出品/联商专栏

撰文/韩子仑、石亦曾

指导/王斌

在经历多年的连锁扩张和电商冲击后，实体零售业在2020年再次经受了疫情的巨大冲击，后疫情时代的实体零售已进入转型深水区。

前几年赶时髦，时常把“O2O、新零售”等新概念挂在口头的某些企业，非但没有杀出一条血路，反而出现了举步维艰的困局，甚至不得不靠着抛售资产艰难度日。

当然，绝大多数实体零售企业虽不至于此，但同样面临着客流下滑、销售下降、成本上升和利润锐减的窘境。以《联商网》对2021年一季度百货业经营数据分析来看，与具有可比性的2019年相比，业绩普遍下滑20%左右。

面对困局和窘境，实体零售业亟需尽快找到转型升级的方向和路径，但同时又不能“急病乱投医”，盲目跟风追逐热点。从失败的案例来看，盲动的后果可能还不如“躺平”不动。可如果真的“躺平”，在变化如此剧烈的市场环境下，落后就要挨打甚至被淘汰，同样也是必然的结果。

在“动与不动”的两难选择中，我们有必要把自己所处的行业和企业放到国家未来的发展战略规划中去思考，从中汲取力量，寻找方向。

在“十四五规划”和2035年远景目标纲要中，国家已明确提出了“加快数字化发展”的建议，要求大力发展数字经济，推动数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。

作为第三产业的重要组成部分，实体零售业是否可以在未来五年的产业数字化浪潮中寻找到突破困境的契机，或许是行业从传统低效走向智能高效的起点？

本文从实体零售“业务数字化”切入，提出以下五个问题，并逐一作出解答：

• “业务”如何实现“数字化”？

• “数字化”是否等于“数据化”？

•  如果不等于，怎样才能“数据化”？

• “数据”如何才能“业务化”？

• 数字业务化后如何才能“数智化或智能化”？

也许在系统思考清楚上述五个问题后，实体零售“业务数字化与数字业务化”就自然有了答案。

01

电商格局趋稳

厘清两个概念

什么是“业务数字化”？是以计算机或网络能感知、识别、采集和存储的方式，将各类业务活动中产生的信息规整为可统一处理、统一分析和统一使用的“数字化”信息。

什么是“数字业务化”？是以“数字化”信息为基础，通过与传统运营管理经验和知识的结合，解构分析出“数字”的内在关联关系，并进一步改进优化运营管理的过程。

“业务数字化”是“数字业务化”的前提与基础，“数字业务化”是“业务数字化”的深化与延伸。“业务数字化与数字业务化”是一个螺旋上升持续改进的过程，业务产生数据，数据助力业务。

“十四五规划”中国家只是提出了大的战略方向，却并未就如何实现“业务数字化与数字业务化”的具体方法，这需要各行各业及所属企业因地制宜，大胆创新和探索，寻找到适合自身特点的实现路径。本文以百货业为样本，全面阐述实体零售业“业务数字化与数字业务化”的实践体会及心得，以期引起同行思考和探讨。

02

“业务”如何实现“数字化”

一是业务数字转型。百货业务数字化，是将现有各个业务流程环节通过信息技术手段全部实现“数字化”，让企业经营管理活动最终彻底摆脱手工操作的束缚。实体百货的构成三要素是“人、货、场”，在“数字化”方面三者的内容和表现形式存在较大差异，却又密切关联。其中：

“人”包括消费者和导购。在消费者端，现在绝大部分百货企业利用微信、支付宝或者APP等自建工具，已经较好地实现了“数字化”。而员工端，越来越多的企业已经意识到了导购的重要性，并逐步将导购“在线化”，作为企业数字化运营管理的重要环节，辅助以激励机制上的创新，部分企业尝试利用销售分佣机制积极挖掘品牌商导购的销售潜力。

“货”即是“商品”。由于百货的“货”售出前只是在“场”内陈列，所有权仍归属于品牌商，这使得“货”的“数字化”成为一个看起来容易，实际却涉及主导权利、利益关系的复杂问题。投入与产出的不对称性，使得“货”的“数字化”在现实中显得尤为困难。没有“货”的“数字化”为基础，百货的在线销售就无从谈起，基于“货”的供应链协同更是痴人说梦。

