蒙牛集团信息技术助理副总裁、CIO张决:双中台助力蒙牛数字化转型 | 阿里CIO学院名人堂

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: 12月3日,2020阿里CIO学院在杭州举行。400位企业CEO、CTO、CIO齐聚一堂,共同探讨企业数字化转型经验。今年新冠 疫情爆发,给企业带来不小挑战,到场嘉宾表示,数字化已经成为企业未来发展最大的确定性。本次峰会由阿里CIO学院主办。据阿里CIO学院院长洪英介绍,400位嘉宾分别来自央企、国企、民企,都是企业信息化建设的领导者。

12月3日,2020阿里CIO学院在杭州举行。400位企业CEO、CTO、CIO齐聚一堂,共同探讨企业数字化转型经验。今年新冠 疫情爆发,给企业带来不小挑战,到场嘉宾表示,数字化已经成为企业未来发展最大的确定性。

本次峰会由阿里CIO学院主办。据阿里CIO学院院长洪英介绍,400位嘉宾分别来自央企、国企、民企,都是企业信息化建设的领导者。

image.png

蒙牛双中台支撑线上线下融合,线上引流线下提货,数据洞察赋能,助力传统销售模式数字化变革。打个比方,业务中台是制造枪炮子弹做武器的工厂,数据中台则是打枪靶子的计分器,开枪后它会自动报靶数,给业务方更详细的数据反馈帮助下一次开枪更精准。

以下为蒙牛集团信息技术助理副总裁、CIO张决的演讲速记整理:

今天来到现场的电商企业都是出生在互联网时代的原生居民,它们做数字化手段相对得心应手。过去21年蒙牛成长了2100倍,之后如何“活着更好”至关重要。今天我们的竞争对手不再是传统意义上的竞争对手,而是拥有互联网基因并以内容营销和消费者洞察为核心卖点的公司。

image.png

今天蒙牛以6大品类和奶粉、奶酪、鲜奶等400多个产品全面满足不同消费者的营养所需,让大家日常生活中都能喝到、用到。蒙牛还有一个“每日鲜语”新物种,它有点数字化基因,是一台直接铺到小区电梯旁边的冰柜,这是无人零售的新场景,也是蒙牛数字化的一小步尝试。以前蒙牛说新零售,现在讲新消费,都是在讨论数字化时代消费行为、厂家行为要关注消费者的变革。今天蒙牛的双中台建设开启了数字化转型,也是围绕“消费者第一、第一、第一”这句核心价值观展开的。

image.png

业务中台究竟对蒙牛意味着什么?在快销行业普遍认为,蒙牛不是B2C企业而是B2B企业,依靠七八千家经销商和全中国大约200万家门店服务中国消费者。之前蒙牛不太需要知道消费者是谁,但现在一定要知道消费者是谁。因为要思考如何汇集多端全渠道销售触达消费,并通过统一订单路由分配和履约,完成支持不同类型订单分配至经销商仓、店仓、大仓,通过社会化物流配送和门店配送(自提)等配送方式满足不同需求,这是一个难点。

image.png

image.png

第二个难点是配送成本。消费者下单不光有牛奶还有别的乳制品,怎么配送成本最低。消费者线上下单,蒙牛还要考虑货品的库存问题。有的电商平台有前置仓,有的要从经销商门店和合作伙伴的仓库调货过来,所以全局可视化、合理的货品结构、高效的库存周期、快速的履约时效、精准的销售计划、较低的供应链成本,货仓管理一盘棋变得很难。

第三个难点是会员机制。航空公司客单价高,一张机票打到1折也得几百元,所以在做会员制积分。蒙牛的会员用户我算过一笔账,按一家三口人全年只喝特伦苏牛奶花销大约4000元,这个金额按照航空公司会员机制可以匹配40元会员权益,但是消费者会为了40元积分成为蒙牛会员吗?我们为什么还要坚持做呢?在我看来,会员营销是为了洞察消费者,争取留住蒙牛的忠诚会员,这也挺难。

image.png

第四是供应链协同中销量预测也很难。蒙牛虽然有几百万家门店,但消费者只有牛奶快喝完了才买一箱牛奶,但如何通过高准确率的预测传递到供应链下游指导补货备货,提前安排仓配资源,实现销售和库存协同这也是挺难的。总之,只有精准的销量预测才能做到产销协同,如何将历史订单规律的深度洞察反馈到工厂侧,指导生产计划提高生产效率,降低生产成本至关重要。此外,还有物流布局、智能补货和配送路径优化同样是取决于销量预测和生产订单产生的供应链协同,销量预测显得尤其重要。

