舟谱数据的执着与克制:有用是数据智能的金标准

作者: 张洁 2019-12-31 10:30:41

 IT未远,DT已至。

DT时代的到来,让“数据+算力”成为推动世界前进的新生源动力。当数据智能驱动产业变革的时代到来,无论你愿不愿意,都将置身DT洪流之中面向未来。

然而,除了互联网企业以外,大多数的传统产业并没有准备好。他们往往即没有充分的数据,又没有稳定地利用数据决策的习惯。因此,对于很多产业而言,我们能看到许多企业都停留在趋势的门口,但始终就是没能迈出跨越的那一步,仿佛有一座透明的大门,横在信心满满的DT企业与嗷嗷待哺的传统企业之间,并没有剧烈的化学反应发生。

“如果数据智能不能变得‘有用’,那么DT时代的大门就不能真正被推开。”舟谱数据CTO慕巍这样描述道。舟谱数据是一家“非典型”数据智能公司,这家公司成立的四年多时间里,花了大量的时间去研究一个产业的运营和决策,花了大量的时间去开发这个产业作业所需的全套技术解决方案,舟谱数据所作的这一切,目的只有一个,获得能够产生智能的数据,同时拥有智能可以落地的场景,也正是这两点,让舟谱数据所倡导的数据智能,能够完全满足“有用”的标准。

舟谱数据公司的使命写着“让数据智能成就每一个生意人”,遵循这样的使命,舟谱数据选择了最需要数据智能支撑的一群生意人作为切入点,那就是支撑中国线下零售数万亿产值的传统快消品经销商,在过去的10年里,他们的业务量通常翻了十余倍,但是作业方式几乎没有改变过。对于未来,他们开始惶恐,对于现在,他们已经困惑。他们是最需要数据智能赋能的一群人,也是对数据智能是否有用最敏感的一群人。

舟谱数据要做的,就是首先通过他们的考验。

求变:夹缝生存里的决然转身

“经销商”这个概念在中国由来已久,其管理和经营模式早在改革开放之初就已成型。但是现下大部分经销商仍然保持着老式分销公司的经营理念和运营状态。显而易见的是,一个没有互联网和移动端的时代与一个被大数据和人工智能等创新技术不断洗礼的时代有着天壤之别。传统经销商如何改变思维惯性,挣脱固有经营模式的束缚,实际上是一个很大的挑战。

同时整体商业环境的变化也在不断挤压着经销商的生存空间,在上下游的双重压力下艰难求存。一方面,品牌方希望借助数字化力量更加高效、精准、及时地触达消费者;另一方面,零售终端更加碎片化,需求也更加多样化。对经销商而言,要在夹缝中协同上下游,让零售前端为供应链后端创造更大价值,以技术驱动转型升级势在必行。

也有人提出疑问,近几年B2B电商平台不断涌现,加之渠道扁平化浪潮的冲击,传统经销商是否已走向末路?慕巍认为,经销商的职能有其独有的价值,被时代追赶的紧迫感肯定会有,负重前行下的优胜劣汰也会发生,但在线下流通供应链中,经销商仍是不可取代的一环,在技术杠杆的撬动下有进一步发展的空间。结合经销商的四项基本职能,他作了简要的解释。

其一,交易促成。顾名思义,经销商在厂商和零售终端之间牵线,推动合作的达成。这种最基本的交易功能,B2B平台也能完成,这完全没问题。

其二,物流职能。订单签完了,要负责把货运到终端门店去,同时还要承担“反向物流”的工作,即如果出现包装毁损、商品临期等情况,还要组织退货、换货的流程。这些都是经销商负责的内容。对于B2B电商来说,基于中国物流业的发展比较迅速,配送形式和规格也趋向多元化,因此也能做到,但相对第一条已经不那么容易了。

其三,资金垫付。国内大部分快消行业都遵循“先款后货”的模式,经销商要先打款,厂家再给货,之后经销商再向终端门店出货,门店一半是先订货再月结。整个流程里,事实上是经销商在承担资金流转的压力。这一条B2B平台就很难做到了。

其四,品牌的地区运营。产品在某一地区的销量如何往往与当地经销商的运营实力直接相关。举例而言,两个同样是一线的品牌,口碑评价也差不多,那么谁在货柜上抢的排面更多,谁抢占了货架陈列的黄金区间,谁的促销力度更大,往往会成为推动消费者决策的关键因素。甚至有时候业务员多跑一天门店,在货架上及时补空,比竞品多一个展位,都可能产生不一样的效果。而这些细节的差异往往决定了线下产品的生死,因此经销商在当地的运营是至关重要的。这一条B2B也是打不过经销商的。

