商业生态全链路数智化转型的价值重构

季凌昊

（北京工商大学商学院 北京 100048）

阿里巴巴集团副总裁肖利华认为，数据即业务，业务即数据，真正做到这一点才能实现数据驱动。无数据不智能，无智能不商业，数据化、在线化是第一步，智能化才是未来趋势。数字化消费者资产成为衡量企业能否迈向未来成功的重要要素。在线化、数字化只是第一步，智慧化才能带来化学反应。从全链路视角看，供给端数智化的转型将迎来爆发。本文关注商业生态全链路的数智化转型，解析转型中的价值重构内容，并予以案例进行说明和佐证。

商业生态全链路数智化价值重构的要素

（一）价值重构的内涵要素

我国商业正在由“消费红利”经济向“数智创新”经济进化，发展思路从单节点成本和效率提升进化为商业全生态重塑增长方式，数智技术触发了商业生态的全链路数智化转型。从供需两端来看，数智化技术同时作用于消费和供给两端，随着技术的持续演化，重点作用对象持续发生动态交替变化。技术赋能消费者，使消费者需求更具体验化、个性化和多样化，呈现新需求；技能赋能供给者，使其更具柔性化、智能化和生态化，以满足持续动态变化的消费新需求，形成新供给。数智化技术驱动着新需求和新供给之间达到动态平衡和有机链接，从而催生新消费。

从发展路径来看，在新技术的推动下，商业生态正向全链路数智化方向转型，在这个过程中至少三种价值被重新定义：首先，链接价值被重构，从单向商流效率提速进化为全链路要素价值共振，实现增量式创新。我国商业从以产品为中心的传统单向链式价值链重构为以消费者为中心的环式价值网（见图1），由消费者定义业务能力和数字技术，各产业要素均可透过数据智能提升能力。全产业各个要素均透过大数据参与构建与消费者的链接，发挥各自的优势及能力所长，共同通过场景、互动、链接、体验、定制来洞察消费者需求，最优化产业资源配置，基于敏捷感知和生态服务满足和创造新需求。其次，人货场价值被重构，消费互联进化为生态互联，实现全生态效率提升。在原有传统互联网环境下的人货场定义（外部消费者视角）基础上，跨越到生态互联网视角，赋能内部组织、外部协同合作关系，扩大和衍生内涵，深度运营消费者、员工和产业合作伙伴的高体验和能力提升需求，重新定义“货”和“场”，驱动产业全链路数智化进程。最后，技术价值被重构，从支撑企业数字化转型进化为赋能产业数智化转型，实现全生态可持续发展。在AI、云计算等技术驱动下，传统实体行业从信息化与数字化转型逐渐向数据智能创新过渡，总体呈现正向相关。预计未来3～5年，随着实时强化学习、边缘AI等新技术的进一步成熟，数据智能应用将在各行业得到进一步提升，产品与服务、客户与体验、业务模式与工作流程、内部IT创新等在短期内仍是企业数智创新的主要方向。

（二）价值重构的驱动要素

驱动商业生态全链路数智化转型的核心能力有：基础设施云化、触点数字化、业务在线化、运营数据化和决策智能化，它们是全链路数智化的“加速器”，是价值重构的驱动要素。具体而言：

其一，基础设施云化程度反映了企业数智化转型的基本技术能力。云计算除了为企业数智化转型提供了算力基础外，还涵盖到支撑企业智能运算的算法模型能力、数据存储能力、数据之间传输的网络连通能力、敏感数据的安全能力以及对数据实时和离线处理能力等。此外，企业同样需要一个敏捷的、连续稳定的、成本优化的、安全和风险可控的智能运算环境。

其二，触点数字化反映了企业数智化转型过程中，企业与各方交互触点数智化水平的成熟度。企业借助AIOT、移动互联网等技术，保持与消费者、员工、商品、合作伙伴等全链路的连接。数智化的触点主要通过各个触点的数字化、移动化、智能化达到多维度的消费者行为感知、员工和组织感知、商品状态感知、合作伙伴和生态感知，使得企业在全链路保持连接和数据获取能力。

其三，企业通过业务能力服务化的方式帮助企业完成业务流程的数字化和业务价值的提升。一方面，企业需要快速响应来自各触点的变化，对业务流程进行重塑与优化，实现组织沟通与协同的效率提升；另一方面，为了应对日益复杂的业务场景与需求，企业需要对全链路数字化业务系统进行升级，通过不断的业务服务重构来实现业务共享和创新，促进商业生态之间的开放与协同。

