（文/百丽时尚科技中心总经理季燕利）随着信息化、数字化的深入推进，企业积累着越来越多的数据，数据是企业业务本身，同时，数据可以支撑业务的迭代创新，重塑对企业核心竞争力的认知。本文将主要阐述对企业数字化探索与实践的思考。数字化转型源于战略，始于业务，呈于数据，汇于平台，管于资源，兴于协同，成于敏捷。

（一）数据生态的逻辑

数据是后台系统协同前台应用的桥梁，所以我们先简单地讲一下数据生态的逻辑：第一步先确定一个实体（业务域），第二步是确定用什么方式去进行数字化采集，第三步是把采集的数据放在一起，第四步是将数据进行分析，第五步是数据服务。

举一个生活中的例子，家里的电器，不管灯还是空调，就是第一步的实体；何时开、何时关、用电量，这就是第二步采集，将家里所有相关的电器都做到数据采集；以上数据都是分开采集的，所以需要第三步，将所有的数据放在一起，这就是数仓；有了数据，再进行分析，也就是经常何时开空调，家里的用电量等等，这是第四步；第五步，根据分析数据，给出合理化的建议，这就是数据服务。

换成技术的方式表达，第一步实体，就是具体业务。第二步采集，就是进系统。第三步数据归集处理，就是数仓。第四步分析，就是前端数据应用。第五步数据服务，讲的是回路，讲的是协同在线，同时也是完整的闭环建设。

协同在线，就是用消息实时串连操作、审批、数据为一体，也就是第五步的数据服务中用消息把前面的四步串联起来，形成闭环。它的作用是：从系统走向应用，从后端走向前端，从局部走向整体，从业务走向管理。下面用数字化建设的逻辑来表述一下。

（二）从无数到有数到再增数据

首先要解决有数、无数的问题，再解决数据的完整性、有效性问题，就是回路建设，这个从无数到有数到再增数据，具体如下：

1、无数到有数

一个实体（也就是业务），一种现象（对应的业务场景），是否能用数据表达出来，或者是否能采集到相应的数据，这就是无数与有数，就是数据从0到1的过程，无数则解决采集问题，有数要进入下一层。

2、有数连逻辑

有了一个数据，不可能完全表达出实体与现象，实体和现象都是由多个数据组成，也就是业务场景都是由多个数据组成，当有一个数据的时候，就需要找与之相关联的数据，这种关联，是多维度的，也就是数据的连接的逻辑。关联的维度越多，说明这个数的重要性越大。

3、定标准

数据在多维度验证连接后，就要有标准，这个标准首先要表达与业务场景的真实关系，也就是在多维度上可以复用。真实性是数据有效性的前提。

4、成系统

即便数据已产生多维度连接，但也只表现出某一个业务场景特征，同一个业务实体的多个业务特征之间编排组合完整的流程，系统是整体流程各个环节的完整数据的最终集成，整体性代表了系统支持业务的能力水平。

5、实时性

实时的数据，能真实呈现当前业务场景的状态，系统的能力体现在数据是否能及时收集与整理，并实时提供给业务应用。与业务场景的现实之间的延时越长，数据的失真性就越大，有效性就越弱。实时性，在业务方面代表的是效率，在技术方面则代表系统的构建水平、反应速度与应用能力。

6、共享（分享）

数据的真实性、完整性、实时性是数据平台的核心价值，也是数据分享的基础。实时化的数据通过前端应用产品不断的分享给相关的岗位及人员，才能让这些人对实时的现象状态有了及时的了解，才能保证他们工作过程中行动与结果方向一致。

7、互动

实时化的数据在前端应用产品中呈现，在相关联的岗位之间共享，各个岗位之间根据共享的数据进行交流互动，同时连接到具体的业务流程进行推进，这就是协同平台的作用，也是工作群的作用，实时化的数据共享，让岗位之间的互动更为有效，让业务流程推进更为顺畅。让岗位在系统的支撑下，创造出远远大于原有的、仅仅基于岗位的价值，激发岗位的潜能。

8、流动

基于统一的协同平台，系统间数据的流转，岗位与岗位通过数据进行协同，数据被反复使用，数据被复用的越多、频次越高，也就体现出这样的数据其价值越高。需高度关注这类数据的资产化价值。数据的流动，将聚焦在开发连接的价值，系统的价值就是组织优化的综合体现。

9、认知

在实时的数据之中，产生认识，再将认识的数据，分享给别人，与分享的人互动，产生共识，再分享更多的人，就产生流动，在流动过程中也产生更多的互动，这个不断的循环就会产生许多共识，共同的认知会提升个人认知与集体认知，从而也会产生新的数据需求，新的数据需求就是无数到有数，又产生新的循环。系统和组织的潜力被充分地激发出来。