慕巍提到,归根结底,B2B电商实际是一个以“我”为中心的形态,即由“我”来设定整个交易网的规则。经销商则是截然不同的,因为他连接着生产端和零售端,是分销网络的承载者,需要维持整个网络的动态平衡。在当前的商业环境里,门店端大量碎片化且贴近消费者,而随着消费者诉求的日益多样化,生产端同样呈现碎片化特征,作为两者间的桥梁,经销商的转型就变得非常重要,而线下流通供应链升级的挑战也就在这里。

这也正是舟谱数据这样的公司存在的核心价值所在。商业实体无论大小对技术的诉求是很相近的。大的企业基于自身积累有能力去实现技术蓝图的构建,而中小经销商可能受限于财力和人力,没有这个资本去开发。舟谱数据的存在就是想拉平这样的技术战场。

慕巍谈及自己加入舟谱数据的初衷:“我认同这样的价值理念,就是让不同体量的企业之间在技术上的差距没有那么的不可逾越,让大部分企业都能感受到技术带给商业的进步。”

求索:三个要点构建数据智能蓝图

如何为经销商提供拉平技术战场的武器,具体来说,如何打造一个好的BI产品或者说数据运营产品?慕巍概述了三个要点:让数据更人性化、建立专家模型、提升用户的三个“力”。

一、让数据更人性化,用数据洞察来驱动行动。“过去十年,我们讲大数据、讲人工智能,真正能享受到这些技术福利的是科技公司。对于经销商来说,一方面他们可能从成本考虑不会请数据分析师,另一方面,可能请了专业人士也不知道怎么用。最开始把他们的业务形态进行数字化,对他们就是一个很大的提升。同时我们在考虑怎么把产品梳理得更加人性化,以便他们能利用数据智能真正驱动运营。我们现在对这一点的认知越来越清晰,并逐渐把这一认知融合到产品中去。”

慕巍解释,所谓“数据智能”不是简单的“数据+智能”。数据智能希望实现的是,能让普罗大众也能看懂数据背后真正的内涵与价值,能够享受数据分析、数据运营以及数据驱动增长的红利。因此舟谱数据的团队从产品设计开始,就在思考如何将数据以一个可视化、智能化、人性化的方式呈现出来。

慕巍指出,可视化实际上并不难,因为可视化的基本元素差不多是固定的。无论是柱状图、折线图还是3D的动画效果的图,这些形式都可以实现,关键是其中呈现的内容如何捕捉和筛选。

他以飞行仪表盘的迭代做了类比:F16战机的驾驶舱操作面板上有非常密集的按钮和拨盘,陌生的操作者需要大量时间来掌握这些机械按键的指代意义。这就是很典型的一个专业人员才能够看得懂的数据呈现形式。相对的,F22战机座舱内仅有两块主液晶显示屏,甚至出现了新一代的头盔化的液晶显示屏,所有显示都是动态的。但实际上,飞行传感器更多了,飞行的数据信息也更多了,为什么仪表盘变少了?实质上就是智能化的系统帮你过滤了更多海量的底层的东西,之后呈现即时的、关键的信息,从而让驾驶员能更加容易的驾驭这架飞机。

慕巍认为,用更少的数据去呈现最有价值的内容,对于用户来说才是最实用的。大数据1.0时代,比的可能是谁的数据更多,谁能在一个大屏上展示尽可能繁复的数据。但用户看不懂实际上一切都是徒劳,因为数据没有价值,洞见才有价值。

“大数据2.0时代比的是克制,谁能用更少的数据展示最本质的东西才叫本事。因为数据产生洞见,进而让用户产生行动,这才是有意义的。尤其是随着5G、物联网时代的到来,各种数据将会更多。可以说,原石大家都有,怎么从原石里发掘金子就是能力所在了。”

二、建立专家模型。所有的经销商都希望拥有自己的高效能运营工具。要真正让这些工具发挥实效,只有在真正理解了其商业运作原理的基础上,建立符合其需求的专家模型,并将这些要素真正融合到产品逻辑里,才能产生效果。

