新書推薦：
《
泉舆日志 幻想世界宝石生物图鉴
》
售價：HK$
137.8
《
养育女孩 ： 官方升级版
》
售價：HK$
51.8
《
跨界：蒂利希思想研究
》
售價：HK$
109.8
《
千万别喝南瓜汤（遵守规则绘本）
》
售價：HK$
45.9
《
大模型启示录
》
售價：HK$
115.0
《
东法西渐：19世纪前西方对中国法的记述与评价
》
售價：HK$
207.0
《
养育男孩：官方升级版
》
售價：HK$
51.8
《
小原流花道技法教程
》
售價：HK$
112.7
|
| 編輯推薦： |
1.国内鲜有，系统地将全链路数智化转型思路、方法与实践讲透，并总结提炼为：5 部曲×5层架构×11要素。相信对企业运营、决策、转型、增长有益！
2.本书由“数据×商业”的新商业赋能培训平台——新商业学院主编（现更名为 智篆商业研究院），阿里巴巴集团副总裁、阿里云研究院院长、清华大学博士后肖利华领衔撰写，作者阵容强大，图书内容兼顾理论与实践结合。多位行业专家、企业精英力荐！
出版社说明：《数智驱动新增长》本版本于2021年4月出版，由于封面署名作者——新商业学院更名为 智篆商业研究院，因此出版社在2021年10月重新印刷本书，封面署名变更为 智篆商业研究院 主编。目前各大书店和网店销售的《数智驱动新增长》，两个版本都有，正文内容一样，不影响阅读，特此说明！
|
| 內容簡介： |
|
从产业升级的角度看，中国经济正在经历前所未有的由人口、消费红利驱动，向技术、智能驱动的转型。消费者已经全面在线，正倒逼企业经营管理与产业生态协同的在线化。阿里巴巴在探索数字化转型的过程中，沉淀了一系列的方法论、行业解决方案、新技术、新基础设施等数字化能力，并运用在了企业经营与管理中。在线化只是*步，数字化是当下企业在探索的命题，而智能化则是会带来几何级增长的未来。本书对阿里巴巴商业操作系统（ABOS）、全链路数智化转型等方法论进行阐述，并深度解析6 个标杆企业数智化转型的真实案例，探讨数智化对于未来商业新形态的思考与实践，推动企业全面认识数智化转型的。希望能够帮助政府领导、企业管理者以及所有对数智化感兴趣的弄潮儿打开思路，找到驱动企业持续增长的新力量！
|
| 關於作者： |
新商业学院 （后更名为 智篆商业研究院）
是“数据×商业”的新商业赋能培训平台，帮助中国企业看见并拥抱数字经济，加速企业数字化转型。擅于将深度管理洞察与商业实践经验紧密结合，既有方法论，又有落地工具，通过实战演练引导学员灵活应用于自己企业的具体实践，让学习能够转化为实实在在的业务成果。
肖利华
阿里巴巴集团副总裁、阿里云研究院院长，清华大学博士后，中科院管理学博士，多所著名大学特聘教授/客座教授。
战略-品牌-供应链-信息化-电子商务-教练/培训/咨询爱好者、知行合一者，乐于学习和分享！
中国智慧零售卓越开拓人物；
中国电子商务行业十大新锐人物；
中国信息化十大CIO领军人物；
中国服装物流杰出风云人物。
所负责的项目曾荣获中国企业信息化500强“信息化战略奖”“技术战略奖”“中国信息化建设项目成就奖”“中国信息化进程突出贡献奖”“供应链管理（SCM）应用奖”等奖项。
著有《打造“0”库存——案例解析以品牌为核心的快速供应链》《成功手记——揭开生活和管理的制胜密码》《打造以品牌为核心的快速供应链》 ，曾在国内外核心刊物发表论文80多篇。
田 野
企业数字化转型战略、营销与品牌策划专家；达境电商、雁投投资创始人；茵曼独立董事。专注于微分市场和长尾品牌的定位、打造和投资；是红蜻蜓、珀莱雅、寿仙谷、林清轩等品牌长期战略合作顾问，联合利华电商顾问。淘宝大学认证讲师、新商业学院特聘顾问，天猫“双11”顾问团团长，“双11”作战地图创作者。
洪东盈
DCC共创盈咨询教练事务所创始人，雷锋资本投资合伙人兼首席战略官，新商业学院、阿里云大学特聘讲师，WDEO（联合国世界数字经济组织）特聘专家，大学企业转型课程客座教授。曾任职SAP、EMC2、埃森哲、AtosOrigin等国际信息化公司高管，曾主持国营供电、新零售公司、连锁餐饮等数智化顶层设计项目。
