商業生態全鏈路數智化轉型的價值重構

季凌昊

（北京工商大學商學院 北京 100048）

阿里巴巴集團副總裁肖利華認為，數據即業務，業務即數據，真正做到這一點才能實現數據驅動。無數據不智能，無智能不商業，數據化、在線化是第一步，智能化才是未來趨勢。數字化消費者資產成為衡量企業能否邁向未來成功的重要要素。在線化、數字化只是第一步，智慧化才能帶來化學反應。從全鏈路視角看，供給端數智化的轉型將迎來爆發。本文關注商業生態全鏈路的數智化轉型，解析轉型中的價值重構內容，并予以案例進行說明和佐證。

商業生態全鏈路數智化價值重構的要素

（一）價值重構的內涵要素

我國商業正在由“消費紅利”經濟向“數智創新”經濟進化，發展思路從單節點成本和效率提升進化為商業全生態重塑增長方式，數智技術觸發了商業生態的全鏈路數智化轉型。從供需兩端來看，數智化技術同時作用于消費和供給兩端，隨著技術的持續演化，重點作用對象持續發生動態交替變化。技術賦能消費者，使消費者需求更具體驗化、個性化和多樣化，呈現新需求；技能賦能供給者，使其更具柔性化、智能化和生態化，以滿足持續動態變化的消費新需求，形成新供給。數智化技術驅動著新需求和新供給之間達到動態平衡和有機鏈接，從而催生新消費。

從發展路徑來看，在新技術的推動下，商業生態正向全鏈路數智化方向轉型，在這個過程中至少三種價值被重新定義：首先，鏈接價值被重構，從單向商流效率提速進化為全鏈路要素價值共振，實現增量式創新。我國商業從以產品為中心的傳統單向鏈式價值鏈重構為以消費者為中心的環式價值網（見圖1），由消費者定義業務能力和數字技術，各產業要素均可透過數據智能提升能力。全產業各個要素均透過大數據參與構建與消費者的鏈接，發揮各自的優勢及能力所長，共同通過場景、互動、鏈接、體驗、定制來洞察消費者需求，最優化產業資源配置，基于敏捷感知和生態服務滿足和創造新需求。其次，人貨場價值被重構，消費互聯進化為生態互聯，實現全生態效率提升。在原有傳統互聯網環境下的人貨場定義（外部消費者視角）基礎上，跨越到生態互聯網視角，賦能內部組織、外部協同合作關系，擴大和衍生內涵，深度運營消費者、員工和產業合作伙伴的高體驗和能力提升需求，重新定義“貨”和“場”，驅動產業全鏈路數智化進程。最后，技術價值被重構，從支撐企業數字化轉型進化為賦能產業數智化轉型，實現全生態可持續發展。在AI、云計算等技術驅動下，傳統實體行業從信息化與數字化轉型逐漸向數據智能創新過渡，總體呈現正向相關。預計未來3～5年，隨著實時強化學習、邊緣AI等新技術的進一步成熟，數據智能應用將在各行業得到進一步提升，產品與服務、客戶與體驗、業務模式與工作流程、內部IT創新等在短期內仍是企業數智創新的主要方向。

（二）價值重構的驅動要素

驅動商業生態全鏈路數智化轉型的核心能力有：基礎設施云化、觸點數字化、業務在線化、運營數據化和決策智能化，它們是全鏈路數智化的“加速器”，是價值重構的驅動要素。具體而言：

其一，基礎設施云化程度反映了企業數智化轉型的基本技術能力。云計算除了為企業數智化轉型提供了算力基礎外，還涵蓋到支撐企業智能運算的算法模型能力、數據存儲能力、數據之間傳輸的網絡連通能力、敏感數據的安全能力以及對數據實時和離線處理能力等。此外，企業同樣需要一個敏捷的、連續穩定的、成本優化的、安全和風險可控的智能運算環境。

其二，觸點數字化反映了企業數智化轉型過程中，企業與各方交互觸點數智化水平的成熟度。企業借助AIOT、移動互聯網等技術，保持與消費者、員工、商品、合作伙伴等全鏈路的連接。數智化的觸點主要通過各個觸點的數字化、移動化、智能化達到多維度的消費者行為感知、員工和組織感知、商品狀態感知、合作伙伴和生態感知，使得企業在全鏈路保持連接和數據獲取能力。

其三，企業通過業務能力服務化的方式幫助企業完成業務流程的數字化和業務價值的提升。一方面，企業需要快速響應來自各觸點的變化，對業務流程進行重塑與優化，實現組織溝通與協同的效率提升；另一方面，為了應對日益復雜的業務場景與需求，企業需要對全鏈路數字化業務系統進行升級，通過不斷的業務服務重構來實現業務共享和創新，促進商業生態之間的開放與協同。

