【解读】全域数据中台有效助力乳业数字化进程

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
简介: 数据清晰地勾勒出了中国乳制品行业的现状,规模大、增长停滞。这是一个成熟市场的标志,也是乳制品行业面临的第一个痛点——全行业正在进入“中年瓶颈期”。

前言:
更多关于数智化转型、数据中台内容可扫码加群一起探讨

668d7f5941782665ed1f41529db3eb677f4b9379.png

阿里云数据中台官网 https://dp.alibaba.com/index

正文:

中国乳制品市场是一个超千亿元的成熟市场。根据中国奶业年鉴数据,2018年中国乳制品市场规模达到3590.41亿元,同比增长-5.3%;总销量3099万吨,同比增长1.0%。

这组数据可清晰地看出中国乳制品行业的现状,规模大、增长停滞,这是一个成熟市场的标志,也是乳制品行业面临的第一个痛点。亿欧智库最新发布的《2020年中国乳制品行业数据中台研究报告》中也同样揭示了当前乳业面临的发展问题:增长、升级、多样化。

在已经过去的2019年国内乳企已经使出浑身解数:蒙牛持续发力海外业务布局全球化,新希望在低温市场找到发力路径,三元借势“肉菜奶”组合大打“食品包”,贝因美触电网红经济玩起社群营销……在激烈的市场竞争中保有甚至扩大自身那一杯“羹”。

而《2020年中国乳制品行业数据中台研究报告》则非常明确地认为,国内乳企曾经的单点数字化已经不足以支撑它们目前的发展。全流程、可快速响应的数字化方案将成为中国乳制品新的方向。
谁将成为这一新方向的推力?
同样是2019年,飞鹤、雅士利等国内知名乳业品牌纷纷拥抱数据中台,并逐渐成为乳制品行业数智化的一个方向。
那么,国内乳制品行业数据中台的实践效果如何?数据中台究竟有何魔力?

01 数据中台可以解乳业面临的痛点难题吗?
在解这个问题之前,我们首先要分析清楚中国乳业痛点具体表现在哪里?
目前中国乳制品市场液态奶占据95%以上比例,再细分来看,液态奶又可细分常温白奶、常温酸奶、低温酸奶、鲜奶、含乳饮料组成,细分品类众多。这将导致在每个细分领域,都会不断有新的企业进入下游成品奶市场,根据Mintel GNPD2018年数据显示,2013年-2018年低温酸奶、鲜奶、常温奶、奶粉四大品类汇总的新建立品牌数增速高达23.86%,激烈的竞争导致乳制品行业整体的利润水平较低,行业总体净利润保持在7%以内。
1.png
图片来源自《2020年中国乳制品行业数据中台研究报告》

尽管不同细分领域的竞争较激烈,但总体的市场还是较集中的。
2018年伊利、蒙牛、光明、飞鹤四大集团总收入超1800亿元,占据整个乳制品行业的半壁江山。因此,对于集团公司来说,如何管理旗下众多品牌,以及不同品牌衍生出的生产、供应链、营销的综合管理问题;而对于小型公司来说,如何优化企业运作效率,从敏捷高效的管控流程中创造利润是其主要难点。

当然,由于电商、新零售的普及,乳制品行业的渠道也发生了很大的变化,2005年杂货店占据了中国乳制品渠道的50%,但如今只有不到1/4,并且还在缩减;蚕食该渠道的主要是网购和低温便利店;而大卖场和超市这么多年依然稳坐另一半渠道江湖。
2.png
图片来源自《2020年中国乳制品行业数据中台研究报告》

零售渠道的演变是一个逐步规范、集中和可控的过程,因此目前的乳制品企业都试图更好的控制销售渠道,更加接近消费者,这就产生了另一个重要的痛点问题,即如何更好地管理渠道、更好地链接消费者?
一边乳制品企业还没很好的了解消费者,同时消费者偏好的变化速度正在加快,因此品牌、产品的更新速度也得同步加快,如何掌握这个节奏?如何更精准的了解消费者的需求?
在《2020年中国乳制品行业数据中台研究报告》中,亿欧智库总结了乳制品行业面临的三大痛点:增长、升级、多样化
** - 增长指的是总体销售额增长乏力,处在存量竞争阶段,如何获得新的增长?

