快消品数据治理解决方案及措施

核心提示1快消品行业数据资产实施现状以及演进发展2020年标记了一个重大的转折点,疫情的突袭让企业和政府都受到了极其严重的冲击。如今后疫情时代已然到来,关于未来的设想和规划都在不断重新洗牌,零售商可能面临着重重艰巨的挑战,要熬过这些艰难时期,零售企

一个

快速消费品行业数据资产的实施现状及演变

2020年标志着一个重大转折点,疫情的突然袭击对企业和政府都造成了极其严重的影响。现在后疫情时代已经到来,对未来的想法和规划也在不断的重新洗牌,零售商可能会面临很多艰巨的挑战。零售企业要度过这些困难时期,需要找到合适的机会来反思自己的商业模式和门店所扮演的角色,重点从改善客户体验、提高运营效率、再造智慧门店、重塑供应网络四个方面进行全面转型和突破。借助数字化新兴技术,实现零售商业模式的颠覆性重构和智慧零售转型。

中国零售业和数字化应用的发展历程

随着社会经济环境的发展,零售业经过巴扎零售、连锁店零售、电商零售发展到了新零售阶段。市场化零售是市场化的萌芽阶段;连锁店阶段,零售业发展最快,多种业态并存;2003年淘宝成立,标志着电商零售时代的到来,电商平台的出现,多渠道经营的开启;新零售阶段,零售业向全渠道发展,更加注重渠道整合和消费者体验。数字化过程

贯穿零售发展之路,在企业信息化架构POS、ERP、WMS的基础上,设置DMP、CRM、CDP,帮助企业更好的应用数据。

“以用户为中心”是数字化转型的核心。

偶尔抬头,候车室、公交、地铁广告都是天猫、JD.COM、小米、美团、今日头条。人的话题有AI,区块链,O2O,GP,LP,分享,小鲜肉,比特币…...

似乎我们离任何未知只有一个又一个知乎,离任何商品只有一个app。我们记录生活在朋友圈,在微信群里相遇...................................................................................................................................

我们习惯了颠覆、流言和任何新物种的出现。我们从来没有这么快乐过,因为生活从来没有这么方便过;

我们从未如此焦虑,因为明天从未如此不可预测。我们谈论竞争,但在许多情况下,对手是你在一个应用程序中找不到的人。

我们来看看数字化进入新零售后给行业带来了哪些变化。

从“消费者”到“用户”

在快速消费品的背景下,我们通常称最终客户为消费者。另一方面,互联网指的是使用其产品和服务的用户。其实这是两种思维,两种模式。

先说快消品,把顾客称为消费者。其实很远,基本都是散养,散养。偶尔的交流、互动、反馈也经常用概率来解决问题。比如开盖中奖,很难做到大概率中奖。怎么可能像滴滴快的当年的补贴那样近乎全民?

互联网公司不一样。客户,新用户,活跃用户,活跃度都是每天实时看的,实际上是把客户内化了。在这两种思维和运作模式下,利弊凸显。

幸亏这十年,出现了一个姜。我不评价江。很多人看到表情瓶,新奇奇特,文案不错。但我认为最根本的是,通过表情瓶这种外在的方式,品牌实现了互联网的定制化消费者管理运营模式。它能更好的理解用户,更好的了解他们。这个表情瓶实际上形成了一个群体,让用户通知用户,移动用户。

随着社会环境的变化,人们的自我意识强烈空,被尊重、被重视、渴望更完美体验的内在需求被提升到了新的高度。史上最骄傲的用户心态,也形成了对匠心的崇拜,对新奇的追求,对创新小众产品的期待。

“没有中间人造成差异”

现在资金流已经被移动互联网占用,钱可以扫码支付,不用中转,不用拦截,直接到达。

物流已经社会化,顺丰和JD.COM分别是从物流到商业,从商业到物流。

没有中间商赚差价的口号,本质上是用户和厂商只有一个App的距离。商业的本质是物流,商人是搬运工。

现在的新零售,无人办公货架,自动售货机是新版本的“制胜终端”。他们是原来小店和互联网支付学生的孩子,小型化,自动化,终端前移,场景化。这是快消企业和渠道共同的机遇和挑战。

以前的经销商,作为独立的环节,从上游进入终端,锁定终端,占领终端;现在的情况是经销商变成终端——终端是我,我是终端;再造航站楼——去楼去车;技术终端——码扫天下,无码难行。这个风口,传统渠道,要抓紧时间上车了。

客户、终端还是合作伙伴?