其四，企業在數智化時代需要啟動和激活數據的商業價值，充分挖掘自身高價值的“小數據”并充分結合生態的“大數據”，實現數據驅動業務，進而形成分析和洞察驅動型的企業文化。通過完善的數據體系，數智化企業可以利用數據洞察賦能企業的全價值鏈，為企業的員工和合作伙伴提供運營指導，實現降本增效，同時提高合作伙伴之間協同效率，改善消費者體驗。

其五，構建企業的“數智大腦”是企業數智化轉型的重要方向。基于復雜智能算法的推薦、預測、決策等結果，企業在系統層級直接采取相應行動并根據數據不斷的完善和補充。企業的智能化場景會日益豐富，智能化決策通過對大數據進行不斷的訓練與學習，從而做出更加智能的決策，形成良性的學習反饋閉環，最終幫助企業實現全鏈路的高效決策。

（三）價值重構的流通要素

借鑒2019年阿里云研究中心的觀點，本文將價值重構的流通要素劃分為11個，分別是品牌、商品、制造、渠道、營銷、零售、服務、物流、金融、組織和技術（見圖2）。在數智化過程中，將從產業全鏈路端到端視角進行各個環節的價值重構，將物流、資金流、信息流以及組織協同進行有機融合。

圖1 全鏈路環式價值網

商業生態全鏈路數智化價值重構的內容

依托基礎設施云化、觸點數字化、業務在線化、運營數據化和決策智能化的核心驅動能力，商業生態全鏈路的各個環節將進行數智化改造，克服各環節的內在弊端和發展瓶頸，重構價值體系。介于篇幅，本文將主要介紹品牌數智化、商品數智化、制造數智化、營銷數智化、物流數智化中的價值重構內容。

（一）品牌數智化

發展和升級品牌數字化觸點，建立消費者與品牌的連接，實現品牌設計、推廣、巡檢等核心業務的在線化升級。通過沉淀品牌營銷、輿情、行為偏好等多方數據幫助企業實現基于數據驅動的品牌運營，通過構建智能化算法賦能品牌運營和決策場景，實現品牌策略和調性與目標人群的精準匹配，實時掌握品牌輿情動向，促進品牌忠誠群體的轉化和持續運營。

具體而言，在品牌運營方面，目前存在三大發展瓶頸：其一，消費者感知弱。品牌推廣策略依靠經驗，互動體驗缺少數據反饋，使得品牌對消費者的感知不強，企業無法深刻洞察消費者，難以占領消費者心智。其二，品牌難管控。品牌推廣、巡檢、輿情等核心業務依賴線下流程，過程缺少管控，品牌風險控制能力弱。其三，人群難匹配。目標人群的構建缺少數據指導，品牌策略和調性缺少數據洞察支撐，存在品牌和目標人群匹配難的問題。

為了解決這些問題，可通過品牌數智化進行品牌資產化經營，主要包括兩個層面：其一，智能化品牌全體驗。關注客戶全觸點、全鏈路的品牌體驗，在品牌管理上進行更廣域的市場傳播，提高美譽度和知名度；在消費者和市場洞察上把握消費者的需求變化，洞悉市場的演進趨勢；在策略設計上，設計品牌體驗觸點和商業策略；在溝通互動上，創造品牌社群，加強互動討論，傾聽客戶之聲。其二，消費者資產運營。將消費者資產運營作為品牌運營的首要關鍵任務，品牌營銷上升為品牌管理，監測品牌聲浪，基于大數據分析和消費者運營數據判斷傳播效果，決策傳播策略，洞察消費趨勢以及體驗需求；設計商業策略，梳理客戶全體驗之旅，設計每個體驗觸點的交互方式，在每個觸點上形成體驗閉環，并實時捕捉數據作為策略優化迭代的基礎。

（二）商品數智化

借助虛擬技術、智慧體驗店等數字化觸點來強化消費者對商品的感知力度。品類、商品、競品和消費者需求等數據的深度挖掘驅動研發、定價、投放等在線業務的敏捷迭代。通過數據整合創建單一可信賴的信息源，及時獲得準確、詳盡和一致的產品信息，為商品創建立體全方位的數字化標簽，支撐產品全生命周期的管控與決策，實現自適應的智能優化體系。具體而言，在商品運營方面，目前存在三大發展瓶頸：其一，爆款難打造。傳統企業在打造爆款時，在了解用戶痛點、分析市場的風口、打造自帶口碑的產品等方面，企業缺乏數據上的支撐和測試上的投入。其二，需求響應弱。商品數據分散，結構不標準，導致商品維護和檢索困難，對產品生命周期也缺乏有效管控，其中對DIY的需求缺少支持。其三，產品難優化。產品的市場反饋鏈路長，缺乏立體的認知，研發成功率有待提升，問題管理、產品優化、下輪研發迭代無法形成閉環。