系统建设过程是从无数到有数再到实时化，是数据如何生产与采集出来的过程，是从业务到系统到数据的建设过程（也即1-5）；从共享到认知，是数据被用的过程，是协同的逻辑，也是回路的建设（也即6-9）；从认知再到对新的数据的需求，是循环往复的过程，是数据新的价值的产生过程，也是协同的作用和意义，互动，流动，认知，新的数据需求就是认知的提高，是增强回路的建设。数据的增强回路映射业务、组织、系统的迭代闭环，通过对这些数据进行汇总整合分析应用，辅助管理决策，调整组织人员配置和协调，提升内部业务节点运转效率，驱动业务流程与组织能力的不断优化。1-5，是现象到数据的过程；6-9，是数据价值的体现。

数据建设逻辑：从无数到有数，从有数到数据闭环，再到增强回路形成数据循环

分享、互动、流动、认知，这八个字来自于凯文凯利关于未来的趋势，未来的世界一定是互动影响认知，系统的涌现就此发生。

（三）场景-微场景-细微场景

例如，零售门店在运营过程中，需要关注店铺是哪些顾客进入、顾客购买了什么商品、顾客购买的时间、顾客购买时的促销活动等等信息，通过营促销管理、POS等系统，对相应的数据进行采集。这里的各方面因素都是相互关联，相互产生影响的，能力强的店长能通过分析这些因素的变化情况，找到销售波动背后产生的原因，来调整销售策略与安排。这个分析过程就需要通过对相应数据进行及时的真实性确认以及数据的整理，因此实时数据呈现及相关数据分析非常重要。以上的相关数据以前是散落在不同的系统之中，店长需要通过不同的系统来进行查询数据，然后再整理数据，耗时耗力，再因店长的水平不一，容易出现数据不准的问题。因此，需要一个门店日常运营场景相对应的前端系统来满足业务及时、全面看数的需求。我们的门店数据产品应用而生。门店数据产品是以单店为核心，以业务数据为基础，根据实际业务场景搭建出来的。

1、“门店数据”根据业务场景编排--前端应用产品

首先，系统将每一笔销售单据进行数据采集，数据收集到数据平台。数据平台以单店为最小单位进行数据整理，形成人货场的单店数据分析体系构建。再围绕最小单位往上汇总数据，建立不同岗位角色的前台应用，保证统一的口径和业务逻辑，实现数据的标准化。“门店数据”以单店为核心，基于数据平台的相应汇总数据，同时各角色根据相应管理层级逐级对数据进行验证，保障数据真实，在数据标准化的基础上，实现数据的实时化呈现。

其次，“门店数据”前端应用产品的设计思路源于终端门店的各业务场景，“门店数据”会根据不同的时间点推送不同的数据，由用户在门店场景中验证数据的准确性，确保系统数据一致。

最后，“门店数据”的功能共分为三大类，分别是【实时销售看板】、【数据分析看板】和【门店管理工具】，每个功能都映射门店经营对应的微场景。

【实时销售看板】是及时地反应店铺销售整体情况，从商场动态、完成率、店员销售等方面实时更新店铺经营数据，方便店长随时掌握店铺销售状况及目标达成情况；

【数据分析看板】又涵盖销售概览、单品分析、员工分析、店铺排名、特殊时段、店长报告6个应用模块，每个模块里面的维度都不同，销售概览是以日、周、月、年时间维度，单品分析是以畅、平、滞维度，店长报告自动生成标准化的日、周、月报告，数据分析看板让店长全面了解店铺状况。

【门店管理工具】则是围绕店铺日常管理工作为目的进行设计的，主要包含【店铺目标】、【数据收集】、【岗位管理】和【通知订阅】四个管理应用；【店铺目标】用于制定店铺和店员的销售计划。店长设置目标后，在实时数据、店员分析等应用均会展示完成进度，便于更好地推进团队达成目标。

2、“门店数据”在微场景的应用--协同应用

“门店数据”通过协同在线将相应的数据内容在店铺群内进行共享（分享），并实现审批在群、操作在群、数据在群，让店长与店员，各门店的店长与主管之间产生互动，不断产生共识。例如：