“场”即是销售的空间和场景。随着顾客消费更加习惯于“在线化”，百货的“场”也必须快速实现线下线上多渠道同步运营。一方面，需要通过“数字化”手段，将原有“开票、支付、促销、退货、物流”等线下业务环节由手工转化为“电子化”；另一方面，要建立起线上销售的能力，最好能够与第三方平台无缝对接，将线上流量导入线下卖场，发挥实体百货现成的“人”与“货”的天然优势。

现在行业内对具体如何实现上述三要素的“数字化”存在两类误区：

第一类误区，认为只要用计算机手段，把现有业务重新实现一遍，即将业务流程和操作环节由手工操作改为计算机软件或设备替代操作，就等于是“业务数字化”。

第二类误区，认为只要搭建起一个小程序，或者上线一个APP，然后利用这些“数字化”工具与顾客互动，或者在线销售商品、发送电子券，就是“业务数字化”。

如果思路不正确，传统企业在推动“数字化”进程中，会出现“多做多错”的情况，投入巨大，却见效甚微，甚至出现“亏损”的局面。有一家消费品企业，在上市时即将 “数字化”作为企业转型升级的重要抓手。但在“数字化”推进三年后，该企业的年利润由上市之初的盈利一个多亿，到了2020年的亏损一个多亿。也许不能把企业转型陷入困境全部归咎于“数字化”，但近几年在数字化方面的“all in”式巨额投入使得企业成本高企也是不争的事实。难道“数字化”错了吗？当然不是！

“数字化”无过，问题出在“思维方式”错位。

错位一：将“销售业绩增长”作为“业务数字化”的首要目标。单纯地把目标聚焦于“销售”、追求“流量”，采取电商惯用的“补贴”方式，在自建的小程序或APP上开展在线销售。短期内销售业绩可能呈现一定增长，但与此同时各类运营成本激增。一旦“补贴”取消，流量就自然消失，为维护数字化运营的团队和系统却要持续投入，表现出来的结果就是“业务数字化”拖累经济效益。

错位二：另行建立独立的“数字化”工具，新工具与现有业务割裂，非但不能产生协同效应，反而是重复投入，相互制肘。比如许多企业建立的网上商城，往往是另外搭建一支经营团队，使用另外的网上商城系统开展在线销售，线上线下价格不统一，自己的线上业务对线下业务产生分流效应。

错位三：以零售商单一视角推动“数字化”，很少甚至没有考虑到其他各方(消费者、品牌商、导购、企业内部后台部门等)的利益。“业务数字化”只是考虑如何增加零售商的销售业绩或者降低成本，但对于品牌商和导购人员来说，是工作量的增加，甚至是利益的流出，后台工作量的加大，使得“业务数字化”只能利用零售商的市场优势地位或高压管理的态势推进，参与者没有持续执行的动力，这样的创新和变革就很难持续下去。

以“货的数字化”为实例，来说明如何实现“业务数字化”的帕累托最优。

对于百货业来说，“货的数字化”在“人、货、场”三要素中难度是最高的，百货虽然卖“货”，但在售出前并不拥有“货”的所有权。即便是行业头部的数字化领先企业，“货的数字化”完成率也仅为85%左右，只有极个别企业做到98%以上。为什么会这么难呢？主要还是思维方式的不同，决定了“数字化”实现难易程度的不同。

既有的“货的数字化”思维方式：

由于百货业多年来经营上早已习惯了各自为政，良好的经营业绩已经使得百货业习惯了从自身立场出发思考问题。在这样的“路径依赖”指引下，每家百货店在进行“货的数字化”时，都提出了自己独有的“数字化”编码规则。品牌商为了做销售，不得不按照各个百货店各自的规则对“货”进行编码，再由专人录入信息系统。

对于一家百货店来说，一个商品对应一个编码，本没有错，也确实是实现了“货的数字化”；然而对品牌商来说，自己生产出来的一个商品在N个不同的百货店内因为编码规则的不同，在“数字化”后却成为了N个不同的“货”，无形之中形成了“千店千码”的“数字化”结果。这样的后果是，不同的百货店都在辛苦地开展“货的数字化”，却是重复劳动，做的人越多，数字化成本越高。

