“会数据同学”首站走进雅戈尔,看老牌男装品牌如何用“数据+AI”华丽转身

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
简介: “会数据同学”首站走进雅戈尔,看老牌男装品牌如何用“数据+AI”华丽转身



在中国男装的品牌江湖中,来自宁波的雅戈尔以其45年的深厚积淀,占据了举足轻重的地位。作为中国纺织服装业的领军企业,雅戈尔不仅在衬衫市场占有率上一度位居全国第一,更在1998年成功登陆上海证券交易所,成为资本市场的一颗璀璨明星。从高端服装制造起家,雅戈尔不断拓展其商业版图,涉足金融、地产、纺织、贸易等多个领域,成为中国民营企业500强之一,截至2022年底,雅戈尔集团总资产高达974亿,净资产达到418亿元。

然而,正如同所有老牌企业一样,雅戈尔近几年也遭遇了宏观经济逆风和品牌形象再造等挑战,数字化,成了雅戈尔的“又一春”。2016年,在雅戈尔创始人李如成先生指引下,雅戈尔数字化由商业智能时代迈入“数据中台时代”,逐步构建起业务中台、数据中台与财务共享中心三大中台。


步入宁波雅戈尔总部的“时尚之星”展厅,一块数据大屏非常醒目,实时呈现集团全域销售动态,各营销分支业绩排名与各渠道营收对比清晰可察,彰显出企业对市场脉搏的精准把握。续行至其5G工厂内,全自动吊挂流水线上的布料有序游走,工位前端的可视化电子屏实时更新生产进度。融合5G、AI及机器人技术后,实现视觉检测智能化,显著提升检测效能与产品质量。产品反应速度由原15天大幅缩减至5-7天,批量订单生产周期亦缩短35%,单工位生产效率提升达25%,尽显科技创新驱动下的精益制造实力。

而这一切改变,都始于2005年雅戈尔对科技趋势的前沿判断和眼光。

“我们公司对于数字化很重视,2005年开始数字化,2008年就开始引入商业智能BI的概念,2019年开始引入数据中台,中间累积了近20年的经验”,雅戈尔集团大数据负责人竺显波开玩笑说,“但这中间我们也踩了很多数字化的坑。”

在4月24日阿里巴巴瓴羊和雅戈尔共同举办的“会数据同学”活动上,雅戈尔分享了其过去20年,如何携手瓴羊的Dataphin和QuickBI通过数据和AI双管齐下,对内,提升业务方的用数和看数效率,对外,用数据提供开店决策和精细化运营,用更低的成本提升转化率、简化长达4亿行的表格和提升门店平效

雅戈尔数字化转型的三大阶段


雅戈尔CIO王歆将雅戈尔的数字化转型分为三大阶段:基于核心业务的基础设施建设、业务驱动的数字化、实现战略引领。

在第一阶段,雅戈尔重点进行了基于核心业务的基础设施建设。2018年,雅戈尔建成了中国服装行业第一家智能工厂,MES系统监控下的生产线,激光投影仪取代了人工裁片,吊挂架自动匹配西服与西裤,生产全过程透明可控,西服生产周期从45天缩短至32天。这一切,都离不开数据的支撑和治理。

数据能否真正应用于业务、并在未来实现战略引领,核心在于「数据质量」。数据不会骗人,但难以统一的数据标准、不规范的业务流程,都可能造成数据污染——一旦数据失真,就无法为业务决策提供实际参考价值。

雅戈尔所面临的挑战在于其多元化的业务架构——多品牌战略、多渠道经营以及多层次组织体系,导致数据需求维度繁复交错,加大了数据处理的复杂度。公司旗下除主品牌外,通过自主创立、并购或合作等途径,成功构建起包括高端男装MAYOR、绿色生活品牌HANP(汉麻世家)、美式街头潮牌UNDEFEATED、顶级户外品牌HELLYHANSEN以及休闲运动品牌HARTMARX在内的多元化品牌矩阵。这些品牌各自设立独立事业部,并配备专属物流与财务团队。但不同角色需要关注的数据维度不同,品牌高层管理者需掌握从大区至门店各级别的销售动态,而物流部门则聚焦与其职能相关的数据。

image.png

雅戈尔集团CIO王歆

数据治理是数字化转型中的一项“脏活儿”,但雅戈尔却将其转化为了企业的核心优势。面对多品牌、多渠道、多层级组织带来的数据复杂性,雅戈尔与财务部门共同制定统一的数据标准和口径,经过清洗与筛选后,数据会在集团内公告,无异议后才会被采纳,作为绩效评比的参考依据。

