2020年注定是載入史冊的一年，逆境之下，新一代消費心理和營銷模式正發生巨變，零售企業“人貨場”格局自此面臨重塑，數字化轉型再次被推上促增長的拐點。不確定性已經成為常態，精細運營、快速反應，讓決策更智能，將成為未來十年的確定性。

10月23日，2020觀遠數據智能決策峰會暨產品發布會在上海舉行，本次峰會由國內零售智能分析領域的領先企業觀遠數據主辦。此次峰會匯集了500+來自連鎖零售、快消品牌、購物中心、新經濟消費等各個領域中有代表性的企業高層，釋放前沿觀點，解讀疫后企業數字化轉型方法，共同探索通往數據智能的新路徑。

百威數據分析經理周雨瀟帶來了《數據分析如何賦能企業業務增長》的主題演講。

以下為周雨瀟演講摘要：

百威在全國有20多家工廠和十幾家配送中心，要實現對這么多實體的管控，主要依靠百威位于廈門的集中化中后臺支持部門BSC，通過參考數據分析的結果，以此實現對實體的遠程管理。我們依靠數據分析實現集中化管理，為企業提升效率和節約成本；同時，也為總部管理層提供了對運作情況的可視化展示方式，為他們提供更多決策依據。

百威數據化進程主要分為三部分：一是搭建多系統數據中臺，二是通過數據分析看板提升運作績效，三是培育“人人都是數據分析師 ”的知識共享社區。

首先，搭建多系統數據中臺，指百威把包括倉儲、運輸計劃、銷售在內的系統數據，都放在觀遠數據一站式智能分析平臺集進行多維分析和展示。

這與百威提出過的一則未來物流宣言不謀而合，百威希望能完成可推廣的數字化轉型和自動化實施，并在2022年前實現端到端的供應鏈物流協同運作，其中包含智慧倉儲，協同運輸，綜合計劃，以客戶為中心四部分。

智慧倉儲，指百威正進行新型客制化WMS系統的上線工作，以此在倉儲運作層面實現效率化、規范化和流程化；

協同運輸也是我們的自研系統，名為追鷹（track and trace），能夠實現入廠-廠內周轉-出廠-E-POD全流程的監控與調度，并將最細粒度的數據儲存至數據庫，極大幅度提升了運作效率，為運輸數據分析打下非常好的基礎；

綜合計劃部分，是我們通過銷售需求預測驅動業務經營，有序進行生產、物料、包裝和發運等計劃的綜合安排，同時，還可根據各項因素變化進行靈活調整；

最后，以客戶為中心，意為百威希望提高面向終端消費者的服務水平，保證成品酒能夠OTIF地送到消費者手中，進而培養用戶的品牌忠誠度，攜手釀造更美好的世界。

在從數據分析看板到運作績效提升層面，我們希望在端到端的供應鏈物流協同運作中，數據分析能成為日常經營中的必要工作。

因此，在進行對數據分析推動運作績效提升的設計時，我們充分借鑒了觀遠數據從敏捷分析到智能決策的5A落地方法論路徑，按照實際業務狀況，我們將前兩階段調整為系統聚合（aggregation）和基礎分析（analysis），現在百威基本已實現第三階段，能做到自動化預警，后續我們期望能做到第四步，為業務提供一些具備可行動化的智能行動計劃。

可操作化也是百威目前正在努力的方向，我們將在BSC建立Command Center 運作中心，將數據分析轉化為可實實在在提升效率和節約成本的行動。

接下來，我為大家簡單介紹一下我們從去年到現在一直在做的數據中臺，目前也取得了不錯的成績。目前，數據中臺已基本打通物流部門全系統數據，并實現本地數據倉庫的儲存。

之前做數據中臺時，我們和外國供應商的溝通成本比較大，積累了不少經驗和教訓。現在，通過觀遠數據一站式智能分析平臺，百威能夠進行跨維度、多層次的數據分析，并對企業級的數據量進行統一管理和數據預處理，大幅度降低了普通分析師的使用復雜度。目前百威也在試用觀遠數據的高能數據引擎功能，希望能夠使實時分析和運作監控成為可能。

數據中臺的意義在于可以整合內部數據，讓所有數據做到同源同時，one dw one time one source。普通數據集至少最低頻率日內四次，而目前百威直連數據集可實現分鐘級的高頻實時更新。

在實時分析基礎上，我們還做了很多深層次的溯因分析，比如對WPS單車運輸噸位的分析性回顧，對WPS公式進行拆分，拆成每一托有多少噸，和每一車有多少托，然后針對拆出來的每一層再進一步細分，直到找到最根本的提升機會點，而后采取有的放矢的改善計劃行動。

銷量預測是面向分工廠和分銷區的銷量預測，是一個4-5個月更新，第三個總部運輸定一個根據月預算。

同一承運商在不同地方之間的缺口有正有負，這時就會需要重新安排運力，多調幾輛車。目前百威的數據分析目標不在于追求方式方法有多復雜，有多高級，相反我們更愿意采取一些比較簡單直接的分析維度，用底層運作人員也能夠理解的方式直接反饋，并以此提升業務績效。

最后，對于大型企業來說，實現數字化的最佳策略是培養內部成員的分析能力（in house analysis capabilities），讓“人人都是數據分析師”。如果一個數據分析師不做物流或運輸，大概率不知道業務關注點是什么，這時就需要花大量時間和精力去和業務部門反復溝通需求，還不一定能理解得特別準確，而后分析工作可能會進行反復修改和調整。所以如果數據分析師完全不接觸和了解業務，是無法知道哪種分析方式能提供更多洞察力和價值。

面對這種狀況，我們目前培育了一個規模相對龐大的分析師社區，并將分析師劃分為兩類：一是位于職能部門內部的普通分析師，可根據靈活的需求開發看板或提供數據分析，依賴于一兩個特定系統的數據；二是作為跨職能專家角色的核心分析師，在輕項目的基礎上開發看板或提供數據分析，將需求排期交付，可以訪問多個系統的全維度數據。

在權限控制層面，我們在控制塔平臺內建立了詳細的ETL、數據集、看板權限申請和使用流程，確保企業數據安全，避免數據被混亂存放、訪問或處理。

同時，我們還會運用BI平臺進行企業內部知識的轉移：在橫向維度，我們將源文件以一個公共的ETL形式輸出，便于不同部門員工訪問及使用；在縱向維度，從上至下的信息溝通，保證各級別員工使用的是同一數據集，同源同時。

最后，我們會定期組織觀遠數據的顧問或核心分析師提供例行培訓和分享會，提供ETL及儀表板開發的正、負面使用案例，提升開發質量；介紹抽取到數據池中的新數據集，提供數據字典；針對手頭的分析項目進行溝通，避免重復或零碎化開發。