如果“货的数字化”完成后，短期内看不到销售业绩的改善，从事相关工作的一线人员士气就会受到打击，“货的数字化”变成了大家共同的包袱。同时，“千店千码”的“数字化”结果，使得同一件商品无形中变成了N件商品，随后销售产生的数据没有“统一”分析的可能性。

新型的“货的数字化”思维方式：

那么，是否存在以降低各方成本为前提的“货的数字化”方法呢？经过对现实业务的研究，加上新型数字化技术和手段的运用，这种低成本高效率的方法是存在的，只是需要百货企业调整既有的以自我为中心的思维方式。

品牌商的每件商品在生产出来后，都有自己的条形码，这是在生产出来时就必然会编制完成的，如同人在出生时即拥有的身份证号码，这是每件商品在进入供应链环节的唯一识别码。零售商要抛弃“甲方思维”，在自己的信息系统中，建立起以商品唯一识别码为基础的“货的数字化”信息，并采用互联网的“共享经济”思维，建立起“货”的公共信息库(可以称之为“商品云”)。

每位导购都可以是“商品云”的建设者，每家百货店只要将自己的业务系统连接到“商品云”，无需重复投入，就可以享受“货的数字化”成果。未来还可以进一步推动品牌商与百货店的信息系统打通，在商品生产源头即可完成“货的数字化”，并实现全供应链共享。

思维方式的改变，使得既有思维主导下的“千店千码”改变为“千店一码”，“货的数字化”参与各方负担大大减轻。如果仍是有N家门店，“货的数字化”成本将由N变成了N分之一，N的值越大，分摊的成本越低。如果未来能实现全供应链共享，“货的数字化”成本将趋近于零，真正实现了各利益相关者的“帕累托最优”。

完成上述“业务数字化”后，是否就可以实现“数字业务化”？实际情况并没有这么简单，“业务数字化”需要产生“数据”来推动“数字业务化”。按照常规的方法，是对业务活动产生的数据进行整理、清洗，然后才能成为真正可用的数据。

03

“数字”如何实现“数据化”

“数字化”是否等于“数据化”？

“业务数字化”只是完成了业务活动信息的“数字化”存储。

一方面，此时的数字是非标准格式的数据，是不统一、无规律、较分散的。定义是什么？逻辑是什么？业务人员不知如何识别，难以开展数据统计与分析，更无法发现隐藏其后的本质问题。

另一方面，百货企业往往拥有多个业务系统，由不同供应商提供，各系统间数据不关联、不共享、不全面，普遍存在“数据孤岛”现象。在分析某个指标时，需要跨越多系统进行查询汇总，“数字化”协同效应不高，甚至导致经营管理费用增加，决策效率低下。

显然，业务的“数字化”还不等于业务的“数据化”。那么，怎样才能“数据化”呢？

“数字”存储后，更重要的是使用，只有真正能应用于业务的“数字”才能称为“数据”。“业务数字化”的下一步便是要实现“数字数据化”，通过对“数字”的清洗、整理、编码，使原始数字变为业务上可识别、可使用、可分析的数据。

一是从“低效数据”向“高效数据”转化。结合业务需求，选取目标数字，通过统一的规范标准进行整合处理，汇总成格式标准统一、能够量化业务的数据指标。

依然以“货”为例，对不同商场而言虽然同一品牌商品的编码在供应链中实现了统一，但不同品牌之间，在面料、颜色、尺码、规格等商品基础信息方面，由于不同品牌商的商品内在编码规则是不一致的，仍存在“千牌千码”的现象，汇总成格式标准统一、可量化、可分析的业务数据指标仍需要花费大量的成本，因此这些在分析上有价值的数据却成为低效数据。

以颜色为例，不同品牌商根据自己的理解对颜色的表示进行编码设定，如“白色”，在现实的分类中就存在WHITE、white、W、白、bai……等n种表示方式。对于人而言，我们可以通过主观认识将其归类为“白色”，但是对于计算机的二进制编码而言上述n种表示方法就成为了n种颜色。此时的数据不具有统一性，这类“低效数据”也就不是可供分析的 “高效数据”。

