数字经济助推服装行业数字化转型的必要性及路径研究

2021-05-29潘简余皓琪杨金键

商场现代化 2021年5期

潘简余皓琪杨金键

摘要：我国的新冠疫情已逐步控制，这对企业的复工复产来说无疑是一个利好消息，然而这也让国内服装企业陷入了承接海外订单或产业转移海外的两难境地。通过搜集和分析近年来服装产业的相关数据和文献，了解我国服装企业面临的现状和瓶颈。依托数字经济的优势，从“互联网+”战略、经济学模型、企业结构、人工智能四个方面分析服装产业获得的机遇，并提出具体的转型路径。同时，引入酷特智能C2M模式的案例，论证了服装企业数字化转型的可行性。经过研究发现，数字化转型对服装企业的生产效率、盈利能力及竞争力等方面均具有显著的提升意义，但是目前服装企业数字化转型存在的局限性也不容忽视。

關键词：服装企业;数字经济;数字化转型;新冠疫情

近年来，随着大数据、物联网、区块链、人工智能、5G通信等新兴数字技术的飞速发展，催生出数字经济这一新形态。2016年G20杭州峰会上说明：数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。通俗地说，数字经济基于数字技术，以现代化信息网络为载体，打造出了一个厂商与消费者双赢的商业模式。随着我国GDP增速放缓与劳动力比较优势的逐步丧失，我国传统服装企业的成本优势日益削弱;特别是在全球新冠疫情的刺激下，服装行业的市场波动性愈发增大。而在数字经济战略的大环境下，服装企业可以依托数字平台加强与顾客的联系，生产更多的个性化服饰，使其朝着数字化、自动化、柔性化、去中介化等方向转型升级。

一、服装企业的两难困境

1.产业升级及订单外流的困境

近年来东盟各国政府为了抵御来自中国的竞争而加大了资金人力的投入，再加上东盟国家更廉价的劳动力，使得中国传统服装产业的劳动成本优势不断消失。根据国家统计局、中国海关网站消息，我国服装行业出口的金额及生产件数自2016年以来一直呈下降趋势（表1）。

2.新冠疫情下订单短期回流及不确定性较大的困境

由于中国政府先进的管控技术及国民强大的防范意识，我国新冠疫情已基本得到控制。然而，国外的疫情仍在肆虐，导致国外工厂仍处于停滞或者低效生产状态，各国有需求的企业不得不转投拥有全产业链且还能大批量生产的中国，因此国外的服装及纺织品生产订单（尤其是口罩）大量涌入国内。据工业和信息化部网站消息，2020年8月当月，全国纺织品出口额147.2亿美元，同比增长47%;服装出口额162.1亿美元，同比增长3.2%。

虽然订单的大量回流短期内会带来销售额及利润大幅的增长，但随之也会造成不少新的问题：

（1）产能效率与需求不匹配。在我国服装加工行业外移的大趋势下，大量订单的涌入也会让国内服装加工厂措手不及，有限的机器、原材料和人工难以满足大规模生产的条件;

（2）管理者很难掌握全局态势，难以做出合理的决策。随着新冠疫苗的上市，管理层很难判断全球疫情走向，难以理性地决策是继续承接服装加工订单还是重启产业转移。

总体来说，对于中国目前的服装产业，无论位于国内市场还是国际市场，都面临巨大的挑战。国内市场的不断缩水、国际市场的瞬息万变，均考验着整个服装纺织行业能否探寻一种合适的发展模式。

二、服装企业数字化转型的必要性

1.电商平台的推动力

随着“互联网+”战略的深入发展，许多企业踏上了与互联网平台合作共赢的探索道路，我国服装业电商也随之迅速发展。根据中国服装产业网消息，2012年-2016年我国服装网购渗透率与全国服装行业网购交易市场规模均有明显提升（图1），2018年服装行业网上零售额同增24.1%。此外，营销渠道除了淘宝、京东等综合型电商外，拼多多、唯品会等App也进入成熟阶段。同时，以自媒体（直播、微信公众号等）作为营销渠道新形式也开始兴起，激发消费者即兴消费的欲望。