為了解決這些問題，商品運營從競爭驅動向用戶需求驅動演變，其數智化價值重構主要表現在三個方面：其一，挖掘新需求。以大數據分析為基礎，以全渠道消費者數據和小樣本調研測試為切入點，精準挖掘新產品、新升級、新包裝和新市場機會，看重增量市場和較高溢價。其二，平行研發。充分調動生態資源快推新品，在挖掘需求階段，將需求直傳給工廠，推進柔性生產；在生產階段，實現多組織協同、創新互動、高頻率、高效率且個性化；在售后階段，分析用戶反饋的數據，以反哺品牌制造商進行后續新品的開發。其三，智能迭代營運。實時反饋消費洞察，捕捉消費者之聲，實時洞察品類動銷，進行改進測試，拉動長尾客戶價值，進行商品間關聯性挖掘，建立價值鏈接，形成商品組合價值。

（三）制造數智化

通過將傳感器、智能機器、工業機器人、智能車間與員工等數字化觸點有機整合，確保觸點采集的設備、生產、交互行為等數據準確性；通過將采購、排產、生產調度等核心業務“在線”化，開放并實現生態協同，實現從需求到生產的高效集成；通過數據挖掘，實現更精準的需求預測、更高效的制造建模與仿真，實現優質、高效、低耗、清潔、敏捷的生產。

具體而言，在生產制造方面，目前存在三大發展瓶頸：其一，產銷難協同。由于缺少對市場洞察，預測顆粒度不夠、準確度不高，導致企業的采購、排產、調度等環節無法與銷售資源形成有效的協同。其二，個性化難滿足。隨著商品的豐富和多樣性，年輕消費者對商品的個性化需求成為購買的關鍵，無法隨時響應客戶個性化需求的供應鏈越來越難適應市場的主要升級趨勢。其三，過程透明度低。大部分工作離不開人員的干預，生產過程缺少對數字化、自動化、智能化的工具和方法的應用，而且生產過程缺少對溯源信息的置入，質量追溯困難。

圖2 11點流通要素

為了解決這些問題，需要推動制造數智化，重塑價值鏈。制造數智化至少表現在以下五個方面：其一，采購數字化。借助AI分析，更準確、高效地尋找到匹配度更高的供應商，更精確地預測和把握某個時間、空間上的需求，即時安排采購。其二，車間智能化。芯片、傳感器、網絡等硬件以及數據庫管理軟件將成為核心設備，數據和算法將使生產效率持續優化，互聯網、大數據、云計算跨地區的協同將更加高效。其三，工業大腦重構人機邊界。智能化、數字化與自動化三位一體打造未來工廠，通過“數據+算法”實現高成品優良率、低能耗、設備故障預警等服務水平的躍升。其四，規模化供給解決定制需求。通過互聯網將更廣泛群體、地域的小批量、碎片化需求進行整合，進行精準撮合或自生產；基于開放共享的數據，可進行銷量、需求的精準預測和產能排班。其五，智能協同。工業互聯網平臺實現制造資源泛在連接、彈性供給和高效配置，企業內外部將實現協同。這些協同包括企業內部制造協同、企業間產能協同、不同種類產業間的產業協同以及企業與金融行業的產融協同等。

（四）營銷數智化

擁抱直播、網紅、短視頻和社交媒體等新興數字觸點，全方位埋點采集全鏈路數據，形成精準顧客群體和會員畫像。依靠技術和數據來配置營銷資源，實現營銷活動計劃、執行、優化的全鏈路在線與自動化，沉淀客戶、活動、消費者和三方數據形成數據洞察，優化營銷的投入產出，實現精準的消費者觸達和全營銷生命周期的消費者資產運營。

具體而言，在市場營銷方面，目前存在三大發展瓶頸：其一，畫像模糊。消費者全旅程的行為數據收集存在斷層，消費者畫像不夠立體，目標人群選取困難。其二，營銷轉化率低。對目標觸達人群的圈選缺少數據和標簽的支撐，觸達消費者的途徑較少，內容傳播的穿透力弱，而且對觸達反饋缺少獲取、洞察、分析的機制。其三，持續運營難。缺少對消費者持續運營的手段，對不同鏈路階段的消費者采用同樣的營銷手段，缺少消費者轉化和復購的有效、精準的刺激手段。為了解決這些問題，需要推動營銷數智化，由傳統營銷、數字化營銷向智能化營銷進化，實現自動化營銷和營銷自動化。

（五）物流數智化

物流數智化要求加大自動分揀、無人叉車、無人駕駛、無人機、智能貨柜等數字化觸點在物流倉、干線、最后一公里及末端的應用，使數據和業務在線能力被應用在路由優化、安全運輸、產品溯源、冷鏈控制等應用場景。通過對配倉儲、路線、庫存和人機交互等核心數據的提煉與建模，分析并優化倉儲布局、庫存預測、物流線路、協同發貨等，實現高效能生態平臺型智慧物流。