这里需要找到一个通用且公认的标准来对各品牌商的颜色码进行“转码翻译”。即以国际标准的pantone色卡为基准，将各品牌商的颜色编码与pantone色卡建立对应关系表，然后通过计算机将本来不统一的数据，在整理和清洗后，形成设计、生产、销售等各环节都能统一认知的标准颜色编码。经过上述转换，将本来的“千牌千码”变成了“千牌一码”。

以上仅是以颜色为例，相对于面料、尺码、规格等基础信息，也可以采用同样的思路进行“转码翻译”。在此基础上生成的“高效数据”，实现了与不同主体、不同渠道、不同门店、不同商场的“商品”基础信息共享；可以精准分析顾客需求，有效降低费用，提升利润水平，并推动供应链上下游的协同发展，至少可以助力实现效率上的“三个优化”。

1、设计优化。商品数据中可提取出畅销款式与颜色，设计师便能分析市场情况与顾客偏好，优化款式、颜色与面料这三大服装设计要素，做出与顾客需求匹配度更高的商品。

2、生产优化。有了精准的尺码数据后，就能将其转换为具体的身高体重数值，从而了解客群体型，订货时不再凭经验“拍脑袋”，而是通过数据指导生产结构与订货决策。

3、配送优化。不同地域的消费需求存在一定差异，品牌商可结合商品数据，针对不同区域的顾客特征与购物习惯，对各专柜进行配货结构优化。

二是从“数据孤岛”向“数据融合”转化。在“业务数据化”后，许多百货企业也在思考如何将数据业务化的问题，但是由于各类信息系统建设周期不同，甚至建设主体不同，大量数据处于分散分布的状态，“数据孤岛”现象成为业务数据化后的另一个“数据壁垒”。

许多企业或进行内部自我摸索，或转向外部专业人士合作，希望通过实施数据中台，上线智能BI……来实现“数据融合”。可以通过“一个平台”与“两个统一”的方法，来完成数据体系化集成，为进一步开展数据分析与决策创造了条件。

1、一个平台。基于业务流程，经过加工、整理与融合，将数据系统性地组织起来，重新构建一个综合性的数据平台，实现全面化、结构化、一体化的数据展现，更好地辅助业务人员理解数据、分析数据。

对于百货企业，既可从经营场所维度关注不同门店的经营动态；也可从业务条线维度查看营运、业务、招商等部门的运营情况；还可向下钻取细分，查看不同楼层、各个岗位的分析指标。最终将品牌商、商品、顾客等企业经营核心要素以清晰的数字、多样的维度、生动的图表集成于一个平台，掌握全方位立体化的企业运营情况，实现经营决策的“在线化、移动化和智能化”。

2、两个统一。即统一基础数据来源，打通MIS、E-MEC、客流、租赁、CRM等系统，对海量、多源的数据进行统一采集、计算、加工，将每个业务“孤岛”有机串联起来。“人、货、场”数据的整合统一，将员工从收集数据、整理数据等低效事务中解放出来，进而把时间精力花在最有价值的业务分析与决策上。

统一分析指标主题，清晰梳理现有业务逻辑，明确指标维度与统计口径，避免由于多头定义现象导致的认知歧义问题。同时结合业务需求，围绕实际场景，对分散于各系统的数据进行主题模块的重新搭建。在模块可复用的基础上，员工无需反复切换系统界面，由统计转向快速分析，开展多维度、多场景的运营分析及预测。

04

“数据”如何才能“业务化”

数字完成数据化后，又出现了“只看不用”的现象，即堆砌了大量数据与图表，却只是浮于表面、一看而过，没有进行深入的思考分析，更没有将数据价值应用到业务上。

其实，数据并不是终点，而是另一个起点，即将数据分析结果再次应用于业务，回归经营本质，驱动业务增长。就像沃尔玛经典的“啤酒与尿布”(超市里购买尿布的消费者往往同时购买啤酒)案例一样，数据不仅能让我们追溯过去，更能把握当下，甚至预测未来。