  • 升级指的是乳制品行业总体利润较低,行业如何不断寻找新利润点?
  • 多样化指的是渠道、品牌、产品的多样化使得乳制品市场竞争加剧,如何满足产品快速迭代、服务快速响应需求。
    **

实际上每一个问题都没法完全依靠数字化解决,但是数字化能为其提供新的方案和路径。如针对增长问题,精细化运营是个突破口,而精细化运营的基础就是数字化的程度足够高;针对升级问题,全域优化、品类升级都是新突破口,其中全域优化就是数字化层面的问题;针对多样化问题,加强消费者端的数字化建设是重要的基础。

根据《2020年中国乳制品行业数据中台研究报告》,中国乳制品数字化进程基本完成重要环节(如质量安全、供应链管理)的信息化,但各个系统的数字化程度不一、数据资产孤岛化,与消费者的连接较弱;同时中国乳制品进入了寻找新增长、等待升级、适应多样化的新阶段。

但是,在增长、升级、多样化的痛点前面,基于单点的数字化已无法满足需求,因为痛点背后是精细化运营、全域优化、快速响应的产业需求,因此全流程、可快速响应的数字化方案将成为中国乳制品新的方向。

《2020年中国乳制品行业数据中台研究报告》认为,数据中台能有效助力乳制品行业全域+敏捷数字化发展。讨论数据中台这个概念的时候,阿里巴巴的观点则不容忽视。

作为这一概念的首创者和实践者,阿里巴巴对数据中台的定义解释为:数据中台是集方法论、组织和工具于一体的,“快”、“准”、“全”、“统”、“通”的智能大数据体系。
这也进一步证实了亿欧智库分析师们的研究。亿欧智库的分析师认为:数据中台的构建基于新的技术、理念和方法论,可解决传统数仓的系统建设问题,有效适应新变化,是企业数字化系统迈向数据智能的重要演进之路。
3.jpg
图片来源自《2020年中国乳制品行业数据中台研究报告》

回到最初的问题,乳制品行业在迈向数字化过程中数据中台确实是它们在此间解决痛点的不可或缺的助力。

02 数据中台通过什么来助力企业数字化变革?

按照通俗的说法,过去乳制品行业企业走过的是内部信息化的过程,其中对数据的存储、管理和使用也随着信息化程度在发展,我们姑且称这个过程为数字化变革的过程。

数字化的背后有两个重要的组成部分,一个是技术、一个方法论,技术是指数据库、数仓所依赖的技术方案,而方法论在于乳企如何管理数据、如何提炼数据价值、如何让数据更好赋能企业发展,这需要企业管理思想、行业know-how、组织架构和员工参与度等多方面因素共同影响。

早期企业的数字信息较少,通过部署数据库以及少量开发人员就可以满足简单的业务支持分析,但对着数据量变大,多层级部门的日常操作、分析在多类型、多个数据库之间进行,使得数据的抽取和访问显得错综复杂,会产生较多问题,如数据分析结果缺乏可靠性、数据处理的效率很低、难于将数据转化为信息等蜘蛛网现象。

随着数字化程度加深,企业数据量变大,操作和分析对象变多,传统数据库系统会产生“蜘蛛网”现象,数据仓库、OLAP技术成为主流解决方案。

但目前独立的、固化的、有限的决策支持系统已经无法适应业务快速发展的需求:

  • 首先,传统数仓ETL过程基本依靠人工,且一旦开发完成,数据承载和储存能力的提升将会耗费很长的时间,花费更多的成本。
  • 其次,传统支持决策系统的使用者还是高层管理人员,没有针对具体的业务运营人员的使用渠道,难以适应未来精准化运营的需求。
  • 再次,触点的增多、业务灵活性增加对数据的弹性能力要求增加,数据决策系统需要适应敏捷的业务模式。
    同时,传统支持决策系统各自是独立的,如基于AI、数仓以及各部件的支持系统,随着业务复杂度上升,目前的架构无法满足更多跨系统的决策需求。

