零售业是世界上最古老的行业之一,也是一个国家最重要的行业之一。零售的历史可以说伴随着人类的发展史,每一次变革和进步,都改善着人们的生活。
曾几何时,一个组织、一个企业的发展是靠一个CEO 的英明决断决定的。但在越来越复杂的社会分工、组织结构、上下游配合的现代性商业体系中,单一依靠英明领导决策已经愈发困难。而相对应的,基于细颗粒度、广域数据的智能化算法形成的智能推荐和辅助决策,正在扮演越来越重要的地位。从人治到数治,对于传统零售来说,是一种根本性的变革,也为零售商和品牌商的经营、组织和管理方式带来了质的飞跃。
人、货、场三要素在零售行业的重要执行毋庸置疑,但是Trax在实施AI方案时,针对三要素存在的问题却屡见不止,其中发现几个典型的问题:
1、SKU清单难整理。虽然绝大多数品牌有自己的ERP系统,其中包含产品的基础数据,但是看起来这这个数据的维护频率和维护粒度还不足以支持所有的业务需要。在实施AI项目时,SKU清单是一个非常重要的资料,整理时的来源往往是多份文档的集合,可能来自于市场部,可能来自于IT部门,其中还有很多差异信息及重复信息。
2、门店数据准确性受质疑。首先从门店照片中发现经常会有业务照片重复或者高度相似的问题,也就是同样或者相似的照片会出现在两家门店的业务照片中。排除一些不合规操作,我们也会发现经常会出现同一家门店的重复录入,特别是在重叠区域或者新老业务员交接期间。
此外,还有一些典型的问题就是区域性产品信息难以传达到总部,总部在收集SKU信息时就非常困难。还有,在数据看板展示时,由于产品信息不一致和门店信息的重复,会导致一些指标偏移,可能给管理层和决策层带来不确定结论。
基于以上种种发现的普遍性问题,Trax提出了企业基础数据治理的理念,并提供相应的解决方案及平台产品。AI解决方案对货、场的数据需求粒度及属性,让我们非常注重这两类数据的管理。同时,我们希望能够从根本上解决企业货、场数据混乱的问题,并推动更精准可靠的数据应用。
由此,Trax将企业货、场数据治理的必要性与价值简单概述如下:
1、规范基础数据录入,减小数据粒度,全面支撑各业务平台的数据需求
针对商品数据管理,Trax提出以可见包装为最小粒度的SKU管理,并且Trax PDM系统提供产品的标准展示照片及360度外观展示(类似SKU的3D图),结合Trax 图像识别引擎,我们能够时刻关注每一款SKU的货架表现及上架、下架的进展情况。同时我们也会帮助品牌建立竞品信息库,帮助品牌更丰富的了解市场变化并及时作出应对策略。
针对门店数据管理,Trax通过图像识别技术,针对门头照信息进行比对,新增门店时的门头照作为门店的重要信息并与指定区域的门店信息进行比对,从而确定门店的有效性和唯一性。同时Trax利用可靠的门店地址库平台进行地址的有效性验证,进一步规范门店地址的标准化和真实性。
2、统一基础数据,多样数据视角
以终为始,企业数字化变革的目的最终还是希望通过数据来驱动各业务部门的业务开展,一份纯净的基础数据是数据分析的基石。基础数据统一后,我们发现基于统一的基础数据和统一的货架数据分析出来的结果更容易被各部门接受,通过数据看板不同形式的分析,无论从一线执行还是高层管理,都能够认可数据带来的结论,各层级也能够及时看到策略调整带来的变化。
从人治到数治,从粗旷数据到精细数据,给零售业带来的变革不再是一种小打小闹的局部创新,而是一场真正意义上的革命。依据数据的、高频次程序化决策是未来细颗粒度管理时代的主要节奏!
毫无疑问,在这场数治革命中,AI扮演着极其重要的角色。为什么要使用AI?谁会使用AI ?AI又有哪些优势和局限性?下篇《零售数字化发展史(二):AI在数据治理中扮演的角色》将为您详细解答,敬请期待。