杨文雅
商务部中国国际电子商务中心特聘专家、普安县新经济顾问。淘宝大学认证讲师、新商业学院特聘顾问。上海交通大学授课讲师、重庆交通大学MBA研究生导师。中华阴阳五行学说研究中心研究员、高级顾问，千衍堂创始合伙人。研究领域：新零售、数字化战略、组织变革。
陈赋明
《商业评论》栏目主编、商业案例专家，采写了近百个中国本土商业案例，参与编撰了《再下西洋》《新零售行动指南》《“互联网 ”转型实战》等商业书籍。
吴蓓宏
《商业评论》首席编辑，长期致力于世界先进管理理念的译介，同时传播中国标杆企业的优秀商业实践。
|
| 目錄：
|
目 录
篇 数智开辟新商业时代 001
第1 章 环境变革驱动力 004
1.1 社会环境变革 004
1.2 市场变化驱动新增长 005
1.3 技术驱动商业升级 007
1.4 数智时代创造“新世界” 008
【总结】 010
第2 章 消费变革驱动力 011
2.1 消费变革驱动数智转型 011
2.2 以消费者为核心的全域融合应对策略 013
2.3 数智新增长的路径 —— 新客、新品、新组织 015
【总结】 022
第3 章 数智时代新基建 024
3.1 新基建概述 024
3.2 新基建“新”的意义 027
3.3 新基建浪潮下的产业生态变化 028
3.4 阿里巴巴的数字基础设施 029
【总结】 034
第4 章 依托商业操作系统的数智增长 036
4.1 数智化解决企业难题 036
4.2 ABOS 赋能企业数智化转型升级 039
【总结】 041
第二篇 数智重构商业11 要素 042
第5 章 数智化品牌 044
5.1 数字化的市场分析和品牌定位 045
5.2 数字化品牌发展路径 050
5.3 消费者全周期数字管理的AIPL 模型 053
5.4 数字化的品牌资产评估的FAST 模型 056
5.5 数字化的品牌增长路径的GROW 模型 060
5.6 数字化的品牌传播路径 062
【总结】 063
第6 章 数智化商品 065
6.1 依托数据的新品机会发现 066
6.2 新品合伙人、仿真实验室和动销诊断台 077
6.3 共建新品创新中心 083
【总结】 089
第7 章 数智化新制造 090
7.1 从传统制造困境中了解“新制造”出现的必然性 090
7.2 数智化“新制造”：C2M 095
7.3 犀牛工厂 099
【总结】 103
第8 章 数智化渠道 104
8.1 数据赋能渠道选择 106
8.2 全渠道融合模式 108
8.3 渠道管理工具：钉钉新零售工作台 114
8.4 深分渠道的快速渗透：零售通 115
8.5 海外渠道的在线拓展：AliExpress、Lazada 117
【总结】 120
第9 章 数智化营销 122
9.1 数智化营销的关键四步 123
9.2 从渠道到消费者，营销重心的迁移 124
9.3 精准标签和人群运营策略 126
9.4 人群标签组合应用 129
9.5 人群扩容 131
9.6 全生态精准投放和营销效果评估 134
9.7 AI 辅助营销工具 142
【总结】 144
第10 章 零售——数智化重构“人、货、场” 145
10.1 数智化“人”的重构 148
10.2 数智化“货”的重构 151
10.3 数智化“场”的重构 154
10.4 零售终端体验升级 160
10.5 商超百货行业的数智化转型 162
10.6 数智化“人、货、场”的典型案例 164
【总结】 168
第11 章 数智化新服务 170
11.1 阿里巴巴“亲听”用户声音 170
11.2 数据智能形成反馈闭环 172
11.3 数智化服务解决方案 174
【总结】 183
第12 章 数智化新金融 185
12.1 金融的发展趋势 186
12.2 新金融赋能“人、货、场”重构 189
【总结】 193
第13 章 数智化新物流 195
13.1 物流的数智化演变 197
13.2 数智化物流基础设施 199