但有了趁手的好工具,“脏活儿”也可以变“白月光”。
从2019年开始,雅戈尔开始使用瓴羊的智能数据建设与治理Dataphin,从头逐一梳理雅戈尔长达3亿行的Excel报表和多达30T的数据量,重新定义和拉齐雅戈尔的数据指标和维度,并且提供分布式的数据处理方式,灵活增加调配存储和算力,大幅提升了雅戈尔的数据使用效率和开发速度。

Dataphin如今整合了10多个系统,底层清洗了900多个表,400多个指标,600多个报表真实反映雅戈尔的业务情况,这大幅降低了业务部门和IT部门之间的沟通成本,并且整合了雅戈尔的跨部门全域数据,梳理出了清晰的数据架构。

“我们在瓴羊的数据中台统计数据支点,指向大概4万多条,每一个定义都非常清楚。这让我们数据在业务上产生纷争的时候,无对无错,一目了然。”王歆说。

业务数据需求可以通过瓴羊QuickBI搭建数据报表来满足,现在更是叠加了智能问数的功能。以前,老板巡店时要带着一叠报表问东问西,问销量问库存问成本,现在老板只需要打开手机或平板电脑,动动嘴即可访问数据中台,实时查看店铺的360全景。

关店开店?优惠券怎么发?数据来决定


在打好数据地基的前提下,雅戈尔可以更加专注于业务发展,其数字化转型进入第二阶段——业务驱动。雅戈尔的数据中台基于门店、会员和商品标签,实现了更精准的触达,从而提升了年消费额和活跃度。竺显波提到:“数据首先要对业务真的有效。”雅戈尔通过标签分析,避免盲目群发导致的低转化率,实现了精准运营。

以优惠券的复购为例,以往雅戈尔发送优惠券的转化率是一个业务痛点。如今在AI中台根据历史数据、商品信息和客户数据,做了购买意向程度的排序,如今只需要花费以往十分之一的成本即可触达,转化率显著提高。这背后其实就是数据的力量。

而在开店方面,基于数据中台和智能商业系统,数据也提供了巨大助力。
雅戈尔通过数据发现小店的平效并不好,开始实行”关小店,开大店”策略,公开数据显示,截至2023年9月,雅戈尔的自营门店1750家,较年初净减少103家;营业面积44.83万平方米,则与年初基本持平,自营门店的面积在扩大,店均销售同比提高21.70%。

“通过历史小店的平效数据较低与当前大店挑战战略后的高平效数据对比,可以证明公司的策略是有效的。这意味着公司选择的店铺面积和经营模式能够带来更好的业绩表现,而不仅仅是简单的技术操作。”竺显波说。

当AI重新唤醒数据价值


最后,在雅戈尔的第三阶段“实现战略引领”,基于数据的AI带来了全新的商业价值。

“当AI融入商业,如春风拂过大地,唤醒了沉睡的价值与潜力。数据就是沉睡的价值,AI是唤醒数据价值最好的利器。”王歆说。

展望未来,雅戈尔的数字化转型将会专注在四大维度:以系统集成为命题,以AI贯穿为主线,以行为数据为洞察,以碎片时间为生产,做更多智能化的应用。

提及和瓴羊的合作,王歆认为数据智能领域还非常新,虽然现阶段还不是最完美的,但雅戈尔愿意和瓴羊持续开展更多尝试。

在“会数据同学”走进标杆企业的系列活动中,雅戈尔不仅展露其数字化建设硕果,更构筑起一个互动交流与知识共享的平台,助力广大企业借鉴并汲取数字化转型的智慧与实践经验。数据同学会·会数据同学活动由瓴羊联袂清华大学数据治理研究中心等机构倾力打造,旨在汇聚行业实战精华与前瞻洞察,通过产学研深度融合,共促数据行业发展。未来,“会数据同学”将进一步深入汽车、酒水食品等领军企业,持续为更多企业的共创学习之旅添砖加瓦。