1）早工作部署：在早上8:30上班路上，店长在“门店数据”应用内结合本周目标完成率、排班情况及店员能力，调整店铺日目标、将任务分配到店员，在“门店数据”的【店铺目标】模块完成目标的设置。然后通过“门店数据”的群应用将今日店铺目标、店员目标一键发送至店铺群，将今日销售任务及销售策略同步至当班店员，如店员有疑义可群内及时沟通，达成共识后即可完成早工作部署；同时，机器人会定时将店铺目标逐层向上汇总并在各级管理层的群内播报，让目标管理更高效透明，店铺间也可互相关注、参考和对比达成情况，进一步促进互动与信息流动。

2）开单激励：机器人实时将首单信息在相关群内进行播报，提醒开单店员群内晒单，多种便捷工具方便店员分享开单心情及经验，同时，会通过消息推送的形式提醒店长，帮助店长做到及时鼓励、互动，以鼓舞士气；“门店数据”还会定时进行孖单播报，置顶开大单员工头像，创造集体荣誉感，快捷的分享、激励形成标杆效应，以提升销售动力。

3）时段报数及跟进：“门店数据”会在固定时段主动报数给店长，店长也可以通过“门店数据”的【实时数据】模块获悉店铺实时的销售情况，根据数据来分析总结当前问题。同时可以一键将包含店铺销售数据及经营总结的卡片发送至有其主管在的群里；主管看到店长发出的卡片，基于销售数据帮助店长分析定位问题，在群内及时地进行了解与互动，最终双方形成共识，从而店铺及时调整策略并运用到当天接下来的销售环节中。通过不断地报数呈现、数据验证，也更加能保障实时数据的准确性。保障准确性后，可以进一步分析店铺开单时段分布，为优化店铺人员资源配置提供数据基础。在晚上十点，门店数据还将主动推送【店长日报】给店长，店长日报从销售、单品、品类、店员四个方面，自动生成店铺经营数据，辅助店长完成当日的销售复盘，同时方便店长做第二天的工作部署，结合当月、当周的店铺经营表现和下一步目标，灵活、精准形成调整策略，运用至次日的经营活动中。

通过“门店数据”在以上微场景中的运用，将数据结合互动，充分沟通、互动更能发挥数据的价值，也让互动更有数据可依。店长、店员及主管等不同岗位之间不断分享数据和交互意见，不断产生共识，并且不断调整和改进经营策略。分享、互动过程中又产生了大量的行为数据，行为数据结合调整策略后产生的经营数据，反哺到业务细微场景中实现业务迭代和分析闭环，去持续拓展、增强整个“从无数到有数”的闭环建设。

3、“门店数据”未来在细微场景的应用--AI智能

通过有数据、连逻辑、定标准、成系统、实时化、分享、互动、流动、认知再推动从无数到有数，不断产生新的循环，在持续完善的全场景数据基础上，依托AI智能技术的应用，结合机器学习的算法沉淀，逐步实现从人和人的互动转变为人机智能交互，实现智能化构建，智能化又推动运营过程中细微场景的创新。 依然以门店数据为例，从过去人找数据，到现在数据找人，未来以AI智能推荐、语音/语义查询及大数据分析等五项数智能力为支撑，将实现更“懂你”的数智化应用，让店铺管理更高效、服务更精准，借助数智能力，未来店长的一天将在与数据的动态互动中实现店铺高效管理。以其中几个细微场景为例：

1）首先，在上班路上，机器人自动根据本月目标完成情况调整当日任务分配，并推送至店铺群；基于AI语音对话能力，并实时提醒店员目标达成情况；

2）借助大数据分析能力，进行销售预测和利润预测的动态分析，同时结合库存监控预警，辅助店长进行精准调货申请。

3）每天，基于AI的智能推荐，自动匹配销量、利润、库存等指标，计算出有销售潜力的主推款，并推送给店长，辅助店长精准决策；并自动配合店长，自动形成主推款详情和主推话术，触达到每个店员，助力更好地服务营销。

4）店长查询任何数据，不用打开前端应用产品界面，直接与机器人互动就可以完成，机器人自动将互动的内容形成店长日报，以便店长复盘每日工作。

以上是以“门店数据”为例，按照1-9的逻辑，以业务场景-微场景-细微场景中应用的建设过程，数据在业务场景中进行汇集、整理、应用，通过协同在线，在细微场景中进行校正，同时增加更多的数据维度以及行为数据，基于在微场景中补充的更全面的数据的综合分析，才能支撑在细微场景中的AI智能应用。

