解决方案应用实例 |浙江烟草搭载阿里云“互联网+”快车,加快企业转型发展步伐

简介: 浙江烟草联合阿里云搭载“互联网+”快车,进行数智化转型升级蓝图设计,共同规划浙江烟草“一朵云、两张网、五大平台、三个支撑”为内容的“1253”互联网基础架构,加快企业转型发展步伐。
更多解决方案及架构请参考: https://www.aliyun.com/solution/all

项目背景

浙江烟草1984年底组建,2003年7月完成工商分开。浙江烟草专卖、商业系统现有 11个市级烟草专卖局(公司)、64个县级烟草专卖局(分公司),职工总数12000余人。2020年营收1100亿,单箱销售结构全行业第一。
2016年,浙江烟草商业既面临行业"四大难题",也比行业更早步入“转型阵痛期”,内外挑战更加严峻复杂。包括:"两个拐点”的挑战,2012年,卷烟销量拐点出现;2015年,剔除调税因素,税利增幅拐点也已到来。市场透支的挑战,2015年,浙江市场从"稍紧平衡"转变为整体"供大于求”,社会库存高企、价格难以到位、客户盈利降低、品牌培育艰难、客我关系恶化的矛盾凸显,市场状态明显下滑。

F679CD16-9EBD-41A7-8273-AB1F6EED391B.png

阿里云如何助力客户?

蓝图设计

  • 2016年,阿里云携手浙江烟草进行数智化转型升级蓝图设计,共同规划浙江烟草“一朵云、两张网、五大平台、三个支撑”为内容的“1253”互联网基础架构。

平台建设

  • 通过“专有云+双中台”体系,助力浙烟打造"互联网+经营管理平台”,提供电商、金融、物流、仓储核心服务能力,同时提供能力开放平台,让更多的企业参与到平台的建设、优化、完善过程中来,更好地服务工、商、零、消用户,打造浙江烟草生态体系。

终端和消费者

  • 通过"支付宝"构建全省电子会员体系,发展“香溢家” 会员1100多万;提升终端智慧水平,8万多户零售户完成数字化改造,提升终端能力,将零售终端系统打造成一个零售商的多元化商品进货、零售 管理、会员管理、运营活动、数据采集、广告展示的综合智慧终端系统,让消费者和零售户成为生态的一个重要组成部分。

内容和服务

  • 阿里巴巴商业操作系统ABOS与浙江烟草各业务单元结合,协助浙江烟草经营卷烟、非烟、广告、金融、营销活动等内容,为平台用户提供数据服务、金融服务、客户服务;经营内容由规模化转向多元化。

全域数据中台解决方案

  • 数据驱动,通过数据中台建设,建立健全以“社会经济数据、商业批发数据、终端零售数据、消费者数据、专卖监管数据”为内核的“五维一体“市场数据采集体系,日均采集零售数据208万笔,终端进销存数据超过100亿条,日均线上支付数据42.5万笔/日,累计支付消费数超过1.96亿笔,精准掌握需求变化、市场状态和品牌表现。

智慧钉钉门户管理平台

  • 管理提升,使用钉钉打造数字化在线组织,为企业用户提供各种管理和服务工具;为30万零售户构建“线上互动小组”,提供移动下单、移动支付、经营指导等一系列服务。

客户价值

经济指标

  • 助力浙江烟草卷烟销售额连续增长,位列行业第二;单箱销售额位列行业第一;税利位列行业第二。

树立行业标杆

  • 国烟办综[2020]80号《国家烟草专卖局办公室关于印发全国烟草生产经营管理一体化平台建设及营销先行建设试点工作方案的通知》,2020年918会议进一步落实"浙江模式”《营销先行建设试点工作方案》,2021年,发布浙江模式"8+8"平台标准版本。

IT价值

  • 依托于云计算及大数据为核心的基础设施,系统可以实现亳秒级交易处理能力;基于阿里云大数据平台,使应用系统具备了强大的计算能力;依据互联网架构平台"强后台、厚中台、薄前端”的设计理念,高度抽象了烟草商业业务,使未来浙江烟草应用构建非常灵活、实现应用的快速上线。
更多解决方案及架构请参考: https://www.aliyun.com/solution/all
目录
相关文章
手机充电器的兼容性
手机充电器的兼容性主要取决于两个方面:充电器的输出规格和手机的输入规格。
|
存储 编解码 监控
G-Code 详解
玩过一段时间3D打印机的朋友,都会接触到G-code文件。所谓G-code文件, 指的是3D模型在进入3D打印机实际打印之前,必须要经过切片器处理而成的一种中间格式文件。
6730 0
|
JavaScript
Vue中 使用 iframe 嵌入本地 HTML 页面 并 相互通信
Vue中 使用 iframe 嵌入本地 HTML 页面 并 相互通信
3117 0
Vue中 使用 iframe 嵌入本地 HTML 页面 并 相互通信
|
存储 Prometheus Cloud Native
Grafana 系列文章(一):基于 Grafana 的全栈可观察性 Demo
Grafana 系列文章(一):基于 Grafana 的全栈可观察性 Demo
|
5月前
|
人工智能 前端开发 算法
Qwen3.6全面评测:从代码生成到多模态识别的实战体验
Qwen3.6在代码生成(Python/React/算法)与多模态识别(图像理解、情感分析)方面表现卓越;支持Vibe Coding上下文连贯编程,百炼平台易接入、免费额度足、定价灵活,是开发者高效落地AI应用的优选国产大模型。(239字)
1309 0
|
6月前
|
人工智能 运维 监控
OpenClaw是什么?有什么用?怎么部署?一文详解!
2026年初爆火的开源AI智能体OpenClaw(小龙虾AI),是能“听懂人话、替你干活”的本地化执行引擎。支持多模型、700+技能、50+IM接入,具备持久记忆与隐私优先架构。本文详解其原理、场景及云端/本地保姆级部署方案。
1938 1
|
存储 分布式计算 NoSQL
特征存储避坑指南:对比 Feast/Hopsworks 在金融风控场景的落地实践
金融风控场景对特征存储系统有严苛要求,包括低延迟、强一致性、多源数据处理及合规性。本文对比Feast与Hopsworks两大平台的实战经验,解析其在特征服务优化、版本控制、性能调优等方面的优势与陷阱,并提出混合架构方案兼顾实时性与计算效率。通过实践验证,可显著提升系统性能并降低成本。
1151 5
Tortoisegit的贮藏
省去强制覆盖的烦恼
1069 0
|
人工智能 自然语言处理 前端开发
从客服场景谈:大模型如何接入业务系统
本文探讨了大模型在AI客服中的应用。大模型虽具有强大的知识生成能力,但在处理具体业务如订单咨询、物流跟踪等问题时,需结合数据库查询、API调用等手段。文章提出用Function Call连接大模型与业务系统,允许大模型调用函数获取私域知识。通过具体示例展示了如何设计系统提示词、实现多轮对话、定义Function Call函数,并利用RAG技术检索文档内容。最后,展示了该方案在订单查询和产品咨询中的实际效果。
|
存储 数据采集 前端开发
ClkLog 实践中的挑战:如何设计和实施有效的埋点指标
前端数据埋点要怎么做才能获取到有用的数据并对运营产生积极的作用,对于首次实施埋点及数据分析的工程师来说确实是个难点。网上很多文章讲的都是方法论和理论知识,真正实践的内容比较少,我们从一个案例来描述一下埋点要如何做。
ClkLog 实践中的挑战:如何设计和实施有效的埋点指标

热门文章

最新文章