刚才谈到的几个“难处”都是业务中台,我想说难归难,蒙牛正在做,正在利用业务中台的工具全面提效。

image.png

再来说说数据中台。蒙牛的数据中台是为了拉平业务消费和数据开发之间的速度不匹配,解决响应力跟不上的问题,将“数据应用和分析决策”能力以快速、准确、智能、端到端、规模化的方式赋予业务、产生成效。我经常和蒙牛业务部门解释数据中台价值,它是一个更高级的智能BI系统,改变了原来抽样的小样本数据,变成了海量的非结构化大数据,算法更好、算力更强,实现清晰的数据赋能服务。

综合来看,蒙牛数据中台可以实现四个价值:

一是,全方位消费者洞察。实现根据会员行为和交易数据进行会员的画像,并将画像成果与第三方客户画像相结合,从而让蒙牛产品更好地服务消费者。我们正在做面向未来的洞察,希望为消费者提供一些个性化营养乳品和定性化方案。

image.png

二是对营销活动进行全视角监控。很早之前的电视广告投放,无论是《向往的生活》电视剧还是早期冠名《超级女声》娱乐节目,大广告投放时代虽然产生了显著的品牌效果,但是转化率无法统计。现在数据中台可以完成消费者洞察、营销计划达成度对比分析、营销活动异常监控分析、营销活动效果多维评估分析等,实现全视角营销活动监控。

image.png

三是全链路渠道精耕为重点。数据中台可以对蒙牛的七八千家经销商和几百万家门店进行分析洞察,从数量、贡献率、健康度、能力、成熟度等方面进行实时洞察,通过数据中台整合、规范、标准内外部数据,满足管理层或业务人员可以实时、每日或每月等频率及时掌握经销商变化,有效进行业务指导。未来我们还计划随着销售数据的逐步积累、融合外部居民消费支出数据预测各区域市场容量,进一步辅助实现精准销售预测。

image.png

四是,全智能供应链优化。基于数据中台重新构建的仓储链条,使得仓储链条中各仓的库存情况可视化,有效指导门店或者运营人员制定合理订货、补货计划,最终为生产计划、各仓库存管理提供数据支持。

image.png

总之,蒙牛双中台支撑线上线下融合,线上引流线下提货,数据洞察赋能,助力传统销售模式数字化变革。打个比方,业务中台是制造枪炮子弹做武器的工厂,数据中台则是打枪靶子的计分器,开枪后它会自动报靶数,给业务方更详细的数据反馈帮助下一次开枪更精准。

以上是我对蒙牛业务中台和数据中台的分享,谢谢大家。

文章来源:阿里飞天CIO学堂微信公众号

名人堂

名人堂是阿里CIO学院打造的一档大伽访谈栏目,每周一期。以推动企业创新与数智化升级为愿景,通过采访行业顶尖客户,帮你更好地了解和思考企业数字化转型中可能面临的挑战,梳理行业痛点和方法路径,从而相互滋养,共同成长。

