當很多企業還在糾結是否數字化、下多大力氣數字化時，已經有先行者將看似紙上談兵的理論落地，開始建造屬于自己的數據大腦。

如果數據成為企業的大腦，如何持久地保持這個大腦的開放性和學習性，將成為考驗企業的新問題。行業正在覺醒。當很多企業還在糾結是否數字化、下多大力氣數字化時，已經有先行者將看似紙上談兵的理論落地，開始建造屬于自己的數據大腦。

一路走來，蘇春園和他創辦的觀遠數據既是冷靜的旁觀者，又是切身的參與者。在談起“數據”相關話題時，蘇春園似乎可隨時隨地進入狀態，他想深入觀察和參與零售業的數字化歷史進程，也想讓數據大腦真正地變成零售企業的標配。

行業認知的升級和變革，使得扎根零售數字化和智能化的企業和平臺一波又一波涌出，看似炫酷又高大上的“黑科技”不斷地給行業注入強心針，但是在這場漫長的零售業升級進程中，數據究竟將扮演何種角色？行業是否真的迎來了得數據者得天下的時代。

觀遠數據創始人&CEO蘇春園

精耕細作是前提

此前，億邦動力曾獨家對話觀遠數據創始人兼CEO蘇春園，詳細了解其提出的5A戰略。

觀遠數據將自己定位于智能數據分析平臺，5A戰略是其數據分析與商業智能解決方案的具體落地途徑，即AI+BI（Business Intelligence）。根據介紹，5A戰略可拆分為5個部分進行理解：

1、Agile-敏捷化，從核心場景切入，構建基礎數據分析體系。

2、Accurate-場景化，梳理監控指標，對商品、營運、市場營銷、進銷存等數據監控和運營。

3、Automated-自動化，對全鏈路進行自動處理與監控，分析業務變化。

4、Augmented-增強化，用算法幫助企業進行復雜場景的人工智能應用。

5、Actionable-行動化，分析異常產生的原因，提供可行動的建議。

而這五個階段好比建樓和打地基的過程，“心急吃不了熱豆腐”，必須循序漸進。企業要從積累數據開始，再到分析數據，最后將所有數據“為我所用”。其實，數據好比一座半掩埋的金礦，只能看不能用的數據并不能發揮真正的價值，而觀遠想幫助行業真正地挖掘出這座金礦的價值。

“目前核心抓手就是數據，大家應該先來挖掘數據金山，把現有的數據有價值地利用起來，再開始重點考慮創新。”蘇春園表示。

蘇春園向億邦動力反復強調了精細化運營的重要性，這可能會成為零售業數字化的分水嶺之一。“過去幾年中，所謂的數字化大多停留在粗放地管理經營。從今年開始，零售企業一定要進入精耕細作的階段，開始精細管理。通過數據去監管到單店、單品、單客、單SKU和單時，這是真正要做的事情，其他都是概念，企業一定要把精細化管理作為重中之重。”

能一蹴而就的變革并不能稱之為變革，零售業數字化同樣適用于這個道理。零售漫長的發展史，也使得數字化階段不可能做到一次到位，這將經歷一個過程，對于不同行業不同企業來說，速度或快或慢，但都是必經之路。

蘇春園判斷，隨著企業內部業務的不斷調整，管理體系和數據分析體系也需要不斷變化。按照目前的經驗和情況來判斷，對于企業內部的單一業務來說，經過3～6個月可以初步形成一個精細化管理的體系。

