。

比如每次朋友圈促销，顾客购买的背后意味着什么？我们能不能抓住原因，去把它放大？然后看哪些商品，在什么群体、什么时间点适合做什么样的动作？

甚至每小时不断地进行线上测试，尤其在直播时，以小时为单位进行迭代，进行促销调整。

过去流量所带来的红利，包括最近的直播，都是一个非常快的窗口，更底层的是需要把流量精细化地用好。在同样的时间周期里，通过数据的方式、更细的颗粒度，去发现里面的增长机会，然后更快地去迭代。

这是我要跟大家分享的第一点，2020年已经从流量时代进入到效率时代，真正比拼的不是热词或者什么红利，而是精细化运营、智能决策以及快速迭代的反应能力。

 02

企业数据化驱动的三个关键角色

现在的消费品品牌和零售品牌，正在向智能化使用数据的方向做创新。以前大家做管理决策更多的是基于历史数据统计，比如用Excel、报表等等，它没法响应前面讲到的颗粒化的单店、单品、单客、单次的快速迭代。

未来的趋势一定是更加智能的分析与决策，比如说上新品之前就应该搭建一个分析的指标体系，先确立要通过什么动作，来达到什么效果。

在开始实施后，通过这个体系不断地发现各种问题与机会，及时地去调整和放大，甚至可以用来预测未来一段时间的变化，比如通过预测去发现需求端、电商端的异常，然后给出行动建议。

从传统的报表往更加智能的方向演进，是从2020年到2030年决策方式的变化。

每个企业和竞争对手最终比的是从CEO到一线，所有人每天做决策的水平，这些决定了公司的水平，所以如何更高效地做决策极为重要。

这里面有三个关键角色：

首先是一号位CXO，尤其是CEO。

第二是一线，能不能通过更傻瓜的方式赋能给前线，让他们快速地知道问题，不用特别动脑筋，就可以做出一些响应。

然后是分析师，数据分析师是一个非常重要的抓手，用他可以盘活数据，做整体决策能力的升级。

大家都知道数据很重要，但是不同角色应该关注什么，抓手在哪？

1、一号位：从周迭代到日迭代是如何实现的？

首先从CXO一号位说起，任何一个一号位都希望可以运筹帷幄，但疫情没法出去就直接导致了与一线的隔离，出于与一线进行连接的需求，疫情加速了数字化的应用，原先可能想做没有做的事情，现在给做好了。

很多CEO的办公室开始出现一个大屏，像上面这样的全国通览，我们叫空中巡店，从总部可以看到整个经营的神经末梢不管什么终端，都可以通过一层一层的穿透，在这个屏幕上表现出来。

这里面我们要思考的是，企业一方面要有一个数据载体，第二还要有数据文化。比如CEO把数据给各个部门的中层或者高管，甚至是整个前线，让他们知道一号位的决策逻辑和数据逻辑是什么。

尤其是渠道部和运营部，让他们知道自己的指标和CEO关注的整体指标之间的关系后，就可以更好地配合公司整体战略。

因为一号位非常透明、非常实时地在看这些数据，可以再放大数据分析和数据决策的作用。所以过去以周为单位的迭代，在今天可以变成每天迭代若干次，基于这样的逻辑，创新意识较强的一号位在快速拥抱这种方式。

2、一线：如何让95%的人复制5%的优秀经验？

第二是一线人员，他们是渠道的最终端，当所有人都在做一件事的时候，一定只有5%的人做得比较好，剩下95%都是芸芸大众。那能不能让这95%复制这5%的优秀经验？

假设我们有1000个导购，一定会有一些导购的做法更有参考性，去发现其中的规律然后推荐给更多人。

可能不同城市的做法不同，但通过算法、分析模型，可以找到最匹配目标群体的方式，本质上就是怎么给一线更多的赋能。

3、数据分析师：每天运行500个试验的背后

第三是数据分析师，这个在新锐消费品牌里很常见。

我特别建议团队里有一两位专门做数据分析的人，这个至关重要。以我们另一个客户小红书为例，它有超过3亿的用户，如果说其中有1500-2000万的活跃用户。

那这2000万活跃用户怎么商业化？如果说历史准化率是1%，怎样通过运营、定价、营销等方式，把1%变成1.05%、1.1%，只要不断地迭代增长，未来就非常可观。

所以，小红书有大量的数据工程师在不断地做实验，原来可能每天做50个试验，到现在每天运行的数量是500个甚至更多。基于有业务敏感度的分析人员，再加上数据分析平台，不断做增长黑客，来去驱动转化率的不断增长。