门店数据：源于终端，服务终端； 协同在线，组织迭代

下面再简单以“补货群”为例，阐述一个先建设6-9，再连通1-5的过程。

关于“补货群”，我曾发文《从补货场景，看企业协同在线》，在文中详细介绍了关于“补货群”的探索以及提出协同在线的构思、建设路径和产品。在2020年7月我们开始进行“补货群”的尝试，最初是将地区相关货品人员以主群和子群放在一起，用消息来解决沟通难问题，当时补货工作，涉及到跨地域、跨岗位、人数众多的各层级人员，沟通主要依赖邮件、微信、电话等，没有记录，相应的过程中数据也人工记录在表格中，不能回溯。用补货群，相应的信息在群里分发到相关人员并直接在群里沟通、跟进，每个人是否看到消息都能呈现，都可记录，同时，大家之间的互动也在群内。当大家习惯了使用群的沟通方式之后，根据具体的业务微场景的需要，将系统功能或前端应用解构，通过群结构设计、群能力设计和消息推送设计的编排，进一步将系统的操作、审批、数据逐步前置到群里，实现了1-5与6-9的完美结合，这就是协同在线的从无到有的探索。传统的零售系统是以流程为主，未来零售系统会以应用业务场景中，以数据平台和组织平台为依托，数据平台将各个系统采集的数据收集汇总起来，再根据组织平台的信息按照各个业务岗位分发数据，协同在线再把谁操作、谁审批、谁看数都串联起来，形成过程数据化，这就是未来的零售系统，原有的ERP都变成后台系统，一切应用都对应具体业务场景。

以上是我们对数字化建设的思考及数据应用落地的探索，现在行业内涌现出许多概念和逻辑，这些概念和逻辑，大部分都源于线上的思路，线上是个虚拟空间，本身就是用数字来表达的，没有数字不能实现线上；而线下是实体，针对实体，是否能采集到全面的数据，或者法律法规的原因不能采集，是实现这些概念和逻辑的前提条件。概念落地首先要解决从无数到有数的过程。

整个从无数到有数逻辑中，互动、流动、认知是非常重要的，也代表回路和增强回路。因数据所产生的互动，代表数据是活的，也就是这个数据是有价值的。所以这个单一互动也会产生新的动作，这个动作如果回到操作层面，就是一个完整的回路。如果因为这个分享而产生更多互动，再产生再分享的流动，这就有可能会产生增强回路，当然还需要对接到操作层面，推动相对应的操作甚至到整体操作。所以互动非常重要。互动一定要基于共同的探究，本质应该是非竞争性的，从理解出发，分享每个人的观点和想法，暂停基于个人的假设和信念，暂停证明“我是正确的”的本能反应，秉持“我们都是对的”的开放与信任，打破非此即彼的局面，实现突破，这需要通过倾听和真正的对话进行共同的探究，以达成共同的意义，这也将意味着形成有意义的流动。放在公司的环境里，对话是思考或学习型组织的至关重要的基础。通过对话，公司的大脑可以不断地重新建立联系与互动。不断的互动中才能生产流动和认知，最终产生认知的提升。

数据的流动，能把系统的潜力挖掘出来，能让岗位更多地撬动出系统的潜力。

（四）业务管理的核心抓手——数据平台

1、数据是沟通的桥梁

数据作为沟通的桥梁、统一的语言，让业务环节与系统功能之间连接起来，让“业务依托技术，技术为业务赋能”成为可能。正如前文所提及的“门店数据”，它从门店经营场景中海量应用数据的过程中抽象开发而成，它成为了各级管理者与一线员工的沟通桥梁。对于大型零售企业，拥有分布在众多城市的众多的门店和数量庞大的员工，业务和组织复杂度对管理者提出了非常高的要求。（1）“门店数据”帮助管理者运筹帷幄。完整的门店数据体系实时呈现了门店的经营动态，对于各级管理者，整个集团/区域/城市的业务体态通过数据孪生的方式实时映入眼帘，为业务决策提供充分的数据指引。（2）“门店数据”帮助管理者走进一线。“门店数据”就是各级管理者与业务一线的沟通桥梁，它彻底打破了在传统“巡店”过程中天然存在的管理层和一线员工的对话障碍，包括语言不一致，数据不完整，表达不直观等，各级管理者利用“门店数据”到任何店铺去都可以直接与员工就具体业务进行有效沟通，快速发现问题，进而解决问题。