吴勇毅认为，数字经济引发了新一轮制造业变革，贯穿产品的全生命周期将会是数字化、虚拟化、智能化的技术，构成制造新模式的将会是柔性化、网络化和个性化的生产，产业组织方式也将更加全球化、服务化和平台化。而基于互联网与大数据的融合，服装定制产业可以通过数字智能制造更好地应对复杂化、小批量的柔性化生产，开创智能数字新格局。

2.经济效益的吸引力

章安辰、裴平（2018）研究互联网金融时发现，数据已经成为日益重要的基本生产要素，而且可以在很大程度上节约或替代土地、资本、劳动和企业家才能等基本生产要素，这必然会冲击建立在资源稀缺性约束假设前提下的经济学“边际革命”理论成果，边际效用递减规律、边际产量递减规律、边际成本递增规律和边际利润递减规律不再能清晰地解释互联网时代的许多社会经济现象，已呈现出明显的局限性。

基于生产技术保持不变、其他生产要素投入数量保持不变的前提之下，传统服装企业的边际产量先递增后递减。然而我国服装生产技术已发生重大变革，可变生产要素的边际报酬就可能违反递减规律，使得边际产量增加。此外，数据作为可变生产要素，数字服装企业利用这些数据为客户提供更加个性化的产品与服务，从而使边际产量递增。

数字服装行业的边际成本可用公式表示为：

假设数字服装行业的可变生产要素为数据（D），其价格为Cd，且Cd保持不变，因此边际成本只与边际产量呈反向变动关系。由于边际产量呈递增趋势，因此边际成本呈递减趋势，其原因为：随着数据投入增加，互联网平台提供的服装产品及服务会越来越多，而数据使用的机会成本极低，数字服装产业的边际成本因此呈现出持续递减趋势。

由于边际利润等于边际收入减去成本，因此数字服装企业的边际利润呈递增趋势。如图2所示，ME与ME'分别表示传统服装企业与数字服装企业的边际利润。

3.组织结构的灵活力

为了尽可能地提升生产与销售效率，传统服装企业的管理层会下设各种部门，形成科层制的组织结构。然而，科层制主要存在一定的缺陷：一是金字塔型的等级制度和非人格化的理性，阻碍了组织内部的高效沟通与合作;二是严密细致的流程管理和量化考核等，造成了组织结构的刚性，阻碍了组织的变革与创新。

在数字经济时代，根据源点论管理思想，全员面向源点需求，企业利用大数据平台，可以充分利用在云端的所有数据，实时了解消费者的源点需求，金字塔型的科层制也就演变成了扁平的网格制。网格制打破了科层制组织结构，将原来组织进行模块化重塑，转变成去领导化、强组织，甚至自组织的资源提供平台生态体系。以服装企业为例，不同客户对服装的样式、版型、颜色以及风格等具有不同的需求，此时生态体系中每个不同的模块，都会以客户需求为源点，随时将这些模块聚合起来为客户提供个性化服装设计、打版、定制等服务。因此，面对数字化时代下信息迭代快、信息量繁杂的特征，网格制的组织结构可以灵活组合，并利用大数据平台为客户提供分散化、自主化、模糊化、多元化的服务。

4.人工智能的决策力

针对目前国内服装企业的订单及销量弹性较大的问题，利用人工智能这一数字技术，引入一系列模型，可以有效地预测未来市场的销售信息。目前已知的技术有人工神经网络（ANN），它具有自学习功能并具有高速寻找优化解的能力。周小溪等（2020）认为影响服装销售预测的因素有产品生命周期、季节、分类方案和解释变量。ANN在预测服装市场信息时，只需要先把许多不同的生命周期、季节、分类方案及解释变量和对应的应预测的销售结果输入人工神经网络，网络就会通过自学习功能，慢慢学会预测类似的因素。

因此，根据预测的销售数据，服装企业可以提前制定相应的量产与销售策略，既可以减少国内订单外流时生产机器和库存产品的浪费，也可以缓解国外订单突然回流时原材料与人力资源不足的压力，还可以在全球疫情得到有效控制时提供决策建议。