怎样才能发挥数据价值，实现数据驱动业务增长呢？关键在于数据分析。人的经验在很多情况下是不准确的，数据分析则是一种较为客观准确的手段——明确分析目的，梳理逻辑框架，采用适当方法，找出业务规律，最终产出基于运营数据的业务洞察、数据模型与运营策略。数据分析既能为企业的传统业务带来增量机会，更有机会拓展和衍生出新的业务增长点，为企业发展提供全方位赋能。下面介绍两种“数据业务化”的思路：

一是数据分析后的再业务化。单一的数据没有分析意义，多个数据组合才能发挥最大价值，并再次应用于业务。我们可以通过探索式数据分析，运用对比、聚类、关联等分析方法，对已有数据进行拆解组合，寻找揭示数据之间的相互关系、特征规律与分布模式，从中获得业务洞察，并以此为基础开展后续的精细化运营。

以会员运营为例，“业务数字化”的长时间积累后，企业沉淀了大量高质量的会员数据。这时便可以运用数据分析方法，根据会员的基础信息、行为信息以及消费信息为其建立并打上特征标签，再通过不同标签组合完成对客群的细分，感知会员行为与市场趋势，从而实现对不同客群的有效触达与精准营销。

其中，RFM分析是一种经典的数据分析方法，通过提取最近一次消费时间(Recency)、消费频次(Frequency)、总消费金额(Monetary) 这三个标签，将每个标签分为高低两种维度，构建象限坐标系，把会员按价值细分成八个不同特征的群体。RFM分析通过多个数据的组合，揭示会员的分布特征、价值状况和创利能力，为业务人员提供精细化运营的事实依据。

二是数据与理论结合后的再业务化。探索数据规律时，还可以结合经济学、会计学、统计学等理论知识，构建用于经营决策的数据模型——运用科学的原理和方法来研究和优化业务，降低决策不确定性,最大化业务效果。数据模型结合相关理论公式，将数据以结构化的形式有序地组织起来，并寻求一个用数量表示的最优化答案，使业务问题由定性分析逐步发展为定量分析。

以盈亏平衡模型为例，联营模式决定了百货在定价促销时，往往希望加大促销力度以吸引顾客，而品牌商则希望获得尽可能低的扣点，这时就需要双方之间进行博弈。然而，近年来商业环境的巨变导致传统供应链分崩离析，如何更好地分析零售商供应链关系成为摆在百货面前的业务难题。这其中涉及到许多财务理论，可以将经营数据代入“盈亏平衡点”的理论框架进行运算，精准计算出博弈双方的利益平衡点。这样在商务谈判时，百货店可以做到“心里有底”，对谈判的风险情况及对各个因素不确定性的承受能力进行科学预判，力争以毛利额最大化为前提开展定价和促销。

上述“数据业务化”的实质是将业务经验、知识转化为有效的决策模型，将人们从手工归集信息且凭经验决策，推动走向实时数据展示和高效智能决策。实体百货业未来的发展方向，应该是将业务经营活动通过“数字化”与人工智能、5G等前沿技术深度融合，从而实现“业务数智化”。

05

 “数字化”如何实现“数智化”

理想状态，是通过“机器学习”不断优化现有业务模型，从而对整个“业务数字化与数字业务化”持续优化，最终达到“数智化”及边际效益最大化。

“数智化”是知识传承。

什么是“机器学习”？人类的学习是一个人根据过往的经验，对一类问题形成某种认识或总结出一定的规律，然后利用这些知识来对新的问题下判断的过程。“机器学习”与人类学习相仿，通过数据的输入，根据各式各样的算法进行整合，最后得出适当的模型并对其进行不断优化，利用模型对新的情形给出最优的判断。

机器学习最为出名的案例是“AlphaGo”——战胜围棋世界冠军的人工智能机器人。它的成型，首先便是通过三万多幅棋谱的输入作为基础；通过算法自我学习整合得到增强的策略网络，探索哪个位置同时具备高潜在价值和高可能性，最后决定最佳落子位置。实体百货的“数智化”，就是要在“数字业务化”的基础上产生海量数据，通过计算机程序与人们多年来积累的经验、知识相结合，打造出符合百货业务的“AlphaGo”。