因此,必须构建一种基于新技术、理念和方法论的新型数据智能管理系统,才能更好的满足乳企现阶段的发展需求。
而根据《2020年中国乳制品行业数据中台研究报告》,亿欧智库认为数据中台是企业内支持高效构建全域数据资产、敏捷赋能多类业务、智能服务全流程人员的新型数据智能系统,能够满足现阶段乳企全域+敏捷的数字化需求。

亿欧智库在《2020年中国乳制品行业数据中台研究报告》中还特别提及了来自阿里巴巴专家们对定义的深度解释,“数据中台是区别于传统数据仓库的智能大数据体系,帮助企业实现好数据、联商业和通组织”。

作为数据中台的最佳实践者,阿里巴巴将这一概念以标准化产品和解决方案的形式落地,通过“阿里云数据中台”赋能企业。
阿里云数据中台主要分为数据资产化数据价值化,并通过环环相扣的产品来实现这“两化”——负责智能数据构建和管理的Dataphin主要实现数据资产化,负责企业用户增长的Quick Audience组织智能决策的Quick BI则致力于数据创造更多价值。

值得关注的是,上述这些产品和技术都来沉淀自阿里巴巴本身十余年大数据行业经验,这也使得这些产品在理念和能力都处于行业引领者位置。以Quick BI为例,它为云上用户提供的智能BI服务,在全球知名机构Gartner最新年度 ABI魔力象限报告中,它是为国内首个也是唯一一个进入该领域魔力象限的BI产品,其领先优势毋庸置疑。

通过系列的产品矩阵,叠加阿里云数据中台基于行业属性定制的业务解决方案,共同来推动乳制品行业企业的数字化变革,帮助乳企实现更大的业务智能。
4.png

图片来源自《2020年中国乳制品行业数据中台研究报告》

03 数据中台给乳企带来的阶段性变化在哪里?

《2020年中国乳制品行业数据中台研究报告》显示,乳制品行业数据中台目前主要聚焦消费者连接环节,逐步向产业链中上游环节渗透。数据中台在消费者连接部分将销售和营销打通,所有触点、流程数据通过中台自动ETL转变成数据资产存放在企业内部数据库中,数据资产实现了统一管理,数据可融合可回传,支持全层级人员进行精准运营。

从亿欧智库调研情况来看,阿里云数据中台至少已在获客、转化、留存多个方面体现价值,未来同源、敏捷、预知、倒推、双向等数据能力将深入生产和供应链,形成全链条优化基础上的开源节流。

前文提到的乳制品四小龙之一的飞鹤集团就借助阿里云数据中台实现了阶段性的进展。经过调研、走访和深度访谈,我们了解到飞鹤数据中台分三阶段进行。
目前已完成第一阶段的建设:第一阶段已消费者服务及终端门店销售为核心,规划了九大业务场景,分别是营销域、交易域、公共域、商品域、会员域、渠道域、财务域、日志域和物流域。
主要为了实现:有效将客户留存运营,深入存量用户运营,全力赋能线下业务、助力导购,实现客户跨业务引流、转化、留存等需求。

目前飞鹤搭建数据中台获得同源、敏捷、预知、倒推、双向等数据能力,真正实现精细化运营、数据反哺业务。

另外,根据亿欧《雅士利:以火箭的速度往前跑,数据中台已经触动组织的变革》一文中,提到雅士利利用阿里云数据中台所提供的品牌全域数据中台解决方案,一共挖掘了5个业务场景:导购场景、门店场景、积分场景、营销活动场景、会员场景。

2019年双11,雅士利通过数据中台,营销提效实现了去年同期增长92%。而旗下的新生羊奶粉品牌——朵拉小羊也实现了从0到1的成长突破,在2019双11期间,实现了消费者总量增幅达74倍,目标GMV完成率118%,主推单品销售提升1000%+。

当然,类似于所有信息系统解决方案,企业采用的最终效果跟企业的认知程度、重视程度、员工认可程度高度相关,尽管如此,数据中台还是给了乳制品,乃至于竞争激烈的消费品、食品饮料行业一个新的发展方向。

