--以数据的智能驱动零售行业的数字化转型

当下，零售行业的动荡日益激烈，新思维的碰撞也蓬勃而发，数字化转型已成为传统零售企业迫切希望寻求的变革之路，从O2O到OMO，从流量争夺到流量运营，从新零售到无界零售…理论和名词层出，但零售企业的困惑和迷茫却只增不减。这是一个变革的时代，几十年来的企业管理理论和国外的最佳实践，都无法给出答案。于此，TalkingData基于大数据的生态能力，以数据的智能为入手，以技术平台和咨询服务为合力，提出了D2D方法论，帮助零售企业稳步实现数字化转型。

D2D，TalkingData数字化转型方法论，从“数字化”到“数字化”，以业务数字化为起点，以效益数字化为节点的数字化运营闭环，迭代上升，全面提升数字化能力。

从三个层面，来看D2D的实现路径：

1. 跬步和千里-起节点的设计

起点：以业务的数字化为起点，拆解人货场的数据元素，厘清交互的流转数据，将业务比特化。传统方式下，以ERP、CRM的内控驱动的零售经营，以财务绩效指标为衡量企业产出的唯一因素；物质化的资产作为生产支撑工具，与业务的运营有较为清晰的分割；不管是以产定销还是以需定产，对于消费者的评估和市场的预测，都基于较为粗放和单一的逻辑；前端的设计、生产、供应链，到后端的市场、销售、终端，单向的业务链条难以形成前后端的有效整合和互动。

如今，在互联网和大数据的驱动下，从交易到交互，再到公开市场，企业对于消费者的洞察具有更为全面可获得的数据，将数据视为资产运营，并成为贯穿企业运营的承载主体，其战略意义已经超越传统的资产范畴。因此，全域触点建设尤为重要，将“人货场”的元素拆解，并建立关联；主动采集各交互流转的数据，形成数据资产的流动；通过工程化、标签化、模型化的注入，形成数据资产的价值运营，以实现全触点互动、全链路体验和全渠道的融合。

节点：以效益的数字化为节点。追求“效率”和“收益”的平衡和共进，以小的闭环验证，替代以往长周期归因的方式，快速循环、迭代和稳固提高产出价值，是数字化转型策略执行的关键。

效率的提升：数字化转型的前期更侧重于夯实基础，效率的提升为主要的目标。数据资产的建设、数字化平台的建设、数字化决策基础能力的建设都是垒以变革的基础。TalkingData在某零售企业的数字化转型变革中，通过前期的数据诊断评估及优化，从无到有的建设线下数据采集触点，实现近1万家门店，800万的线下客户数字化。并建立数字化平台，集成数据、模型和指标体系，形成营运决策的自动化闭环链路。同时，在效率产出阶段，投入营销活动的闭环实践，验证人货场的关联，以产消者为核心的向上向下驱动链路中，“人-货”、“人-场”的组合轮动模式，继而形成人货场的互动整合、元素重构。

收益的提升：经营目标的提升可以说是零售企业追求的“终极”目的，这一环节与销售端的价值创造能力息息相关。从消费者经营角度，提升消费者价值转化的漏斗，提高收入，降低成本，是提高收益的三个重要内容。构建潜在目标客户群体，提高从潜在会员到会员，再到高价值会员的漏斗转化，降低休眠和流失会员比例，使会员价值分布上移，构建良性的会员结构。并在交易环节，以更丰富和贴近的营销策略，提高客单价，降低销售成本，提高ROI。

起节点的交互和一致亦很重要。以业务的数字化，实现效益数字化的产出；并根据效益的数字化，反馈和优化业务数字化的执行，以及指导业务数字化的布局，保证两者的协同。

2.实现路径的“四化”交互

数据资产化、分析模型化、应用场景化、流程自动化是起点到节点的实现路径，通过“四化”的能力构建，最终实现智能化决策，智能化组织。

数据资产化：业务的比特化和重组的过程，将拆解后的业务数字元素，整合为可以支持企业经营，并能够持续化运营的数据资产。这一环节，需要企业在组织变革中进行较为彻底的转变，强调对于数据的采集、回笼和运营，并纳入每次营运策略制定和考核的核心内容，以长期经营资产的心态去经营数据，才能保障数据的资产化和生态化发展。