“合作伙伴”,从市场端和需求端出发,从社群和团购入手,向厂商传递信息和订单。调动合作伙伴更大的创造力和洞察力,提高效率。

我们在花钱做品牌,用户却在暗恋IP。

快速消费品行业如何实现数字化转型

面向商业

随着互联网时代的到来,快速消费品行业需要建立许多不同的业务发展系统。服务中积累了大量的数据。在此基础上,进行了一些数据分析。

数据资产化

大数据时代,万物互联、大数据云计算人工智能等技术可以捕捉消费者的个人信息,对其进行分类和标签化,例如,年龄、消费能力、爱好和职业等。,绘制品牌用户画像,精准定位产品,建立品牌自有数据资产。

资产价值

消费者消费的时候是有场景的。建立的数据库只有结合业务场景才能实现其价值。它改变了过去依靠系统帮助决策的方式,向基于数据的决策转变。通过数据重用和安全共享,it可以积累经验、提高效率、支持业务和创新。

在完善数据资产化的基础上,对消费者进行精细化分类,精准化运营。首先要通过数据做出具体的场景应用,然后场景应用要给企业带来价值。企业需要整合所有业务,连接线上和线下,收集和整理各种平台的海量数据,进行系统的整合和重组。这是很多企业数字化转型中的一个难题。

价值导向

企业需要整合内外部服务能力,将业务能力打包成标准服务,用平台思维规划和构建有价值的可复用服务平台。像这几年的中台制,品牌可以通过中台赋能,优势互补,各取所需,共同发展。

生态服务

就目前的趋势来看,企业要想实现转型升级,必须是开放的,同时与行业形成连接,不仅服务于企业的前端和后端,还服务于各个业务单元和整个产业链。

生态工业化

数字化的关键在于,整个产业链的上下游企业需要通过数字化的平台和品牌来赋能各自的核心能力和资源,从而最终进行高效的分工和更合理的价值分配,改变过去封闭的企业组织,模糊企业的边缘,将边界和组织延伸到产业链层面,同时弥补自身的弱点,实现整体的优势互补和优化配置。

当前数据资产管理面临的挑战

数据未知

用户不知道大数据平台里有哪些数据,这些数据和业务有什么关系。虽然他们意识到了大数据的重要性,但是平台中有没有可以解决他们业务问题的关键数据呢?在哪里可以找到这些数据?

不可控数据

数据不可控从传统数据平台开始就是一个问题,在大数据时代更加明显。没有统一的数据标准,数据难以整合统一;没有质量控制,导致海量数据因质量低而难以使用;而且没有一个管理流程可以有效管理整个大数据平台。

数据不可取:

即使用户知道自己的业务需要什么数据,也无法便捷自助的获取数据。相反,获取数据需要较长的开发过程,难以快速满足经营分析的需求。大数据时代,业务追求的是对某个业务问题的快速分析,因此长时间的需求响应时间难以满足业务需求。

无法链接数据:

大数据时代,企业拥有海量的数据,但企业数据知识之间的联系依然薄弱。没有链接数据和知识体系,员工很难快速转换数据和知识,也无法自主探索和挖掘数据。数据的深层价值难以体现。

2

快速消费品行业数据资产整体解决方案

数据资产管理的核心价值

在数字化转型中,我们再来看看刚刚遇到的问题,其中的核心就是数据资产管理的核心价值。

数据资产是指由企业过去的交易或事项形成的,由企业拥有或控制的,预期会给企业带来经济利益的数据。数据资产管理平台的核心价值是用数据支持业务。让数据科学家知道企业有什么数据,数据的业务定义,数据的关系和流转。...

数据资产管理平台框架

数据资产管理平台的核心能力是围绕企业数据资产的核心价值,对企业数据资产进行“清查”、“清理”、“盘活”。

保障机制

组织架构、组织体系、流程管理、考核评估是数据资产管理成功的前提。

企业在规划数据资产管理项目之前,需要根据企业自身特点成立数据资产管理团队,有专人负责,领导挂帅。通过平台功能,将权利与责任、流程与机制有机串联起来。

核心平台框架

数据资产管理的核心平台是通过“清点、清理、激活”来有效管理企业数据资产。

让企业用数据说话,帮助我们发现数据,理解数据,围绕数据生产、销售、开发,通过数据监控隐私和合法合规。

管理系统:

建立数据资产管理的决策机制

开发管理系统和流程:

资产库存:

数据资产清查是执行的载体,也是一种长期的、正常的管理行为。数据盘点一般由业务主管部门和IT部门共同进行,是管理能力的落实。开展数据资产清查是一项长期的基础性工作,底层是完成冷启动,多次迭代是常态。包括但不限于以下四类库存目标:

摸清数据家族背景和现状:理清公司各业务系统现状,梳理数据分布和流向,了解业务需求;为企业内各级员工提供统一的信息视图,减少企业内的信息孤岛;

数据资产可视化:将数据资产内容可视化,建立企业数据资产展示平台,提高数据资产可视化程度;

提高数据集成和开放效率:为企业系统的高效数据集成提供辅助服务,提升数据开放水平;

推进数据治理和资产共享:通过数据资产清查,推进数据治理,提升数据管控能力,服务内外部数据资产共享。

数据资产清查的价值在于目标共识。企业数据资产管理的核心是数据资源的价值管理。类比设备和资产的定义,对企业数据进行描述、分类、计算和标准化,实现数据资源化的过程;然后对数据资源进行价值管理,形成企业数据资产。关键是业务和技术对资产价值的定义达成共识。