其四，企业在数智化时代需要启动和激活数据的商业价值，充分挖掘自身高价值的“小数据”并充分结合生态的“大数据”，实现数据驱动业务，进而形成分析和洞察驱动型的企业文化。通过完善的数据体系，数智化企业可以利用数据洞察赋能企业的全价值链，为企业的员工和合作伙伴提供运营指导，实现降本增效，同时提高合作伙伴之间协同效率，改善消费者体验。

其五，构建企业的“数智大脑”是企业数智化转型的重要方向。基于复杂智能算法的推荐、预测、决策等结果，企业在系统层级直接采取相应行动并根据数据不断的完善和补充。企业的智能化场景会日益丰富，智能化决策通过对大数据进行不断的训练与学习，从而做出更加智能的决策，形成良性的学习反馈闭环，最终帮助企业实现全链路的高效决策。

（三）价值重构的流通要素

借鉴2019年阿里云研究中心的观点，本文将价值重构的流通要素划分为11个，分别是品牌、商品、制造、渠道、营销、零售、服务、物流、金融、组织和技术（见图2）。在数智化过程中，将从产业全链路端到端视角进行各个环节的价值重构，将物流、资金流、信息流以及组织协同进行有机融合。

图1 全链路环式价值网

商业生态全链路数智化价值重构的内容

依托基础设施云化、触点数字化、业务在线化、运营数据化和决策智能化的核心驱动能力，商业生态全链路的各个环节将进行数智化改造，克服各环节的内在弊端和发展瓶颈，重构价值体系。介于篇幅，本文将主要介绍品牌数智化、商品数智化、制造数智化、营销数智化、物流数智化中的价值重构内容。

（一）品牌数智化

发展和升级品牌数字化触点，建立消费者与品牌的连接，实现品牌设计、推广、巡检等核心业务的在线化升级。通过沉淀品牌营销、舆情、行为偏好等多方数据帮助企业实现基于数据驱动的品牌运营，通过构建智能化算法赋能品牌运营和决策场景，实现品牌策略和调性与目标人群的精准匹配，实时掌握品牌舆情动向，促进品牌忠诚群体的转化和持续运营。

具体而言，在品牌运营方面，目前存在三大发展瓶颈：其一，消费者感知弱。品牌推广策略依靠经验，互动体验缺少数据反馈，使得品牌对消费者的感知不强，企业无法深刻洞察消费者，难以占领消费者心智。其二，品牌难管控。品牌推广、巡检、舆情等核心业务依赖线下流程，过程缺少管控，品牌风险控制能力弱。其三，人群难匹配。目标人群的构建缺少数据指导，品牌策略和调性缺少数据洞察支撑，存在品牌和目标人群匹配难的问题。

为了解决这些问题，可通过品牌数智化进行品牌资产化经营，主要包括两个层面：其一，智能化品牌全体验。关注客户全触点、全链路的品牌体验，在品牌管理上进行更广域的市场传播，提高美誉度和知名度；在消费者和市场洞察上把握消费者的需求变化，洞悉市场的演进趋势；在策略设计上，设计品牌体验触点和商业策略；在沟通互动上，创造品牌社群，加强互动讨论，倾听客户之声。其二，消费者资产运营。将消费者资产运营作为品牌运营的首要关键任务，品牌营销上升为品牌管理，监测品牌声浪，基于大数据分析和消费者运营数据判断传播效果，决策传播策略，洞察消费趋势以及体验需求；设计商业策略，梳理客户全体验之旅，设计每个体验触点的交互方式，在每个触点上形成体验闭环，并实时捕捉数据作为策略优化迭代的基础。

（二）商品数智化

借助虚拟技术、智慧体验店等数字化触点来强化消费者对商品的感知力度。品类、商品、竞品和消费者需求等数据的深度挖掘驱动研发、定价、投放等在线业务的敏捷迭代。通过数据整合创建单一可信赖的信息源，及时获得准确、详尽和一致的产品信息，为商品创建立体全方位的数字化标签，支撑产品全生命周期的管控与决策，实现自适应的智能优化体系。具体而言，在商品运营方面，目前存在三大发展瓶颈：其一，爆款难打造。传统企业在打造爆款时，在了解用户痛点、分析市场的风口、打造自带口碑的产品等方面，企业缺乏数据上的支撑和测试上的投入。其二，需求响应弱。商品数据分散，结构不标准，导致商品维护和检索困难，对产品生命周期也缺乏有效管控，其中对DIY的需求缺少支持。其三，产品难优化。产品的市场反馈链路长，缺乏立体的认知，研发成功率有待提升，问题管理、产品优化、下轮研发迭代无法形成闭环。