13.3 数智化供应链 200
13.4 数智化物流预测 201
13.5 数智化物流实践 202
【总结】 205
第14 章 数智化新组织 207
14.1 组织的演化历程 209
14.2 数智化组织升级的方向 211
14.3 数智化敏捷新组织 213
14.4 数智化新组织的实施工具和方法 218
14.5 数智化新组织的案例 220
【总结】 226
第15 章 数智化新技术 228
15.1 从IT 到DT 的必要性 229
15.2 新技术驱动供需动态平衡 230
15.3 全链路数智化转型升级：一云多端五中台N 行业应用 231
【总结】 245
第三篇 全链路数智化转型五部曲 247
第16 章 基础设施云化 250
16.1 企业为何要全面上云 250
16.2 企业如何上云 255
16.3 上云需要避免的误区 256
16.4 云原生架构：IT 架构敏捷化 257
16.5 “云钉一体”“云端一体”让应用开发更容易 260
【总结】 262
第17 章 触点数字化 264
17.1 触点全面数字化 265
17.2 触点数字化的关键点 266
17.3 触点数字化的实践与案例 272
【总结】 277
第18 章 业务在线化 278
18.1 业务全面在线 278
18.2 业务中台化 283
18.3 业务中台的功能 285
18.4 业务在线化案例分析 288
【总结】 295
第19 章 运营数据化 297
19.1 构建数据化的运营逻辑 297
19.2 阿里巴巴赋能运营数据化的产品 302
19.3 阿里云助力企业数据中台搭建实践 313
19.4 电商运营数据化实战 315
19.5 全域数据化运营实战 317
【总结】 320
第20 章 决策智能化 321
20.1 什么是决策智能化 321
20.2 实现决策智能化的重要步骤 322
20.3 决策智能化在各行业中的应用场景 324
20.4 决策智能化在ABOS 11 要素中的呈现场景及价值创造 331
【总结】 341
第四篇 数智转型先行者 342
第21 章 大润发：做零售业的数智化领军者 343
21.1 基础设施云化 346
21.2 触点数字化 349
21.3 业务在线化 352
21.4 运营数据化 355
21.5 决策智能化 356
【总结】 357
第22 章 居然之家：用数智重构“人、货、场” 359
22.1 基础设施云化 363
22.2 触点数字化 365
22.3 业务在线化 368
22.4 运营数据化 372
22.5 决策智能化 374
【总结】 375
第23 章 飞鹤乳业：插上数智化的翅膀 376
23.1 基础设施云化 379
23.2 触点数字化 379
23.3 业务在线化 380
23.4 运营数据化 381
23.5 决策智能化 390
【总结】 392
第24 章 海底捞：服务就要无微不“智” 393
24.1 基础设施云化 396
24.2 触点数字化 398
24.3 业务在线化 403
24.4 运营数据化 406
24.5 决策智能化 408
【总结】 411
第25 章 良品铺子：将数智化转型进行到底 412
25.1 基础设施云化 415
25.2 触点数字化 417
25.3 业务在线化 418
25.4 组织在线和沟通在线 418
25.5 供应商管理 420
25.6 物流体系 422
25.7 运营数据化 422
25.8 商品规划 423
25.9 精准营销 425
25.10 数据中台 427
25.11 决策智能化 428
25.12 门店诊断模型 428
25.13 销售预测 429
25.14 订单交付智能路由 430
【总结】 431
第26 章 特步：数智化转型的领跑者 433
26.1 基础设施云化 435
26.2 触点数字化 437
26.3 业务在线化 440
26.4 运营数据化 444
26.5 决策智能化 447
【总结】 448