分析模型化：以机器算法与专家知识结合，提升效益的扩展能力。建立以业务场景出发，到业务场景验证的模型化分析闭环，实现数据价值的不断深入挖掘。在这一过程中，大数据的处理能力、OMO下的数据整合建模能力、客群细分和洞察能力、算法模型的验证和迭代能力，以及与专家知识的结合是关键。以大家熟知的RFM模型为例，经典的RFM模型以交易数据和频率为主要建模指标，但TalkingData通过补充线上线下交互数据，将RFM模型升级，增加到访频次和到访停留等指标，来实现更为精准的人群划分，精细化判断营销策略组合中的优化方向。同时，TalkingData数据科学团队构建的潜在客户挖掘模型、关联模型、客户流失预警模型、场景感知模型、销售预测模型、选址模型等，都开创性实现了在一三方数据整合的基础上，以人货场元素的拆解和关联，并借助TalkingData的海外在线平台优化，形成从D2D（从数字化到数字化）到D2AI（从数字化到AI）的提升。

应用场景化：以产消者为核心，结合智能触点的核心扩充能力，重构业务数字化的应用方向。在今天全新的“人货场”三位一体的融合架构中，“人”的演变尤为突出，消费者从过去只参与交易环节的顾客，变为现在参与设计、生产、营销、交易全过程环节的产消者（Prosumer），在完成对产消者的数字化洞察之后，如何设计对其的运营策略是应用场景化阶段要解决的问题。同时，触点的智能化趋势，已经将原有的线上线下各种触点智能化，随着硬件设备、边缘计算、IOT成本的日趋下降，无人货架，无人超市等均成为智能化触点，对这些触点的铺设和运营极大提升业务场景化的可能。因此，零售企业需要将“人货场“的标签体系与消费的原始驱动力结合，将智能触点设计融入“人货场”的互动体系，设计如即时消费与家庭计划型消费、常态式运营与触发式运营等不同场景归类下的细分场景，组合智能触点、数据模型、指标/标签、营销渠道，形成场景化的运营方案，并根据每次场景运营结果，优化组合轮动适配，调整下次策略的制定。

流程自动化：业务流程和系统流程的自动化，是“四化”的承载。（1）业务流程，与传统的变革管理中组织变革、流程重组BPR不同，数字化转型的组织优化在于分割、交互、回归与自循环，即更为清晰的分割机器的能力与人的能力，并建立两者的良性交互，将人的作用回归到主观性、创造性与决策性判断上，并建立组织的自我驱动和自我优化能力。（2）系统流程，搭建数字化平台，实现对于大数据处理能力、分析洞察及建模能力、预测能力、智能交互能力和营运闭环能力，以及与传统企业一方系统平台的对接，来实现对于海量快速增长的结构化/非结构化的数据处理需求，以及对于算法模型的优化，和AI等新的零售技术的应用支持。

3.闭环、迭代和持续优化

数字化转型是一个目标和变革的方向，不能一蹴而就。以企业的基线出发，以诊断和评估入手，制定转型的阶段性目标；从起点到节点（而不是结点），实现四化能力的构建，并建立闭环反馈机制，每次迭代形成新的基线，并指导下一次的策略。将传统企业的转型与互联网的经营思路相结合，以基石的稳固和小的闭环迭代快速推演、优化，才是数字化转型的正确实现方式。

实践。运用TalkingData D2D方法论，TalkingData形成数字化转型的整体解决方案，从数据、平台、咨询层面，为零售企业提供一体化解决方案，驱动传统零售企业以数据的智能构建技术的智能、组织的智能和决策的智能，稳步推进数字化转型，并构建可以持续化发展的能力。

某服饰企业：基于TalkingData SmartDP产品平台、数据服务和咨询服务（数据工程咨询、数据分析与建模、数字化运营），帮助此传统零售企业，在线下门店精细化运营、业务数字化、精细化数字场景营销，O2O战略落地等方面，构建数字化转型能力。在一期项目建设中，建立了线上线下闭环运营平台、补充TalkingData三方数据能力，建立基于数据的运营模型，并指导业务营销活动。后续将在联运模式上共同探索。

某餐饮集团：基于TalkingData数据科学平台、用户管家应用、统计分析平台等技术平台，结合TalkingData三方数据能力，及咨询服务能力，构建数字化平台，盘活数据资产；支持精细化运营，提供决策支持，以及实现集团的移动战略转型。后续将在业务应用价值场景下深入合作。

某3C企业：基于TalkingData数据科学平台、用户管家应用、客流运营平台等技术平台，结合TalkingData数据市场，及咨询服务能力，实现线下门店的精细化运营管理、会员数据的整合和打通，精准化数字营销场景的构建，以及集团O2O战略的落地。最终帮助企业实现数据的资产化，营销场景的数字化运营和流程的标准化。后续将在更丰富的场景化运营和O2O数字化营销角度展开合作。

某连锁零售集团：对集团的便利店、餐饮等零售业态的数字化运营进行评估，对效益指标进行分解，并制定数字化转型策略，基于TalkingData的数据能力、算法能力和运营能力，实现前后端产业链条的集成，企业经营决策的优化和微生态圈的打造。