三、服装企业数字化转型的策略

基于上述分析，对服装企业提出以下策略：

（1）搭建服装产业工业互联网平台。工业互联网平台的核心是数据驱动，工业互联网平台可以对数据进行采集、分析，并根据数据提出优化措施，为企业创造价值。另外，工业互联网平台可以实现硬件设备的数字化、虚拟化，即可以打造全透明数字车间、互联互通工厂，形成网络化协同设计、智能化生产管理、个性化定制和服务化延伸等应用。

（2）利用工业互联网平台，建立商家信息共享联盟。服装产业工业互联网平台会分析及预测市场行情，并向联盟链的上下游及时发送信息，使上游的供应商为服装制造企业保证原材料供给，产生智能化协同与数字化生产的效果;下游的销售方既可以根据平台讯息调整营销策略，也可以向中游制造商提供客户的需求与偏好。因此，联盟中的企业可以达到互惠共赢的目的（圖3）。

（3）开创“传统产业+数字产业”双驱模式。企业转型升级可能会面临大量的资金缺口，然而对于此类企业，银行等金融机构的贷款额度少之又少，从而增加了大规模转型升级的难度。因此全面数字化转型容易增大企业的风险与不确定性。据此，在转型初期，企业可以采用传统产业与数字产业并驾齐驱的方式，利用传统模式产生的收益为企业的转型升级提供资金支持，数字产业获得的利润又为金融机构的融资提供了业绩保证，金融机构的融资又为企业的发展注入新鲜的血液，从而形成良性循环。

四、酷特智能的数字化转型

在整个中国服装纺织行业低迷的时刻，如何顺应数字经济的发展，抓住机会突破瓶颈，这是每一个服装业需要思考的问题。笔者以青岛酷特智能股份有限公司（以下简称酷特智能）为例，分析其数字化转型的影响。

酷特智能于2013年推出C2M模式（Customer-to-Manufactory），它是一个以顾客个性化需求为中心的定制模式，利用数字化、智能化的技术，使得价格合适的成衣快速定制成为可能。此外，C2M模式打造了一种由消费者、平台、生产制造商三方面组成的独特的全生命周期产业链闭环结构：消费者将定制信息传递给平台再由平台智能化分配给合适的厂商进行制造，同时消费者和生产商进行双向互动，持续跟踪商品生产、发货过程（图4）。依赖于高度集成化的数字系统，三部分的全生命周期产业链形成闭环结构，增加了稳定性，提高了生产销售效率，也降低了交易成本。

1.管理效率的提升

消费者在门店或线上提交身体数据与个性化需求后，酷特智能的系统能自动生成订单、建立模型、两秒之内打版。每条流水线上的每个员工的面前都有一块MES显示屏，员工只要一刷电子标签，相应的工艺数据便能显示在屏幕上。一套西服大约需要400道工序，而在智能排产系统的调度下，仅需7个工作日，一套量身定制的西服便可以发货。移动互联网技术与大数据的应用使酷特智能的生产模式由传统的大规模生产转向大规模定制，在保证收益的同时，以流水线的生产模式满足了消费者个性化定制的需求，真正实现了技术变革下数据驱动的智能工厂，大大提升了生产效率。

2.企业业绩的上升

在数字化转型后，自2015年到2020年10月，销售净利率、每股收益均呈持续上升态势，套用上述经济学边际模型，在数字经济下，酷特智能的边际利润呈上升趋势，其盈利能力也会进一步上升。C2M采用的线上模式也使得厂商和客户之间沟通成本缩小，依托大数据等智能化的应用，减少了定制衣物的时间成本，也因此使得存货周转天数逐年呈下降趋势，从而优化了资产结构，提升了企业盈利能力（表2）。

3.企业竞争力的加强

行业内已着手进行服装个性化定制业务，并取得一定成绩的公司主要有：雅戈尔、报喜鸟、乔治白、大杨创世、鲁泰纺织以及希努尔。根据这些企业的财报，酷特智能的存货周转率基本高于可比企业的平均值（表3）。酷特智能的财报显示，其原材料库存比例很大，原因是企业采取的C2M销售模式，需要提前准备各种原材料，以随时满足客户的不同需求，并达到快速生产、快速发货的目的。因此C2M模式既提升了企业的盈利能力，又加强了客户购物的体验感，从而提升了自身竞争力。