更多关于数智化转型、数据中台内容可扫码加入数智洞察社一起交流哦

5.png

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
存储 分布式计算 供应链
聚焦全域数据价值,用友BIP 3 “自驱力”数据中台浮出水面
聚焦全域数据价值,用友BIP 3 “自驱力”数据中台浮出水面
|
存储 搜索推荐 数据挖掘
LinkFlow CDP科普篇05:客户数据中台,当代数字化营销的顶梁柱
客户数据中台(CDP)的出现,打破了现有的SaaS营销栈格局
201 0
|
城市大脑 达摩院 监控
阿里云交通数据中台解决方案,打造“数字化生产力”
在交通行业中,阿里云不仅具备成熟的方法论和工具,还联合高德、支付宝、阿里达摩院等,构成了一个内部协同生态,外部也积极与生态伙伴展开合作,全方位渗透交通各个领域和场景,是建设智能计算和催生智能分析的引擎。
阿里云交通数据中台解决方案,打造“数字化生产力”
|
新零售 存储 人工智能
复盘|数字化转型,鲁商集团从数据中台“下手”
从2019年确定转型方向到今天,鲁商集团真切地感受到了数据中台搭建完成后,对企业管理多层面的提升。对鲁商集团而言,数据中台的搭建,好比夯实数字化转型的基础,下一步才是转型的目标:利用数据中台释放出来的数据能力,反哺到各业务条线。
704 0
复盘|数字化转型,鲁商集团从数据中台“下手”
|
供应链 数据可视化 数据挖掘
解决方案应用实例 |搭载数据中台引擎,香飘飘实现数字化转型
香飘飘通过与阿里云数据中台合作,形成一套全域数据中台解决方案,统一运营自身的全域消费者资产,最终在拉新上实现了3.5倍的增长。
419 0
解决方案应用实例 |搭载数据中台引擎,香飘飘实现数字化转型
|
机器学习/深度学习 供应链 小程序
解决方案应用实例 |良品铺子借力数据中台,全面推进数字化战略
阿里云数据中台零售行业解决方案帮助良品铺子打通各系统数据,并且统一出标准口径,更好地向前端业务和消费者进行赋能。未来,数据中台还将改变良品铺子的组织发展重心和方向。
931 0
解决方案应用实例 |良品铺子借力数据中台,全面推进数字化战略
|
双11
解决方案应用实例 |全域数据中台,推动雅士利数字化变革
2019年双11,雅士利通过全域数据中台实现了短期快速提效的扎实效果,营销提效实现了去年同期增长92%。而旗下的新生羊奶粉品牌——朵拉小羊,更是利用品牌全域数据中台,实现了从0到1的成长突破。数据中台为雅士利提升业务带来了切实效果。
344 0
解决方案应用实例 |全域数据中台,推动雅士利数字化变革
|
供应链 搜索推荐 数据挖掘
解决方案应用实例 |基于全域数据中台,迦蓝实现数字化营销
2020年双11期间,伽蓝集团通过数据中台在全域营销和市场精准洞察上取得明显效果,其中包括天猫旗舰店粉丝数突破2000万,相比引入数据中台之前,全渠道会员数增长了1倍,达到4300万,粉丝数更是达到3.5亿,增长了10倍。
391 0
解决方案应用实例 |基于全域数据中台,迦蓝实现数字化营销
|
供应链 算法 数据管理
解决方案应用实例 |数据中台“开天眼”,波司登实现数字化新起飞
数年前,波司登遭遇了奇怪的现象:有的地方库存积压,而有的地方却无货可卖。后来接入了数据管理,全国的生产销售行为实现一盘货,波司登实现了数字化时代的新起飞。但人们并不知道,波司登背后的那个数据专家是谁?正是阿里云数据中台。
660 0
解决方案应用实例 |数据中台“开天眼”,波司登实现数字化新起飞
|
新零售 人工智能 供应链
进击的数据中台,企业数字化转型的新引擎
数据中台赋能企业数字化转型,成为降本增效新引擎。
14851 0
进击的数据中台,企业数字化转型的新引擎