更多文章

点击查看青岛华通集团智能研究院明磊:拥抱数字化转型正在成为CIO头等大事 | 阿里CIO学院名人堂>>>

点击查看ERIC,ZHANG:地产业数字化转型按下“加速键”美好人居正当时 | 阿里CIO学院名人堂>>>

点击查看李锋:联接数智化生态,打造“数字化越秀” | 阿里CIO学院名人堂>>>

点击查看龙湘君:基金行业奏响数字化转型五部曲 | 阿里CIO学院名人堂>>>

点击查看段晓力:从一个小目标的对立 到万个小目标的融合 | 阿里CIO学院名人堂>>>

点击查看贾坤:扶贫基金事业借数字化转型助力决胜脱贫攻坚战 | 阿里CIO学院名人堂>>>

点击查看郑荣:世界的香格里拉——从“藏在深闺无人识”到“网红旅游目的地” | 阿里CIO学院名人堂>>>

点击查看魏琴:前海再保险以科技创新打破保险行业传统疆域 | 阿里CIO学院名人堂>>>

点击查看王丽静:深挖“数据宝藏”打造新型高端智库 | 阿里CIO学院名人堂>>>

点击查看石廷洪:推动数字化转型 打造世界一流企业 | 阿里CIO学院名人堂>>>

点击查看韩海潮:数字化浪潮引领基金行业转型新方向 | 阿里CIO学院名人堂>>>

点击查看谢钧棋:以“数”转型 用“脉”管理 | 阿里CIO学院名人堂>>>

点击查看凯伦陈洪进:中国防水行业亟待拥抱数字化变革 | 阿里CIO学院名人堂>>>

点击查看申小朋:用数字化力量为中国制造业赋能 | 阿里CIO学院名人堂>>>

点击查看王宁桥:产业金融加速进入3.0模式 | 阿里CIO学院名人堂>>>

点击查看李博:吉林森工借工业互联网插上数字化升级翅膀 | 阿里CIO学院名人堂>>>

点击查看凌人枫:内外兼修 加速华新燃气数智化转型步伐 | 阿里CIO学院名人堂>>>

点击查看崔凌秋:全方位渗透,吉林高速数字化转型没有休止符 | 阿里CIO学院名人堂>>>

点击查看高建兵:释放数字红利,促进太原钢铁高质量发展 | 阿里CIO学院名人堂>>>

点击查看芝点科技刘维拉:家居零售业正在重构“人货场” | 阿里CIO学院名人堂>>>

点击查看严雯婷:疫情“黑天鹅”倒逼数字融合“渐入佳境” | 阿里CIO学院名人堂>>>

点击查看逸仙电商(完美日记母公司)CTO William Liu:美不设限 | 阿里CIO学院名人堂>>>

点击查看世纪证券王育峰: 证券公司产品与业务创新应多关注微创新 | 阿里CIO学院名人堂>>>

点击查看海尔智家CIO于吉花:工业互联网与消费互联网融合实践 | 阿里CIO学院名人堂>>>

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
1月前
|
SQL 人工智能 自然语言处理
阿里云 CIO 蒋林泉:AI 大模型时代,我们如何用 RIDE 实现 RaaS 的首次落地?
本文整理自阿里云智能集团 CIO 蒋林泉在 AICon 2025 深圳的演讲,分享了阿里云在大模型应用落地中的实践经验。通过多个数字人项目案例,探讨了企业在 AI 应用中的组织转型、业务识别、产品定义与工程落地等关键环节,并提出了 RIDE 方法论(重组、识别、定义、执行),助力企业实现 AI 有效落地。
|
机器学习/深度学习 数据采集 算法
一文速学-时间序列分析算法之一次移动平均法和二次移动平均法详解+实例代码
一文速学-时间序列分析算法之一次移动平均法和二次移动平均法详解+实例代码
3561 0
一文速学-时间序列分析算法之一次移动平均法和二次移动平均法详解+实例代码
|
11月前
|
SQL 关系型数据库 MySQL
12 PHP配置数据库MySQL
路老师分享了PHP操作MySQL数据库的方法,包括安装并连接MySQL服务器、选择数据库、执行SQL语句(如插入、更新、删除和查询),以及将结果集返回到数组。通过具体示例代码,详细介绍了每一步的操作流程,帮助读者快速入门PHP与MySQL的交互。
292 1
|
传感器 Go 智能硬件
使用Golang开发硬件驱动
使用Golang开发硬件驱动
|
DataWorks 关系型数据库 MySQL
DataWorks实时数据导入:如何实现源源不断的数据流?
【8月更文挑战第22天】在数据处理领域,高效实时传输至关重要。阿里云DataWorks提供全面的数据集成服务,支持多种数据导入方式,尤其实时导入功能因高效处理能力备受欢迎。通过创建数据源与数据集,并配置实时同步任务,可实现数据从MySQL等源到DataWorks数据仓库的快速准确流入。此流程不仅提升了数据处理效率,也确保了数据实时性和准确性,为企业决策提供强有力的支持。
238 1
|
机器学习/深度学习 数据采集 Python
机器学习模型的评估与选择标准
【6月更文挑战第1天】机器学习模型的评估至关重要,包括准确率、召回率、F1值和均方误差等指标。准确率衡量预测正确比例,召回率关注找出所有相关样本的能力,F1值是两者的综合。泛化能力同样重要,防止过拟合和欠拟合。不同场景可能侧重不同指标,如医疗诊断更关注召回率。选择模型需综合考虑多个因素,以实现最佳性能。通过实践和探索,我们可以更好地理解和优化模型评估,推动机器学习进步。
300 2
|
人工智能 自然语言处理 机器人
9411亿!!!阿里2024财报曝光
9411亿!!!阿里2024财报曝光
5324 0
|
分布式计算 数据管理 Hadoop
元数据管理平台对比预研 Atlas VS Datahub VS Openmetadata
元数据管理平台对比预研 Atlas VS Datahub VS Openmetadata
2927 57
|
Oracle 关系型数据库 MySQL
实时计算 Flink版产品使用合集之Flink CDC 2.3.0和Flink 1.17,无法从MySQL数据库中抽取数据,是什么原因导致的
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
366 1
|
存储 关系型数据库 大数据
MySql分区表性能测试及切换案例
随着业务的快速增长,数据库中表数据量迅速膨胀,业务高峰期开始出现慢SQL、锁表等性能问题,需要优化。结合切换成本与性能测试数据,我们选择通过将非分区表切换到分区表来降低数据库性能风险。 最后,我们在业务始终稳定运行的情况下完成了分区表的切换。
10120 0