1.中国“新零售”发展趋势与机遇
根据阿里研究院与BCG合作的《中国消费新趋势》研究报告显示，在未来5年， “新零售”将激活总共六万亿美元的中国消费市场，其中包括1.8万亿美元的国内新增消费市场，相当于新增了整整一个英国市场。中国消费升级的“三驾马车”正在加速市场分裂，涌现越来越多、别具特色的新兴客户群：超过女性开支的“都市潮流男士”族群，以2倍增幅领跑护肤品市场；中国2亿“银发老年人”族群，为旅游、体育、文化行业带来一片大规模、需求多样化的蓝海市场，2016年淘宝平台上3.5万台无人机被老年人收入囊中；国内2亿“都市单身贵族”激活了“一人经济”，一人食餐厅、一人租旅馆、单人KTV、迷你小家电层出不穷；“绿色消费者”、“体验至上消费者”、“二次元消费者”等族群日渐形成不容小觑的市场规模，这一代年轻有钱、热爱生活、移动消费的用户群，正在深层次改造中国零售业产业链，所有的产品与服务都将在云端数据决策下重新定义。
2.特步突破“困境”
在过去的15年间为了不断解决痛点，特步内部共建设了63套系统，很多“爷爷辈”系统老旧复杂，甚至有的系统厂商产品团队早已解散，而特步急需将众多“超期服役“系统整合为线上线下融合的一体化全渠道运营管理平台，才能获得IT驱动业务创新的先机。
中国7亿互联网消费者倒逼零售企业组织、流程、系统重构，当新零售组织带来的流程大规模变化时，原有系统如何在短短3个月内实现整体升级，并能敏捷支撑业务打破原有规则，成为刻不容缓、势在必行的创新窗口期。特步从不会按部就班等待产业整体上云，而是成为中国零售业领军企业中最先在云端采用互联网中间件技术构建全渠道零售平台的企业。寻遍产业解决方案而无果时，唐总遇到了阿里云，发现了“共享服务中心”架构与“企业级互联网中间件”产品的独特价值，以ERP为代表的传统软件解决的是流程自动化效率问题，而阿里云中间件平台能够打通销售、售后、CRM等前中后台系统，以“企业级应用中台”战略，帮助整个集团实现贯通业务线、应用系统、不同地域的数据分析、数据决策、数据智能闭环，零售企业的云端共享服务中心使数据在线化运营，利用企业内外部的全量数据形成用户特征画像，根据标签智能推荐商品服务，实现与天猫淘宝一样强大的“千人千面”、“实时分析”、“弹性计算”。
3.采用互联网中间件技术，构建全渠道零售平台 | “企业级应用中台”战略
阿里巴巴内部近十年实战验证
阿里巴巴的淘宝、天猫、聚划算业务已经采用这套自研原创中间件技术实战应用近十年，支撑着每年1141亿的庞大线上线下“新零售”交易规模，为中国4.54亿活跃用户和“双11”提供稳定可靠的零售云服务，这与很多只卖产品没有零售场景实践检验优化的同行产品截然不同。
解读
打破传统软件仅解决的是流程自动化效率问题，阿里云中间件平台能够打通销售、售后、CRM等前中后台系统，以“企业级应用中台”战略，帮助整个集团实现贯通业务线、应用系统、不同地域的数据分析、数据决策、数据智能闭环，零售企业的云端共享服务中心使数据在线化运营，利用企业内外部的全量数据形成用户特征画像，根据标签智能推荐商品服务，实现与天猫淘宝一样强大的“千人千面”、“实时分析”、“弹性计算”。
特步依靠“全渠道零售平台”打通网上商城平台、竞拍平台、LBS平台、APP微营销平台、短信平台、移动商城平台、供应商平台、商城连锁平台、万商联盟、分销平台，形成多渠道整合互动，提升用户体验、粘性和品牌忠诚度。
企业级应用中台-企业级互联网架构图
全渠道营销场景解析
什么是阿里的全渠道营销？
在全渠道营销中，新零售企业通过统一商品、统一交易、统一库存、统一结算优化供应链，通过统一会员、统一营销提升用户体验，通过用户画像、店铺选址实现数据驱动精准营销，不论消费者从任何一个渠道入口进来，都能享受到“宾至如归”的售前售后服务体验。数据中台是实现企业数据驱动运营的基础，向下整合企业内部子系统数据提升决策效率和精准性，向上利用人、货、场优化应用场景提升转化率与复购率；而业务中台与数据中台实现企业数据闭环，服务引擎提供特定场景中的大数据服务通过标准接口服务前端应用。
场景应用举例
1. 供应链优化
实时感知库存、订单、商品结构，为拉式补货，店铺保持科学库存打下基础；
实现期货+“现货”采购模式，减少“高库存、高缺货”现象；
实现库存全局可视、货通天下，降低因库存积压、商品调拨带来的成本浪费；
实现O2O订单，有效降低“丢单率”，减少物流成本；
倒逼生产、原材料供应链更加实时、精准；
2. 提升用户体验
统一会员体系以及全渠道的打造，使得用户体验更佳、对品牌认知统一；
O2O全渠道打通，线上线下融合，目标为提升用户购物体验；
构建用户画像体系，更精准用户营销、店铺或售后服务网点选址；
3. 数据驱动精准营销
基于用户画像，进行精准精准推荐以及线上线下营销推送，进行潜在用户发掘；
基于数据进行科学的店铺选址、导购、陈列，提升品牌店铺店效；
对销量预测算法不断优化，更精准进行供应链优化；