后记 450
|
| 內容試閱：
|
动荡时代的危险不是动荡本身，而是延续过去的逻辑做事。
—— Peter F. Drucker
先从一个小故事说起。
三个人坐电梯，过程中一个不停地原地跑，一个不停地撞头，一个不停地做俯卧撑。电梯到顶后，三个人被邀请分享成功经验：你们是如何成功上来的？
一个人说我跑上来的，一个人说我撞头撞上来的，一个人说我做俯卧撑上来的。
听上去都非常有道理。
“成功都是自己努力的结果。”
真正让他们快速成功上楼的原因其实，他们是坐在时代的“电梯”里面。
有人说，巴菲特能够投资成功，就是因为他出生在第五次康波周期的回升阶段这一时代“电梯”中，如果是现在也不一定会成功。
对于中国各行各业的高速增长的原因，各种各样的解释五花八门。我们不妨看一下其时代背后的“电梯”。
高速增长的时代背景
需求：中国已形成拥有庞大的 14 亿人口（包括 4 亿多中等收入人口）的全球有潜力市场，随着中国人均收入持续增加，规模巨大的国内市场会进一步扩张。
供给：中国是全球制造大国。目前，中国已成为全世界拥有联合国产业分类当中全部工业门类的国家，拥有全球完整、规模的工业体系和完善的配套能力。在世界 500 多种主要工业产品当中，中国有220 多种工业产品，产量占据全球。中国工业增加值从 1952 年的 120亿元增加到 2019 年的 31.7 万亿元，按不变价计算，增长约 971 倍，年均增长 11%。根据世界银行发布的数据，2010 年中国制造业增加值超过美国成为制造业大国。2018 年，中国制造业增加值占全世界的份额达 28%以上，成为驱动全球工业增长的重要引擎。同时，中国拥有 1.3 亿个市场主体和 1.7 亿多名受过高等教育或拥有各种专业技能的人才，研发能力不断提升。
如果离开需求和供给这两个根本的时代要素，如果离开从经济学角度看的规模效应和网络效应，所有关于中国企业的成功要素的总结都是不够全面、不够深刻的。成功者往往喜欢在自己身上找“主观原因”，却忽视了大环境、大时代的因素；而失败后多找别人或环境的原因，这也符合人之常情，却与事实不太相符。当然，中国各行各业高速成长的其他成功
要素还有很多，比如：
物流基础设施：“要想富，先修路”，如果没有这么多年大规模的铁路、公路、港口、机场的基础设施建设，各行各业包括电商想发展得如此之快是不可能的。通信网络基础设施：1G、2G，尤其是 3G、4G 的建设。截至 2019 年年底，我国已经全面建成了光网城市，4G 基站的总规模达到了 544 万个，行政村光纤通达率、4G 通达率都超过了 98%，4G 用户超过 12 亿人，网络规模全球领先，5G 基站数占全球的 70%。互联网、移动互联网等通信网络基础设施的高速发展对用户新消费习惯的培养功不可没。整个端到端全产业链上下内外高效协同，信息流的打通均需依赖通信网络基础设施。
还有资金流，支付基础设施在线化、移动化、智能化，政府的开放、包容、引导和支持也起到了非常关键的作用。
看问题，高度、深度、广度、角度都非常重要。
我们拉长时间轴，多看看时代背后的“电梯”，跳出画面看画面，跳出问题看问题，透过现象直击问题本质，看问题往往看得更清楚。
我们都应感恩身处难得的伟大的和平与发展的时代。
未来，企业成功的要素
当然，我们同样需要关注的是：在同样的时代背景下，为什么有成功的有失败的？再好的时代，也有不少企业失败；再差的时代，也有不少企业成功。同时，不同时代背景下，成功的概率有大有小，产生伟大企业的数量有多有少。长远来看，成功往往是偶然的，有一定运气的成分在，失败是必然的，只是时间早与晚。而成功的充分必要条件，必然是外因和内因的有机结合。外因主要是时代背景和国际国内行业等大环境，内因有创始人的领导力、战略定位与选择、品牌定位、商品企划设计研发、采购生产制造、物流供应链、渠道布局与整合、营销策划、线上线下全网终端零售、售前售中售后服务体系、金融、财务、团队组织和文化、IT 系统等多种要素。每个企业的成功都是多重因素综合作用的结果，只是不同阶段
核心要素权重有所不同。