慕巍提到,舟谱数据在最初推广产品的时候成立了一支“客户成功团队”,这个部门的主要职责就是深入扎根客户,和专家组一起陪同客户探索运营的各种玩法,包括开通、促活、拉新、运营红包等等,帮助他们迅速成长。成效是非常显著的,客户反馈也很好。“但是舟谱数据不可能为每个客户都提供专家团队,因此我们希望在产品的设计里就能实现这样的功能,让经销商只要用了舟谱数据的产品,就相当于雇佣了一支专家团队。”

三、帮助经销商老板打造掌控力、决断力、谋划力。打造一个优秀的数据运营产品,除了让数据洞察发挥其价值,让专家模型更契合用户需求,另一关键是要提升经销商老板的掌控力、决断力和谋划力。作为一个公司的掌舵者,这三个“力”往往决定了经销商发展的潜力和上限。

掌控力,指的是对商务流程和公司运营的基本掌控程度。经销商通过数据智能可以直观地看到公司整体的运作效率,并对流程中每个环节的优势和不足都能一目了然,进而运筹帷幄。

决断力,指的是面对市场的瞬息万变时判断决策的能力。如果经销商准备策划一个促销活动,借由数据运营工具,可以及时判断出当下该运用哪一种促销手段,同时评估出能承担多少损失,并在促销期间实时掌握销售情况,再根据实际调控打折的幅度和周期,从而尽量让成果符合预期。

谋划力,指的是根据既有线索预判并调整运营形式的能力。除了必要的数据分析“武器”外,经销商可以通过数据智能手段得到一些其他的信息和线索。比如什么样的商品该做促销,什么渠道的商品已经滞销,什么商品在一些特定地区成为爆款,这些信息能帮助老板去进行下一步的运营布局,三思而后行,谋定而后动。

舟谱数据的抉择:大数据2.0时代的步步为营

围绕上述要点进行产品研发时,舟谱数据面临的最大挑战是:怎样在千千万万的需求当中梳理出共性的需求,能使舟谱数据以最小的代价、最快的速度来迭代这些需求。

慕巍坦言:“当你做的越多,越会发现经销商运营模型的千差万别。从广州到山东,从江西到内蒙,无论从发展程度还是思维方式上经销商们都存在鲜明的差异。因此技术上,我们在构建框架时需要尽可能灵活,同时对开发的迭代能力也提出了挑战,要迭代快且多才能符合需求。目前舟谱数据是配合大的产品线,为不同的经销商定制化服务,在使用体验上尽可能去贴合用户自身的业态。同时我们也在现有的基础上对产品模块作进一步的拆分,进而可以满足客户个性化的需求。”

在团队构成上,舟谱数据的CEO、CTO均有美国顶尖互联网公司的从业经历,公司属于互联网基因比较浓厚的科技型企业,整个团队的管理层基本兼具技术背景和大型企业项目运营经验。值得注意的是,其研发团队的组成角色相当多样化。

“近一年来,我们把研发团队的层次丰富了很多。设置了UED部门,主要聚焦用户体验,希望在B端营造犹如C端的体验感,而不是常见的弥补功能性的缺失;增设了PMM,随着产品的多样化,我们更加重视如何让我们的客户真正把握产品功能,并在新老客户的工作生活中得到迅速的落实,增进用户活跃度。不完全统计,我们的研发团队不算管理层大概有十几个角色,可以说麻雀虽小五脏俱全。”

从去年年底到今年,舟谱数据主打的产品是舟谱店管家,主要是在次终端(即经销商)和零售终端之间搭建连接通道。“智能推单”是其中一个比较核心的功能,不同于传统的客户发起采购模式,门店老板无需耗费大量时间在平台上选购商品,取而代之的是,系统后台自动生成该门店的采购订单,由经销商的业务员一键推送,门店只需3秒即可完成全部采购。

“这样的工具实质上有两个作用:一是信息连接,当业务员去拓店的时候,可以将更多经销商的客户群体纳入网络,拓展获客渠道;二是激活用户群体,因为这个触达方式很容易完成老板与老板之间的联通。经销商可以依据客户类型、渠道、区域等安排促销活动,在后台提前创建各类促销订单,推送到所有门店老板的微信上。”