4.案例辨析总结

酷特智能是服装类企业成功数字化转型的实例之一，其C2M模式也是在数字经济指导下创造出的新型模式。其主要优点在于：

（1）降低产成品的库存，提升了销售服务质量。商家利用大数据高效生产，缩短了成衣定制及配送的时间，且能满足个性化定制需求。数字技术和云平台的存在去除了大量中间商减少了各方成本。同时产品从劳动密集型转为技术密集型，提升了附加价值。

（2）有效提高经济质量。一方面可以淘汰市场中落后的生产模式，另一方面能够抑制虚拟经济泡沫的产生和增强实体经济发展潜力，从而有效提升社会的经济效益和经济质量。

与此同时，本文结合多个方面进行辩证分析，认为酷特智能的C2M模式仍存在可改进提升之处：

（1）商品销售体验提升的同时却缺少第三方平台的质量监管。现下京东、淘宝等电商商城都有专门的质检部门进行产品质量的检测，而在C2M模式下，厂商与顾客的直接对接则缺少质检程序，增加了残次品的风险。

（2）C2M未形成规模效应，顾客选择存在局限性。根据酷特智能官网信息，该企业所上线的定制商品目前只有男装，品种较少，款式乏善可陈，顾客的体验感及满意度可能会因此下降。多数消费者的消费方式仍停留在购买成衣的阶段，目前酷特智能的生产销售规模仍很小，没有发挥出数字化转型后的巨大效用，使得其利润并没有巨大的攀升迹象。

五、结语

本文研究了数字经济时代服装企业面临的机遇与挑战，具体从“互联网+”战略、经济学模型、企业结构、人工智能决策力四个方面进行分析，并以酷特智能的案例加以佐证，验证了数字经济在新冠疫情下对服装企业转型的显著作用。

目前我国服装企业的转型升级仍处于起步阶段，真正应用数字化的服装企业少之又少。因此，搜集到的相关数据存在偶然性并缺少普适性，从数字经济角度辨析转型之路也仅处于理论阶段。若要获得更多的实证结果，还需要国家数字战略的进一步实施。未来的服装企业应当顺应数字化时代的发展，注重对商业模式的探索，积极响应国家战略，利用数字化技术发掘一种适合企业自身情况的模式，以期提高企业的定力与竞争力。

参考文献：

[1]二十国集团.二十国集团数字经济发展与合作倡议[R].杭州：中国，2016.

[2]汪怡迪.互聯网背景下服装企业数字化转型研究[J].浙江纺织服装职业技术学院学报.2020，19（03）：55-58.

[3]吴勇毅.抢占数字经济发展高地大数据产业集群崛起[J].上海信息化，2018（8）：10-15.

[4]闻力生.服装企业智能制造的实践[J].纺织高校基础科学学报，2017，30（4）：468-474.

[5]章安辰，裴平.互联网金融与经济学“边际革命”[J].南京社会科学，2018（06）：26-32.

[6]谢康，吴瑶，肖静华.数据驱动的组织结构适应性创新——数字经济的创新逻辑（三）[J].北京交通大学学报（社会科学版），2020，19（03）：6-17.

[7]赵立斌，张莉莉.数字经济概论[M].北京：科学出版社，2020.

[8]周小溪，徐行，孟剑飞，等.服装销售预测方法研究进展[J].针织工业，2020（03）：68-72.

[9]张洁，吕佑龙，鲍劲松，等.大数据驱动的纺织智能制造平台架构[J].纺织学报，2017（10）：159-165.

[10]陈楠.酷特智能坚信C2M模式代表未来[J].纺织科学研究，2019（02）：59-61.

[11]林琳，吕文栋.数字化转型对制造业企业管理变革的影响——基于酷特智能与海尔的案例研究[J].科学决策，2019（01）：85-98.