为了解决这些问题，商品运营从竞争驱动向用户需求驱动演变，其数智化价值重构主要表现在三个方面：其一，挖掘新需求。以大数据分析为基础，以全渠道消费者数据和小样本调研测试为切入点，精准挖掘新产品、新升级、新包装和新市场机会，看重增量市场和较高溢价。其二，平行研发。充分调动生态资源快推新品，在挖掘需求阶段，将需求直传给工厂，推进柔性生产；在生产阶段，实现多组织协同、创新互动、高频率、高效率且个性化；在售后阶段，分析用户反馈的数据，以反哺品牌制造商进行后续新品的开发。其三，智能迭代营运。实时反馈消费洞察，捕捉消费者之声，实时洞察品类动销，进行改进测试，拉动长尾客户价值，进行商品间关联性挖掘，建立价值链接，形成商品组合价值。

（三）制造数智化

通过将传感器、智能机器、工业机器人、智能车间与员工等数字化触点有机整合，确保触点采集的设备、生产、交互行为等数据准确性；通过将采购、排产、生产调度等核心业务“在线”化，开放并实现生态协同，实现从需求到生产的高效集成；通过数据挖掘，实现更精准的需求预测、更高效的制造建模与仿真，实现优质、高效、低耗、清洁、敏捷的生产。

具体而言，在生产制造方面，目前存在三大发展瓶颈：其一，产销难协同。由于缺少对市场洞察，预测颗粒度不够、准确度不高，导致企业的采购、排产、调度等环节无法与销售资源形成有效的协同。其二，个性化难满足。随着商品的丰富和多样性，年轻消费者对商品的个性化需求成为购买的关键，无法随时响应客户个性化需求的供应链越来越难适应市场的主要升级趋势。其三，过程透明度低。大部分工作离不开人员的干预，生产过程缺少对数字化、自动化、智能化的工具和方法的应用，而且生产过程缺少对溯源信息的置入，质量追溯困难。

图2 11点流通要素

为了解决这些问题，需要推动制造数智化，重塑价值链。制造数智化至少表现在以下五个方面：其一，采购数字化。借助AI分析，更准确、高效地寻找到匹配度更高的供应商，更精确地预测和把握某个时间、空间上的需求，即时安排采购。其二，车间智能化。芯片、传感器、网络等硬件以及数据库管理软件将成为核心设备，数据和算法将使生产效率持续优化，互联网、大数据、云计算跨地区的协同将更加高效。其三，工业大脑重构人机边界。智能化、数字化与自动化三位一体打造未来工厂，通过“数据+算法”实现高成品优良率、低能耗、设备故障预警等服务水平的跃升。其四，规模化供给解决定制需求。通过互联网将更广泛群体、地域的小批量、碎片化需求进行整合，进行精准撮合或自生产；基于开放共享的数据，可进行销量、需求的精准预测和产能排班。其五，智能协同。工业互联网平台实现制造资源泛在连接、弹性供给和高效配置，企业内外部将实现协同。这些协同包括企业内部制造协同、企业间产能协同、不同种类产业间的产业协同以及企业与金融行业的产融协同等。

（四）营销数智化

拥抱直播、网红、短视频和社交媒体等新兴数字触点，全方位埋点采集全链路数据，形成精准顾客群体和会员画像。依靠技术和数据来配置营销资源，实现营销活动计划、执行、优化的全链路在线与自动化，沉淀客户、活动、消费者和三方数据形成数据洞察，优化营销的投入产出，实现精准的消费者触达和全营销生命周期的消费者资产运营。

具体而言，在市场营销方面，目前存在三大发展瓶颈：其一，画像模糊。消费者全旅程的行为数据收集存在断层，消费者画像不够立体，目标人群选取困难。其二，营销转化率低。对目标触达人群的圈选缺少数据和标签的支撑，触达消费者的途径较少，内容传播的穿透力弱，而且对触达反馈缺少获取、洞察、分析的机制。其三，持续运营难。缺少对消费者持续运营的手段，对不同链路阶段的消费者采用同样的营销手段，缺少消费者转化和复购的有效、精准的刺激手段。为了解决这些问题，需要推动营销数智化，由传统营销、数字化营销向智能化营销进化，实现自动化营销和营销自动化。

（五）物流数智化

物流数智化要求加大自动分拣、无人叉车、无人驾驶、无人机、智能货柜等数字化触点在物流仓、干线、最后一公里及末端的应用，使数据和业务在线能力被应用在路由优化、安全运输、产品溯源、冷链控制等应用场景。通过对配仓储、路线、库存和人机交互等核心数据的提炼与建模，分析并优化仓储布局、库存预测、物流线路、协同发货等，实现高效能生态平台型智慧物流。