具體而言，在物流方面，目前存在三大發展瓶頸：其一，缺少彈性業務支持。物流能力對高流量難以滿足，對不穩定需求缺少合理的資源調度。其二，庫存無法統一管理。無法對全局庫存進行實時監控，無法實現實體和電商渠道、總倉、分倉庫存透明化、自動分配并實時進行訂單分揀，以減少缺貨、提高庫存周轉率。其三，供需難調配。“干、支、末”物流服務體系仍不完善，很多薄弱環節導致效率低下、運營成本偏高；同時缺乏體系化管理，物流標準化低，信息碎片化、孤島化導致供需失衡。

為了解決這些問題，需要推動物流數智化，搭建業務資源協同的生態物流服務平臺。該平臺具有三個創新功能：其一，物流介入業務過程，基于大數據進行需求預測，可實現智能選品、備貨、分倉；其二，從需求端拉動生態供應鏈資源，提高服務精準性和水平，降低高空載率；其三，數據積累形成選品備貨分倉、路徑優化、訂單路由規則的不斷迭代優化。物流數智化能力的提升方向主要在于動態任務調度、智能倉儲管理、自動分揀、全局庫存可視化等。

案例分析

國內一些大型企業在數智化升級方面積極探索實踐，推動全鏈路數智化的落地，取得了良好的應用效果。本文將選用兩個案例，以五大核心驅動要素賦能，以品牌、商品、制造、營銷、物流五個環節的數智化為核心，進一步對商業生態全鏈路數智化的價值重構進行解析。

（一）案例一：國內某大型乳業集團的價值重構

在品牌數智化方面，該集團打造“數字化的牧場”，幫助供給側徹底升級改造。在需求側，消費者可以通過溯源技術，清晰地獲取到手中這杯鮮奶的原產地信息、產品生產管理流程，真正體會到技術保證下的食品安全。在商品數智化方面，先進的IOT技術和全域數據分析，可以精準追溯每一頭牛的健康狀態、產量貢獻，從而實現個體的全生命周期管理，視覺識別技術幫助牛群的健康管理，幫助工作人員實現標準化操作，在牛群的微粒化管理上也會發揮極大的價值；在制造數智化方面，通過精準預測，上下游企業可以根據產奶量和市場供需關系，盡可能地對產奶節奏進行控制調整，從而實現整體產業的資本節約，也有助于企業收益的平穩增長。在營銷數智化方面，銷售人員單純根據訂單歷史和經驗，對下個月的銷售額做出人為判斷，會出現預測顆粒度不夠、準確度不高的問題。集成品牌實際銷售數據，進行銷量建模，將“基于訂單歷史的人工預測”改變為“基于實際銷量的智能預測”，提升預測準確度.在物流數智化方面，基于大數據建模計算，可以根據市場需求的變化，實現包括產線布局、倉儲布局、奶源供應商管理等在內的物流網絡優化，快速響應渠道需求。同時，從全鏈路角度，以數字化的方式為企業1～5年資源規劃提供建議。

（二）案例二：國內某大型煙草企業的價值重構

在品牌數智化方面，通過零售終端數采系統和大數據模型和算法，實時掌握全省卷煙品牌零售庫存總量、金額、零售銷量等關鍵指標的市場狀態，實現市場狀態全透視及市場運行調控，建立卷煙市場松緊平衡指標體系和判別方法，做到對品牌培育和發展的精準指導；在商品數智化方面，借助大數據刻畫消費者、品牌、終端三個畫像，實現對消費者和卷煙的關聯動態分析，發現市場需求未滿足點，聯合工業企業定制開發卷煙新品，并在引入和投放環節通過品牌畫像、消費者畫像精準鎖定會員，開展測試評價和選點擴面，提升研發和投放成功率；在制造數智化方面，基于實時在線的市場消費、庫存和訂單情況，借助大數據建模計算，實現銷量的實時在線與智能預測，以靈活、高頻的方式向上游卷煙制造企業傳導市場需求，優化生產計劃與組織，敏捷與精準響應市場需求；在營銷數智化方面，基于專有云和業務中臺，融合線上線下搭建面向“農，工、商、零、消”的扁平化商業運營生態系統，實現卷煙供應鏈多樣化供給，滿足多元化需求，推進煙草商業營銷模式的轉型升級；在物流數智化方面，采集專賣管理數據，通過對接公安、郵政、運管等部門單位的數據，構建涉煙情報數據倉，對物流各環節進行實時監測。通過各種算法對大數據進行云計算分析，實現內部監管、市場監管、打假破網等智能化全域監管格局。