“数智化”是模型优化。

以精准营销为例，目标是在消费者中形成最优的“价格策略”，即形成消费者效用最大、营销费用效率最优的营销策略。在“业务数字化与数字数据化”过程中，日积月累留下的各类数据，如消费者特征、购买商品等，都是机器学习的基础。随之对不同特征的消费者群体制定个性化的营销策略，实现“千人千面”便是“业务数智化”。这样周而复始，模型本身不断优化，数据达到动态平衡，实现计算机的自我学习，得出最优的营销策略结果。不同的消费者得到了对自己而言效用最高的优惠，而企业又将营销费用效率达到最优，最后提升企业的边际利润。

不仅是精准营销，还有前文所述的“盈亏平衡模型”，以更加精准商务条款提高商务博弈的有效性；依靠“数智化”，百货企业还可以建立“费用模型”，使得各项经营管理费用的边际效益最大化；“数智化”还能帮助企业建立其他模型，帮助企业持续改善各类关键经营指标，并最终实现净利润的巩固和提升。

06

业务数字化与数字业务化

需要全行业共同努力

“数字化”探索对任何一家企业而言，都将是巨大的费用支出。在“业务数字化”层面，要尽量“标准化、统一化、共享化”，如建立行业通用的基础信息库，有效降低各家企业的“数字化”成本；而在“数字业务化”过程中，则要以数据确权和信息安全为前提，尽可能“个性化、多元化、在线化”，发挥出“数字业务化”的溢出效应。

建议由政府主管部门或行业协会牵头成立行业数字化联盟，推动全行业乃至整个供应链共同推动“业务数字化与数字业务化”进程，具体可以从以下四方面着手。

一、建立“商品云”。通过“业务数字化”，行业数字化联盟可以推动实现“千店一码、千牌一码”，构建起具有行业特点、可共享、可下载、可复制的“商品云”。每家百货店都可以通过“商品云”有效降低“商品数字化”成本，并以此为基础实现设计、生产、配送等各管理环节优化。

二、建立“分类云”。商品分类也属于行业的公共基础信息之一，国家税务总局现有4000多个商品分类编码，但在实体百货业的使用过程中还远远无法满足需求。可在现有国家税务总局商品分类编码体系的基础上，更加细化商品分类，这将有助于行业建立起统一的商品分类“数字化”规则。

三、建立“标签云”。在零售业的数字化标签方面，以往人们较多关注的是“会员标签”，这在不同的零售主体之间，标签体系也是千差万别的，如果能有一套通用的“标签体系”，并实现行业共享，对百货业的大数据分析将产生更大的推动作用。同时，还可以建立“商品标签”、“卖场标签”等多维度的公共信息标签体系，未来的大数据分析将是建立在海量数据基础上的智能化分析。

四、建立“图片云”。可与品牌商共建“图片云”，采用共享经济模式，品牌商负责商品的统一拍摄、处理、上传，百货企业只需支付极少的成本即可获得图片下载权限用于在线展示。品牌商可以统一传播最佳的品牌形象，百货企业则不仅能够获得高质量的商品图片，还能大幅降低图片数字化成本。

这四朵“云”将为百货业提供具有通用属性的“柴、米、油、盐”，如何利用这些公共资源做出数字化的“美味佳肴”就看各企业自己对业务理解深度和应用能力。

有人说，新的时代值得用“数字化”将所有的传统业务重做一遍，但是简单的“数字化”重复再现是远远不够的，更需要大胆创新，小心试错，尽可能将人工智能、大数据等新技术与实体百货业深度融合，才有可能激活实体百货已经略显僵化的机体，并浴火重生。

当今时代，几乎每个企业都在“呐喊”着大数据是未来的趋势，未来是大数据时代，但是真正能够过滤乃至分析数据的企业却凤毛麟角。

对此，联商网知了壳将举办《企业如何应用大数据精准营销及数据分析》培训公开课，课程涉及到的内容有企业的数字化管理、互联网数字营销、产品经理的数据分析模型等。同时，还有精彩案例解读以及参访上海漕河泾印象城的机会。欢迎报名参加！