慕巍介绍,对于快消品行业来说,复购频率很高,除非这个门店出现不可抗因素,其客群、销量都是相对稳定的,因此订单的重复性很高,其可预测性要远远比预测一个C端的消费者容易。从狭义上来说,智能推单可以预测你的库存,提出补货建议。广义上说,智能推单还涉及运营推广。比如有没有其他的促销商品需要订,有没有新的爆款商品应该订,有没有新产品可以考虑订,这种运营策略相关的功能也涵盖在智能推单里面。此外,对业务员来说,平常跑店的工作量是比较大的,“智能推单”功能可以帮助他们扫过潜在客户,做一波预热,在这种情况下,业务员跑店时就能更加有的放矢,提升工作效率了。总结来说,智能推单的应用场景非常广泛。

放眼未来,舟谱数据依然会将数据分析作为一个中长期的持续发力的点,只是不同阶段其意义有所区分。“我们从不把自己定位成一个SaaS软件提供方,我们给经销商提供的能力是不断进化的。最开始提供了移动办公能力,接着打造了全链条的技术赋能能力,包括数据运营、仓储物流等,再往前一步,当我们逐步拉平技术战场后,就要开始着手去做跨层次的数据连接、动态组网,也就是货和店的匹配问题。”

慕巍认为,经销商的业内整合是必然,将来经销商的数量可能不会像现在这么多。舟谱数据提供的工具并不是无差别的适用于每个经销商,更多的是契合那些拥有一定地区掌控力或运营意识特别超前的群体。舟谱数据能做到的是让更多优质的经销商借由这些平台和工具浮现出来,并更上一层楼。“我们相信,我们服务的经销商会更加有力量去整合更多资源,做到更好的运营。同时我们也希望能有更多志同道合的人可以加入舟谱数据,为DT这个概念创造更多的成功案例、落地场景,在数据智能时代有所作为。”

【本文是51CTO专栏机构“舟谱数据”的原创文章,微信公众号“舟谱数据( id: zhoupudata)”】

戳这里,看该作者更多好文

人工智 数据 互联网
上一篇:边缘AI+计算机视频,正给木板架行业带来全新面貌 下一篇:Python实现识别图片中的所有人脸并显示出来
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

为什么AI没能让人类失业?

我们听了这么久有关「AI取代设计师」、「AI取代写作者」、「AI取代画家」、「AI取代司机」……的论调。然而时至今日,我们发现实际上,目前还没有一个职业「真正」被取代。

佚名 ·  1天前
AI又一次打败了人类:仅凭一张自拍照片辨别个人性格

一项新研究表明,人工智能(AI)可在“仅凭一张自拍照片辨别个人性格”这件事上再次打败人类。与人类相比,机器能够更好地识别一种特征,通过分析人物面孔来确定物种不同的性格特质。

佚名 ·  2天前
知乎高赞:985计算机视觉毕业后找不到工作怎么办?怒刷leetcode,还是另寻他路?

985研究生,学计算机视觉,出来后找不到工作?本文带你看看这个70万浏览量问题下的答案干货:找工作难,是因为前两年AI领域泡沫太大。

佚名 ·  3天前
5个杰出的商业机器学习用例

现在是仔细研究ML的好时机,看看您如何将其应用到您的业务中。下面是企业将ML应用到产品和服务创新的5种方式。

物联网IoT996 ·  2020-05-21 21:14:38
如何使用支持向量机学习非线性数据集

什么是支持向量机呢?支持向量机是监督机器学习模型,可对数据进行分类分析。实际上,支持向量机算法是寻找能将实例进行分离的优秀超平面的过程。

不靠谱的猫 ·  2020-05-21 09:02:37
机器学习的工作原理

机器学习是一种数据分析技术,可在数据集上构建预测模型,以提供有用的答案,这些答案可用于制定重要决策。 它利用统计概念和数学方法通过python和R等编码语言处理大数据。有多种机器学习技术。 但是,本文将介绍回归和分类。

闻数起舞 ·  2020-05-19 09:11:20
如何解决企业AI的巨大挑战

根据Gartner的说法,组织需要建立特定的用例,并部署具有可衡量结果的技术,以实现AI的价值。

闻数起舞 ·  2020-05-19 08:11:09
谷歌提出AI训练提速新方法,榨干GPU空闲时间,最高提速3倍多

因为通用计算芯片不能满足神经网络运算需求,越来越多的人转而使用GPU和TPU这类专用硬件加速器,加快神经网络训练的速度。

晓查 ·  2020-05-14 14:21:50
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载