如果企业有数据分析师的话，能不能让他拥有快速迭代的能力是关键。

所以说CEO、前线和数据分析师，是企业数据赋能、数据驱动最重要的根据地。

03

数字化如何落地

在企业数字化路径中，我们有一个核心的观点叫：看三年做三个月。

整个快消行业的市场需求很复杂，还要考虑端到端的全链条，只凭单点能力已经不可能做好，现在要比拼的是各个环节的能力，尤其在整个竞争态势和消费者偏好都瞬息万变的情况下。

在这种复杂且多变的情况下怎么做规划，是不是用传统意义上的顶层设计，然后在未来两三年使用一个巨大的系统去做数据驱动？

一定不是这样的。大家可以规划三年的数字化路径，但同时一定要考虑未来三个月每个月做什么，一步一步做，因为时间没法等我们去做一个又大又安全的系统。

 今天有很多自有系统，也有第三方电商平台的系统，还有一些企业级的ERP，所以90%公司的现状，就是大量的本地数据可能会散落在10-20套系统里面。所以就需要把这些信息系统打通，整合到一个数据平台中。

 但对于公司早期，还没有上规模化的大数据平台或者现在经常提到的数据中台之前，怎么样去做数字化建设？

现在大量数据还是在Excel、报表里面，而这些又散落在各种业务人员手中，那怎么去做决策？未来到了一定规模后，又是否可以平滑的延展，支撑更大的业务规模和复杂度？

 这些问题尤其在新锐消费品牌上特别显著。如何“短长结合”来解决这些问题？

 04

新锐消费品牌的数字化实践

以元气森林、Babycare和三顿半这些我们深入合作的客户为例，解决这些问题的核心会分为几个方面：

第一，一站式打通数据，沉淀数据资产。第二，用数据来满足不同人员的决策需求，以自动化来提升效率。

基于这两点，我们提炼了5A路径的解决方式。

首先把散落的数据一站式接入平台，进行敏捷化分析。由于在平台上的积攒，它可能能够回答平时决策里最重要的50个问题。

在数据能够被看到之后，消费品牌就根据场景，看相应的指标，之后进一步拆解到业务，再看其中的因果关系。

有了场景的基础，再去套用或者借鉴一些领先的数字分析体系，让系统自动地去追踪，有异常的时候自动监测和反馈。

因此没必要让人每天就盯着一个手机，而且我们还有更重要的事要做，比如运营、战略讨论、管理，所以重复、监控的事情，就可以交给公司的自动预警系统。

随着数据越用越深，往后进入到更加智能的分析决策，在数据基础比较好的情况下，用AI增强和指导行动，给出辅助建议。

这是一个可以落地的数字化路径，回到每一个企业，可以看现在处于什么位置，或许这是一个三年的路径，但可以以三个月为周期去迭代，不断增强数据分析的能力，以此来配套业务的增长。

有了好的产品、好的技术之后，也要将它们应用到实际中，所以下面我举几个例子。针对消费领域围绕人货场、经销存跟财务，可能会有上百个场景，挑2-3个快速跟大家分享。

 第一个是线上营运。原来大家可能都用生意参谋，但今天大家都越来越清楚，做全渠道之后它只是其中一个数据源。那我可以使用更好的工具进行全站监控，同时检测不同的指标。

 第二个是营销活动的策划和分析。现在很多公司可能每天都做活动，但每个活动，你能不能都对它进行分析，而这个分析背后的逻辑是什么？

 比如围绕营销目标的达成，怎么把最近的活动，根据预估去拆解，不同人群应该贡献多少？后来有没有达到指标，核心的营销因子是什么，在这个过程中要投入什么样的资源，不同渠道应该怎么分配？

 然后活动做了之后再进行复盘，到底多少人参与了活动，转化怎么样，新品贡献度多少，ROI怎么样。所以这背后就是活动之外的另一个场景，原来可能做完活动，想要拿到一个活动的分析未必容易。

 但如果有一个更加场景化更加自动化的分析系统之后，就能够拥有快速迭代活动的能力，针对每一次活动更精准地提升。

 其实今年包括接下来的10年，一方面是新消费的崛起，但另外一方面各种不确定性也已经成为常态，即使没有疫情，消费本身也是瞬息万变的。

 这里面最重要的就是“数据内功”,基于数据实现精细运营、快速反应、智能决策。无论是500强头部消费品牌，还是新锐高成长的本土品牌，这都是未来几年最大的增长确定性。