一是通过数据资源化的过程:对数据进行分类、描述、计算和标准化,将数据转化为资源、技术定义和具有管理意义的数据)。

通过数据资产化的过程:根本出发点是创造价值,把资源变成资产。

数据资产清查的原则包括:先“源”后“下游”:资产清查评估的对象从“源”系统扩展到下游系统。先“核心”,后“外围”:选择相对核心的系统,其重要程度高。核心系统数据全面,元数据完整,一般具有较高的数据质量和可用性。先“开放”,后“封闭”:选择一个通用的、开放的、标准化的、可访问性高的系统。先“细而全”,再“散”:选择系统资料完整性高的系统,包括数据字典、需求说明书、接口说明书等。为了早期发展。

数据清点方法分为:

系统清查:针对业务系统的调查,达到了解所有系统信息的目的,实现了解企业所有信息系统资产的水平。对选定的核心系统进行进一步的系统级走访和调研,掌握系统功能、业务功能、数据流程、接口关系、数据字典等内容信息。盘点:对核心系统的数据选择实体表的范围,获取表结构、表定义、表关系、参照数据、存储期间、属性字段等内容信息,达到对实体表的资产掌握程度。

数据盘点的实现过程如下:

明确领域范围:根据组织管理的战略需求输入,业务部门和IT共同确定存货的业务领域范围。

盘点价值:确定要盘点的数据资源的相关模板和技术准备。

调查资产需求:共同调查资产需求,包括呼叫模式、服务需求、安全需求等。

组织资产报告:分析库存工作的结果,提取关键资产内容、要求和挑战,并制定行动计划。

发布资产报告:输出数据和资产盘点结果,固定为标准,并执行。

资产清算:

数据资产管理对象的自动发现、自动基准测试、分类管理、数据质量发现和元数据管理。

数据标准

数据管理的实现:基于产品套件中元数据、数据标准和数据模型的IT实现;

数据执行:包括每个控制对象的质量评估和改进;

服务实现:包括服务转换和数据对象的发布。

发现资产要从不同的角度和维度去实现和评估:比如从整理和分析的角度,数据资产是什么;从存储的角度,数据资产是如何分布的;而且从分析来看,数据资产有哪些?

资产发现依赖于数据标准化和IT实现的IT工具。由IT技术部牵头,业务部门配合。根据资产化共识进行优化升级,完成外业数据资源的资产化。

数据,如果无法定义,就无法管理,也无法转化为资产。

一个数据分析师去面试,在简历上写了“六年工作经验”。但是,考官看了简历觉得不对:“你才毕业两年,怎么会有六年的工作经验?”数据分析师说:“你没听说过加班吗?”虽然是个笑话,但是反映了数据工作者的辛苦和数据定义的问题。

所以,盘点之后,搞清楚数据的家底,搞清楚现状,第一步就是数据标准。通过标准的制定,可以用一种方式定义相同的数据,用一种语言交换和报告全公司的数据。

数据资产目录是以元数据为核心,按照分类、主题和应用对数据进行管理、标识、定位、发现、评价和共享的数据组织工具。

服务可以通过百度搜索快速找到自己需要的数据。

这样数据分析师就有了一个平台,可以找到公司所有的数据资产,让业务知道有什么数据,在哪里,有什么意义。

从而大大减轻IT的压力,加速数据的应用,让数据为业务服务。

数据的血缘关系/影响分析,让我们更清楚的知道数据的来龙去脉。血缘关系/影响分析是元数据管理的难点,数据的各种元数据都需要很好的分析,例如数据仓库的存储过程、ETL工具、Python等。

然后我们就可以智能连接,形成一个完整的血缘关系图谱。

一般有两种实现方式。一种是手动整理关系,然后通过工具展现出来;第二,尝试用工具分析,自动建立血缘关系。现在很多产品也在加强这一块的能力。毕竟手动排序后的更新会比较麻烦。

激活资产:

资产以IT实现为前提,提供各种数据管理服务,如质量、元数据、标准、监控、发布和共享服务。关键是拓展渠道,将原来的数据服务模式更新为基于服务的模式,进行服务治理和优化。它是资产运营的基础,也是价值可视化的重要前提。

盘点是为了让我们了解自己的家庭,盘点是为了整理盘活我们的资产,是为了让我们的资产变现,实现真正的价值使能业务或者直接盈利。

通过我们的平台有两种实现方式。

1.API服务,根据排序后的数据资产向其他应用系统提供服务,或者对外盈利。我们的平台支持API数据服务,你可以根据自己的需求在平台上做API接口,也可以直接在数据服务商城搜索找到已有的服务。使用数据方便快捷,可监控,安全可靠。

二是数据分析,根据数据标准,我们的平台将数据按照学科领域以业务人员能够理解的形式进行摆放,并通过可视化进行统一,让业务人员能够简单快捷地分析数据,真正做到自助分析,大大降低了业务人员使用数据的成本,提高了企业的效率。我们的平台有自己的可视化分析平台,也可以集成第三报表平台,更方便我们业务人员使用。

 
友情链接
鄂ICP备19019357号-22