具体而言，在物流方面，目前存在三大发展瓶颈：其一，缺少弹性业务支持。物流能力对高流量难以满足，对不稳定需求缺少合理的资源调度。其二，库存无法统一管理。无法对全局库存进行实时监控，无法实现实体和电商渠道、总仓、分仓库存透明化、自动分配并实时进行订单分拣，以减少缺货、提高库存周转率。其三，供需难调配。“干、支、末”物流服务体系仍不完善，很多薄弱环节导致效率低下、运营成本偏高；同时缺乏体系化管理，物流标准化低，信息碎片化、孤岛化导致供需失衡。

为了解决这些问题，需要推动物流数智化，搭建业务资源协同的生态物流服务平台。该平台具有三个创新功能：其一，物流介入业务过程，基于大数据进行需求预测，可实现智能选品、备货、分仓；其二，从需求端拉动生态供应链资源，提高服务精准性和水平，降低高空载率；其三，数据积累形成选品备货分仓、路径优化、订单路由规则的不断迭代优化。物流数智化能力的提升方向主要在于动态任务调度、智能仓储管理、自动分拣、全局库存可视化等。

案例分析

国内一些大型企业在数智化升级方面积极探索实践，推动全链路数智化的落地，取得了良好的应用效果。本文将选用两个案例，以五大核心驱动要素赋能，以品牌、商品、制造、营销、物流五个环节的数智化为核心，进一步对商业生态全链路数智化的价值重构进行解析。

（一）案例一：国内某大型乳业集团的价值重构

在品牌数智化方面，该集团打造“数字化的牧场”，帮助供给侧彻底升级改造。在需求侧，消费者可以通过溯源技术，清晰地获取到手中这杯鲜奶的原产地信息、产品生产管理流程，真正体会到技术保证下的食品安全。在商品数智化方面，先进的IOT技术和全域数据分析，可以精准追溯每一头牛的健康状态、产量贡献，从而实现个体的全生命周期管理，视觉识别技术帮助牛群的健康管理，帮助工作人员实现标准化操作，在牛群的微粒化管理上也会发挥极大的价值；在制造数智化方面，通过精准预测，上下游企业可以根据产奶量和市场供需关系，尽可能地对产奶节奏进行控制调整，从而实现整体产业的资本节约，也有助于企业收益的平稳增长。在营销数智化方面，销售人员单纯根据订单历史和经验，对下个月的销售额做出人为判断，会出现预测颗粒度不够、准确度不高的问题。集成品牌实际销售数据，进行销量建模，将“基于订单历史的人工预测”改变为“基于实际销量的智能预测”，提升预测准确度.在物流数智化方面，基于大数据建模计算，可以根据市场需求的变化，实现包括产线布局、仓储布局、奶源供应商管理等在内的物流网络优化，快速响应渠道需求。同时，从全链路角度，以数字化的方式为企业1～5年资源规划提供建议。

（二）案例二：国内某大型烟草企业的价值重构

在品牌数智化方面，通过零售终端数采系统和大数据模型和算法，实时掌握全省卷烟品牌零售库存总量、金额、零售销量等关键指标的市场状态，实现市场状态全透视及市场运行调控，建立卷烟市场松紧平衡指标体系和判别方法，做到对品牌培育和发展的精准指导；在商品数智化方面，借助大数据刻画消费者、品牌、终端三个画像，实现对消费者和卷烟的关联动态分析，发现市场需求未满足点，联合工业企业定制开发卷烟新品，并在引入和投放环节通过品牌画像、消费者画像精准锁定会员，开展测试评价和选点扩面，提升研发和投放成功率；在制造数智化方面，基于实时在线的市场消费、库存和订单情况，借助大数据建模计算，实现销量的实时在线与智能预测，以灵活、高频的方式向上游卷烟制造企业传导市场需求，优化生产计划与组织，敏捷与精准响应市场需求；在营销数智化方面，基于专有云和业务中台，融合线上线下搭建面向“农，工、商、零、消”的扁平化商业运营生态系统，实现卷烟供应链多样化供给，满足多元化需求，推进烟草商业营销模式的转型升级；在物流数智化方面，采集专卖管理数据，通过对接公安、邮政、运管等部门单位的数据，构建涉烟情报数据仓，对物流各环节进行实时监测。通过各种算法对大数据进行云计算分析，实现内部监管、市场监管、打假破网等智能化全域监管格局。