继《服装零售企业数字化升级要做到「心中有数」》的文章来看，服装零售企业的数字化升级转型是一个系统性的工程，他可能涉及到硬件的部署、软件的更迭、技术的升级、组织的调整、业务方式的改变等诸多方面的变化。但另一方面，由于企业现状之间的巨大差异，它似乎又是一个比较分散的流程。那么对于每个服装零售企业而言，究竟“我的”数字化升级之路应该如何开启呢？
新的变革可以来自于顶层设计的自上而下，也可能来自于底层业务自下而上。服装零售企业的数字化转型升级也无外乎此。自上而下是由面到点，自下而上是由点到面，最终都是殊途同归实现企业在组织、流程、应用、工具、技术等方面的全面升级。但哪种方式更适用，取决于每家企业各自的现状。
一般来说，如果企业的高层管理者对数字化转型升级的重要性有比较清晰的认知和战略上的高度认同，那么我们更乐于建议企业以自上而下的方式来开启企业的数字化转型之路，并且可以依照现状评估—目标定义—差距量化—团队组建—项目规划—项目实施—现状再评估的螺旋式上升路径来进行。
首先是现状评估。企业可以适当借助外部力量的方式对企业进行一次全面的数字化现状咨询诊断，用例如以奇点云SKOTT模型为指导的企业数字化转型五要素分析法，对企业在战略、KPI、组织、技术、人才等方面进行全面深度的评估，从而从宏观层面定义企业当前所处的数字化水平阶段。
我们将其定义为三个阶段：1.0阶段 数字化跟随者；2.0 数字化转型者；3.0 数字化变革者。在每一个阶段中，我们又能以数据总体架构、数据上云、数据资产化、数据智能应用等八大维度和三十多个子维度来深度评估从组织到业务的数字化现状水平，从而形成一张完整而深度的企业数字化现状地图。其中，数字化KPI的设定能力是非常深刻的维度，它的背后反映了企业对数字化现状和数字技术赋能业务经营潜力的认知。
第二步工作，就是根据业务改善目标来设定未来的数字化改善目标。这将是一个全员参与的过程，通过和所有关键干系人和组织的共同探讨，我们尽可能把所有的宏观目标都下钻和拆分到最基础的业务目标，并且以业务的提升来作为最终衡量改善是否成功的KPI。一方面这样做可以使行动目标更加清晰有力，直接和业务相关的KPI有利于项目推进中的全员参与积极性，另一方它也可以使我们筛选掉那些实质上可能不能对业务提升有所作用的“虚”目标，从而让数字化转型变得“实”。
接下来，我们需要评估现状与目标的差距。这个过程实际上是可以帮助我们定义行动优先级和重要性的过程。同时，它也考虑到各个维度之间的关联性和前提依赖，最终的产出，是一个定性的行动方向，即在下一个阶段内我们的数字化转型着重从哪些方面优先开展。
有了清楚的行动方向，我们就需要一个有力的组织来领导行动，保证行动的过程和结果。因此，一个专门的数字化转型委员会是十分有必要的。这个委员会将会对接下来一段时间内的数字化转型工作进行全面的引领和管理。这个委员会的人员除了IT和信息部门的管理者和专家，更需要各业务部门人员的参与，这是十分关键的。同时，企业高层管理者的直接参与也非常必要。
后面的工作就是持续一个阶段的数字化转型项目规划、实施交付和再评估的过程。在此我们不进行展开，但可以预见的是，随着企业数字化的深入，中台战略成为企业转型的加速器。中台强有力的作用，使得零售企业能够比消费者快半步，能更好地满足消费者需求。
然而，面对新的时代趋势，大多数的人和企业在起初都往往很难下坚定的决心去做全方面的变革和应对。相较于“因为相信所以看见”，先“看见”再“相信”确实是从心理体验上风险更低的选择（事实上，过于谨慎也可能会使得企业丧失发展机遇和相对竞争优势）。因此，IT信息部门通常作为企业数字化转型的推动者，也可以采取自下而上，由点到面的方式来引领最终的全面数字化转型。在起步阶段，让公司全员，尤其是业务部门和企业高层管理者能够“看到”数字化的力量并一步步相信就十分重要。我们在一些技术交流活动上，时常听到业务部门的人员问IT部门的人员“数据上云和我们有什么关系？或者“上数据中台需要我们做什么？”之类的问题，而很多时候IT部门人员的回答是”暂时和你们没什么关系，主要是IT的工作。”这往往不是一个好的开端。
这种情况下，好的开端应该是数字化转型的推动者和业务部门的人员共同探讨出双方认同的改善方向，并相互配合，快速开展并见效。技术方需要充分地向业务部门阐述数字化技术的能力和潜力，而业务部门则需要审视现状并大胆提出当前需要急切改善的业务方向或是“如果......就更好”的畅想，然后双方共同评估数据技术能否解决该问题。有趣的是，在现实的操作中，往往即使双方都有了些好的想法，但推进的瓶颈却卡在了“谁出钱”的问题上。在此我们很难提出一个标准的答案，因为预算所有权和技术投入归属的问题在不同的企业中都有不同的情况。但是我们可以建议的是：
第一、选取的改善点要对业务部门有足够的吸引力，要么是痛点足够痛，要么是ROI足够清晰和有吸引力。
第二、选取的改善点要尽可能具体和投入可控，这样双方无论谁都不会太有压力，甚至共同额外向公司申请一笔临时预算也是比较容易实现的。
从服务服饰零售行业的实践中，我们从管理层、商品运营、供应链管理、人力资源管理和市场营销管理几个方面沉淀出了相应的标准化产品可以供相关企业和人员参考：
智能管理驾驶舱