相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
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
|
2月前
|
人工智能 关系型数据库 分布式数据库
拥抱Data+AI|“全球第一”雅迪如何实现智能营销?DMS+PolarDB注入数据新活力
针对雅迪“云销通App”的需求与痛点,本文将介绍阿里云瑶池数据库DMS+PolarDB for AI提供的一站式Data+AI解决方案,助力销售人员高效用数,全面提升销售管理效率。
|
9天前
|
人工智能 安全 DataX
【瓴羊数据荟】 Data x AI :大模型时代的数据治理创新实践 | 瓴羊数据Meet Up城市行第三期
第三期瓴羊数据Meetup 将于2025年1月3日在线上与大家见面,共同探讨AI时代的数据治理实践。
58 10
【瓴羊数据荟】 Data x  AI :大模型时代的数据治理创新实践 | 瓴羊数据Meet Up城市行第三期
|
9天前
|
存储 人工智能 人机交互
PC Agent:开源 AI 电脑智能体,自动收集人机交互数据,模拟认知过程实现办公自动化
PC Agent 是上海交通大学与 GAIR 实验室联合推出的智能 AI 系统,能够模拟人类认知过程,自动化执行复杂的数字任务,如组织研究材料、起草报告等,展现了卓越的数据效率和实际应用潜力。
84 1
PC Agent:开源 AI 电脑智能体,自动收集人机交互数据,模拟认知过程实现办公自动化
|
2天前
|
存储 数据采集 算法
构建AI数据管道:从数据到洞察的高效之旅最佳实践
本文探讨了大模型从数据处理、模型训练到推理的全流程解决方案,特别强调数据、算法和算力三大要素。在数据处理方面,介绍了多模态数据的高效清洗与存储优化;模型训练中,重点解决了大规模数据集和CheckPoint的高效管理;推理部分则通过P2P分布式加载等技术提升效率。案例展示了如何在云平台上实现高性能、低成本的数据处理与模型训练,确保业务场景下的最优表现。
|
26天前
|
存储 机器学习/深度学习 人工智能
【AI系统】完全分片数据并行 FSDP
本文深入探讨了AI框架中针对权重数据、优化器数据和梯度数据的分布式并行实现,特别是在PyTorch框架下的具体方案。文章首先回顾了通用数据并行和分布式数据并行的概念,重点讨论了同步与异步数据并行的差异。接着,文章详细介绍了如何在PyTorch中实现弹性数据并行,特别是完全分片数据并行(FSDP)的机制,包括其如何通过分片模型状态和剩余状态来减少内存消耗,提高训练效率。此外,文章还探讨了混合精度训练、损失缩放和内存消耗估算等关键技术,为理解和实施高效的分布式训练提供了全面的指导。
61 9
【AI系统】完全分片数据并行 FSDP
|
26天前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】数据并行
数据并行是一种在分布式AI系统中广泛应用的技术,通过将数据集划分成多个子集并在不同计算节点上并行处理,以提高计算效率和速度。在大规模机器学习和深度学习训练中,数据并行可以显著加快模型训练速度,减少训练时间,提升模型性能。每个计算节点接收完整的模型副本,但处理不同的数据子集,从而分摊计算任务,提高处理速度和效率。数据并行按同步方式可分为同步数据并行和异步数据并行,按实现方式包括数据并行、分布式数据并行、完全分片的数据并行等。其中,分布式数据并行(DDP)是当前应用最广泛的并行算法之一,通过高效的梯度聚合和参数同步机制,确保模型一致性,适用于大型NPU集群和AI系统。
98 7
【AI系统】数据并行
|
4天前
|
人工智能 Cloud Native 数据管理
数据+AI融合趋势洞察暨阿里云OpenLake解决方案发布
Forrester是全球领先的市场研究与咨询机构,专注于新兴技术在各领域的应用。本文探讨如何加速现代数据管理,推动人工智能与客户业务的融合创新。面对数据标准缺乏、多云环境复杂性、新兴业务场景及过多数据平台等挑战,Forrester提出构建AI就绪的数据管理基石,通过互联智能框架、全局数据管理和DataOps、端到端数据管理能力、AI赋能的数据管理以及用例驱动的策略,帮助企业实现数据和AI的深度融合,提升业务价值并降低管理成本。
|
9天前
|
存储 机器学习/深度学习 人工智能
科技云报到:人工智能时代“三大件”:生成式AI、数据、云服务
科技云报到:人工智能时代“三大件”:生成式AI、数据、云服务
|
2月前
|
存储 人工智能 编译器
【AI系统】昇腾数据布局转换
华为昇腾NPU采用独特的NC1HWC0五维数据格式,旨在优化AI处理器的矩阵乘法运算和访存效率。此格式通过将C维度分割为C1份C0,适应达芬奇架构的高效计算需求,支持FP16和INT8数据类型。此外,昇腾还引入了NZ分形格式,进一步提升数据搬运和矩阵计算效率。AI编译器通过智能布局转换,确保在不同硬件上达到最优性能。
53 3
|
2月前
|
人工智能 自然语言处理 关系型数据库
从数据到智能,一站式带你了解 Data+AI 精选解决方案、特惠权益
从 Data+AI 精选解决方案、特惠权益等,一站式带你了解阿里云瑶池数据库经典的AI产品服务与实践。