“门店数据”建设了企业内部语言体系，数据构成了管理者之间、管理者与一线之间的沟通桥梁，也是管理提效的工具。

为了保障这种沟通，就需要在数据产生的源头上进行标准化及验证，保障数据的真实性和完整性。其实每个数据的产生，都是系统的录入采集过程，而且会被系统完整记录下来，这个过程同时也会涉及到多个系统中的数据的调用，数据之间的调用关系也是真实性的反应。比如零售店铺整个POS开单过程，所需的数据涉及十多个系统，POS需要将十几个系统里面的会员、商品、店铺、营业员、促销活动等十多个维度的数据源、数据规则在一个功能菜单进行汇聚和整合，生成销售订单。在这个过程中，数据的录入采集都是发生在店铺中，店铺人员可以通过“门店数据”实时核对录入采集的准确性，管理者也可以通过“门店数据”与一线员工确认数据的真实性，来确保系统中的数据的真实性。

2、数据治理是管理工作的一部分

统一的数据门店产品，解决了门店产生的数据曾经存在的数据不全、数据不准、数据不一致等问题，这些问题以前严重地制约了数据价值的实现。数据价值的实现就体现在业务更有效与更高效地使用数据，在数字化建设中的路径就是将所有系统的数据汇集到数据平台，数据平台再根据业务应用场景进行编排建模，以提供给业务使用，实现有效应用和高效应用，例如门店数据和丽影。当数据汇集到数据平台按照业务应用场景进行编排建模时，就很容易识别出某些业务环节的数据存在的不全、不准、不一致等问题，这就需要数据治理，从应用端到数据源进行拉通，回溯数据采集的源头及路径，进行数据标准及数据关系的梳理，管理源头的业务运营的规范性。可见，数据质量是业务运营规范性的体现，数据治理需要管理者主抓。对数据的重视其实由来已久。我国从很早（商朝或者秦朝）就开始了记账，相应地也会有对账工作，这就是最原始的数据治理，以保证账账相符、账实相符，账账相符就是流程拉通，就是流程与流程之间的关系，在流程内部就是节点与节点之间的关系。账实相符，就是呈现资源的数据与资源本身的一致性，例如人口和土地等，历朝历代，人口、土地的数据都是统治者所重点关注的。所以，数据治理自古有之，并不是现代化企业才有的一项新的工作内容。数据治理是一个漫长的、真真切切的管理的基础工作，长期而又持续性的工作，反应出业务运营的规范性和效率，是管理者日常管理工作的一部分。而数字化建设的革命性贡献还在于它反哺管理系统，为管理者通过开发公司整体运作优势提供了前所未有的可能性，当然，要想发挥这一优势也对管理者，尤其是公司层面的管理者在认知和能力上提出了前所未有的挑战。

3、数据平台是企业资源的管理平台

随着技术的发展、数据平台的建设，数据作为最核心的资产，数据治理能力作为最核心的竞争能力，开始登上历史的舞台。数字化转型的核心是厘清业务与系统的关系、业务与数据的关系、系统与数据的关系，协同推进业务变革、系统建设及数据能力建设。

未来企业数字化发展是在技术基础上，首先发展两大平台：业务平台和组织平台，业务平台是记录所有业务流程中的业务数据（包括销售数据、货品数据、渠道数据等等），组织平台是记录组织管理过程中人员数据（包括岗位数据、权限数据、行为数据等等）；然后发展数据平台，数据平台是业务平台和组织平台的数据进行汇集，加以综合治理，让数据真实可用，为数据应用做准备；最后是前端应用和协同应用的建设，前端应用产品化是将对应业务场景进行标准化的数据应用建设，协同在线是在标准化的数据应用基础上，满足业务微场景中更多个性化需求，提高整体协同效率。所以数据平台在整个建设过程中起到承上启下的作用，因此说它是IT建设的核心。在商业企业中，技术应用发展的目的就是为了调动资源并合理利用，精准、系统化支撑企业以更好的商品、用更快的速度满足顾客的需要。敏捷来自于协同，协同的前提是统一‘语言’体系，而这个‘语言’就是数据。数据平台就是资源合理调动和利用的保障，是企业所有资源的管理平台。

数据平台——企业资源的管理平台

不管技术如何发展，都超越不了这五个字：理、象、数、时、位，这五个字来自《易经》的核心思想。业务运营从整体和动态的角度来总结也是这五个字，业务分析就是用数据把不同的时间、不同的岗位和范围、变化的业务现象及背后的原因串联起来，而且还在过程中用数据不断呈现理、象、时、位的真实性。这个循环就是将观察、分析和思考不断逼近真实的过程。技术是这一理想变成现实的前提、工具和保障。

本人30年零售业务经验，从业务到管理，再到科技部门管理三年，本文是对从业务转型科技部门的感悟，和对企业数字化建设的思考。文章的内容有许多来自于我所带领的团队及合作伙伴的探索与实践，分享出来供大家参考。