主要面向企业的各级管理者，它可以作为企业运营管理的智能诊断器。服饰零售行业产业链条长，业务模式复杂，数据维度多，尤其是随着企业零售规模的扩大，企业面临在传统IOE IT架构下BI速度慢、数据分析成本高、BI体系分散、数据分析功能弱、数据指标混乱、数据结果不准等典型痛点，因此需要有性能更好，成本更低，更统一、更智能和更准确的企业运营管理数据监测、分析和分析可视化工具。
奇点云智能管理驾驶舱全面整合升级服饰零售企业零散BI和报表系统。全面提升数据报表速度，满足实时、准实时、T+1级需求。全面深度数据治理，统一数据管理、统一业务视角、统一数据口径。自动化、多维度、可逐层下钻的业务监测、分析和诊断平台。可灵活配置不同业务部门和管理层级的关注指标和管理权限并且满足移动端和PC端使用需求。
智能定价
主要面向企业的商品管理、零售管理、和市场营销部门。在服装商品不同的生命周期阶段，商品的价格会随之变化，什么款、什么时间、什么力度、什么颗粒度、调价达到什么样的目的、调价后的目标有没有实现、调价对总体销量和利润以及其他商品的营销等等都十分值得研究，传统的决策和分析方式存在巨大的提升空间。
智能定价模型基于业界领先的多维AI混合销量预测模型和针对服饰零售行业特性打造的价格规划算法，可以有效地对促销定价问题展开分析、洞察、预测和智能建议。
智能配补调
主要面向商品管理部门和供应链部门，服装零售的产品企划（配货）— 补货（补）— 平行调货（调）过程是供应链的核心环节，直接决定门店中的可售卖商品和销售业绩。但是传统的ERP商品管理系统完全依赖人工决策，耗费大量人工时间，并且严重依赖人工经验，导致调补货工作的时效性差，灵活度差，准确率低，门店断货、库存挤压、库存不均衡和波动性大时有发生。因此，更加自动化、智能化和更准确的配补调系统可以给服装零售企业带来巨大的商业价值提升。
智能配补调数据产品，充分沉淀人工企划和配货经验的配货算法模型，可基于单店精准需求预测模型的补货量计算模型。充分考虑业务规则和库存、物流等条件约束的补货策略。综合考虑商品生命周期特点，门店类型和物流路径最优的。自动算法推荐系统可以与订单业务系统无缝衔接并具有人工审核和干预机制。对现有业务流程侵入度低。
智能人效管理
主要面向人力资源管理部门，财务部门和零售运营部门。服装零售门店的导购人员人力成本是零售运营成本中的重要部分，人效是反映企业员工生产力的核心指标。但是由于线下门店所处位置、环境、店铺规模、所售商品等等诸多方面的差异性，企业运营管理部门难以用人工方法和统一的衡量标准去衡量不同门店的人效发挥水平，也难以做出有针对性的精细化改善。因此，有效的人效分析管理系统对零售门店降本增效具有重大价值。
人效管理系统具有完整的服装零售门店人效深度分析方法论，可实施调研—分析—洞察—建议指导—效果追踪的完整闭环。大数据分析技术与服饰零售行业资深数据分析师经验相结合，层层下钻定位问题，提出解决思路并内化为管理应用。
智能CDP顾客数据平台
主要面向市场营销部门或会员运营部门。线下服装零售企业传统的用户运营的颗粒度粗，营销手段简单粗暴，导致存在大量的无效营销投放，并且营销效果难以追踪和衡量。因此，以消费者个体为中心的个性化精准运营、服务和营销可以有效提升营销转化效果，提升顾客忠诚度，优化市场营销费用。
奇点云CDP提供灵活开放的接入与清洗方式，帮助企业IT人员将孤立分布于各系统中的用户数据以库、表的形式开放给CDP，并支持用户对特定业务域进行可视化ETL。借助我们独有的ID—MAPPING算法，企业开发人员还可对不同来源、且缺乏主键关联的顾客数据进行识别匹配，并定义统一顾客身份（One-ID）。客群圈选模块提供了简洁易用的人群与属性标签管理界面，以帮助用户业务人员根据业务需要，快速圈选所需客群。
除此之外还可提供以预置业务模型为核心的人群洞察分析功能，帮助企业用户更加精准地细分客群，从而量身定制营销策略。以大数据AI驱动的数据洞察方法往往有着更强的场景针对性与业务指导性。在实施针对细分客群的商业策略后，营销部门往往需要对其进行有效性评估与复盘。针对这一业务场景，我们纳入消费决策路径模型，智能门店IOT的引入也可进一步帮助营销部门找出导致顾客流失的环节并加以改善。
以上产品中的底层算法模型和其中的功能都可以单独拆分，从而在项目的不同阶段，根据需求和预算约束，灵活地服务于不同需求深度的企业。
另外，数字智能化对智能门店的驱动力越来越强。数据，让原本无形的消费者，变得看得见摸得着。但需要注意的是，过去几年来尽管零售业智能门店的探索此起彼伏，但真正将科技转化为持续生产力者寥寥，其中最主要的原因就是没有将IOT数据采集和业务数据、业务需求真正融合形成有效商业闭环，在此我们不深入展开探讨。值得一提的是，我们所提供的AI+IOT+大数据的智能门店整体解决方案则可以更好地贴近业务，提升消费者体验和直接赋能门店经营，提升转化率和连带率。
数字化转型升级是不可逆转的行业趋势。没有数据中台，数字化转型只能是海市蜃楼！因此搭建一个适用的、好用的、跟随未来数据智能需求不断进化的数据中台才是赢得未来的“定海神针”。最后，祝所有的服装零售企业都能够在AI和数字化的浪潮下乘风破浪，打开一片新天地。