務實+創新是過程

在交談過程中，蘇春園向億邦動力談及了幾個問題，而這些問題也是不少零售企業正在面對并亟待解決的。

例如：

在每一次大促結束后，該如何自動進行效果分析與評估？

如何從海量SKU中快速定位和匹配到本季度門店內最熱銷的關聯商品搭配？

在下午三點，門店某主力SKU商品銷售不及預期時，如何在第一時間預警？數據要如何追蹤，并給出切實可行的正確建議？

新品推出后，如何做到快速反應，將實時數據和歷史規律相結合，判斷新品銷售情況并響應市場節奏？

企業該如何基于歷史經營數據和公共數據，預測不同品類甚至SKU的銷售情況？又要如何進一步指導訂貨、促銷、生產和物流？

和立即應用起各種“黑科技”、AI技術比起來，先務實地解決這些擺在眼前的問題，是蘇春園和觀遠對行業提出的建議。

“在過去的兩年中，我們發現很多傳統零售企業的數據基礎差、底子薄，可能沒法直接使用一些數據分析的工具，觀遠會先幫助其做數據梳理，夯實數據基礎，基礎不好真的會拉后腿。除了底子薄的問題比較棘手外，很多企業的負責人被AI‘洗腦’，希望直接運用AI技術，全面AI化，就好比地基還沒打好，就想直接蓋到五層樓。”蘇春園向億邦動力表示。

經過AI風口的洗禮，和有關數字化的激烈討論，行業正在逐漸回歸到理性階段。“如果說企業有兩只手，那一只手已經開始理性地打基礎，監控數據細節。但另一方面，大家對科技的熱度還在，在務實的同時，另外一只手也會去嘗試更多可能和創新。”蘇春園認為，這種狀態非常好，“該務實的地方要務實，該嘗試新的東西也要去嘗試。”

和一些傳統零售企業相比，部分發跡于互聯網和注重數據的零售公司在基本功上更具先發優勢。相比較之下，數據積累充分、技術好、預算多的企業，已經可以從精細化運營進入到更高階段的嘗試——單場景的智能化落地，例如在某個場景下做到智能預警，預測發現問題，并進行自動診斷。

數據決策是結果

在蘇春園看來，找到可以智能化的第一個場景很重要，有第一個應用場景后才能進一步“開枝散葉”。“數據分析和應用相對成熟的企業，可以挑選一兩個場景優先落地進行嘗試，隨著數據不斷完善，再探討可復制性，做更多的落地嘗試。例如先做銷量預測預警、再到客戶流失的預警以及智能訂貨等。”

和傳統BI不同，觀遠數據希望根據不同企業的數據基礎，幫助其進行整體的數字化發展規劃。這家企業篤定，未來企業的核心競爭力勢必在于數據驅動和智能決策。在這個充滿未知的時代，all in在建造數據決策大腦這件事上是最佳策略。

在新零售、智慧零售和無界零售等各種新名詞的加碼下，概念辨析和爭論已經變得意義微弱，但不可否認的是，在互聯網巨頭的吹風和推動下，線上線下進一步融合，“人貨場”三要素間的多維互動更為頻繁和復雜。在這種背景下，讓數據代替人的經驗的說話顯得更為重要和緊迫。

蘇春園認為，數字化和智能化是遞進關系，前者是基礎，后者則是深度應用。觀遠一些客戶企業中，已經可以把單個場景進行智能化運營，例如對銷售進行智能預測，從靠經驗決策改為用算法決策。以前需要等老板拍板決策的問題或者反饋問題較慢的流程，現在都可以托管給算法。

“算法要結合人的經驗共同發揮作用。算法不知疲倦地運轉和發現問題，而人是要驗證規律，然后告訴算法，基于這個規律去不斷地發現問題。但現在一般只能做到某個場景的智能化運營，我們離全面智能還需要一段時間，大概可能在3至5年。而且我們要不斷提高智能化的精準程度，從70%、80%、90%到99%……智能化是沒有止境的。”蘇春園向億邦動力指出。

從2016年9月成立至今，觀遠數據已經服務于聯合利華、百威英博、岡本、生鮮傳奇、NOME諾米家居、喜茶、Lily、IFS、上蔬永輝、小紅書等多家零售企業。結合兩年多的垂直行業經驗和對未來趨勢的預判，在面對新的競爭對手、新的渠道和新的環境時，蘇春園總結了三點建議：

第一，極度的精細化管理，到單品、單SKU、單客。

第二，快速反應，實時響應外部或者內部各種經營環節異常。

第三，智能決策，一層層縱深，針對企業所處的不同階段，從數據分析到更智能的決策。

數字化改革如火如荼，服務商戰場群雄逐鹿，在零售業這場深刻的變革中，觀遠數據試圖把看似冰冷數據描繪得更加性感。無論其構想的這幅藍圖能否如期實現，能參與和見證一個時代的迭代都已經足夠幸福。