我们需要特别关注的是：不同时代的成功要素在不断变化。
不同时代，有不同的核心驱动生产要素。过去，更多的是土地、劳动力，后面增加了资本，再后来增加了技术、管理、知识，现在和未来应增加数据、算法，而且这个比重会越来越大，未来的世界更多的是数据驱动 算力驱动 算法驱动！ 新消费、新供给、新经济，将会升级新动力、新引擎。时代的“电梯”一直在不断进化。
在过去 40 多年里，中国不同区域的行业、企业正在进行或完成了次工业革命、第二次工业革命、第三次工业革命，部分领先的行业或企业甚至已经进入了第四次工业革命阶段，中国可以说是以压缩式、并行式的发展走过了西方发达国家二三百年的路。过去更多的是高速发展，当下和未来更需要高质量发展。
数字化、在线化只是步，智能化、智慧化才是未来，数字化（Digital）和智能化（Intelligence）也是压缩式、并行式发展，合起来就是“数智”化（Digintelligence）。大部分企业还得持续补数字化、在线化的课，如沟通在线、组织在线、业务在线、协同在线、生态在线等。比如，消费者已经在线，线下店铺需要数字化和在线化、商品需要数字化和在线化、服务需要数字化和在线化、整个产业链上下内外员工各种日常业务需要数字化和在线化。少量领先的企业已经走到智能化阶段，构建端到端智能化智慧化的系统、能力和体系，智能预测、智能铺货、智能补货、智能调货、智能定价、智能选址、智能推荐、智能服务、智能撮合、智能语音和图像识别、智能驾驶等，全程可追溯，已经实现数据驱动 算力驱动 算法驱动的运作方式。
当然，各行各业智能化还有巨大的提升空间，大幕才刚刚开启，数智化没有终点。我们认为，未来所有的企业都将会是数智化的企业。企业的管理本质是决策，怎样让企业的决策更加智能化、更加高效、更加精准、更加灵活是关键。
数智经济时代，将会是一个数字孪生的世界，数字世界指挥物理世界更加高效精准地匹配和运营。
商业或生意的本质是什么？是价值交换，是买卖匹配，是供需匹配！在传统的商业模式下，我们经常面临的问题是：一方面消费者想要的东西不容易快速买到；另一方面商家靠“猜”提前大量生产、大量备货，导致大量库存积压，“高脱销”和“高库存”并存是很多企业的痛点。在数智经济时代，数智让价值交换、买卖匹配、供需匹配变得更容易、更高效、更智能。
数智化转型的几个关键词
经常有人问我，如果要提炼总结数智化转型升级相关的核心的几个关键词，会是什么？我的回答包括：
以消费者为核心线上和线下、全网、全渠道、全域履约端到端全产业链、全流程、全场景、全触点、全生命周期网络协同 × 数据智能数据驱动 算法驱动 算力驱动需求牵引供给（C2B），供给创造需求（B2C），C2B2CnC2B2G
以消费者为核心，对应的是过去以企业内部为中心。
线上和线下、全网、全渠道、全域履约，对应的是线上和线下多渠道割裂、对立、内耗。
端到端全产业链、全流程、全场景、全触点、全生命周期，营销和销售毫无疑问是非常重要的，但仅有前端是不够的，终极的竞争一定是大数据驱动的整个供应链体系的竞争。
关于网络协同 × 数据智能，有兴趣的读者可以参看曾鸣教授的《智能商业》和《智能战略》这两本书，它们写得非常有高度又深入浅出。
数据驱动 算法驱动 算力驱动，对应的是靠经验驱动。
下面重点解释一下 C2B2Cn 和 C2B2G。
传统的方式是 B2C 的，我们设计什么、生产什么就推什么给消费者。未来更多的是 C2B 的。需求牵引供给（C2B），已经越来越形成共识；供给创造需求（B2C），好的供给设计、开发生产是能创造和激发人们日益增长的对美好生活的需求的。消费者已经数字化在线化了，消费者的数字化在线化程度远高于企业的数字化在线化程度。消费互联网和产业互联网不是割裂、对立的关系，而是相互促进的过程。消费互联网倒逼整体的产业互联网的升级，同时产业互联网的升级将进一步推动消费互联网的升级。
C2B2C 的 n 次方（C2B2Cn），就是一切以消费者 C 为中心，2B 端倒逼企业做好用户运营、新品创新、设计、研发、智能制造、渠道管理、销售和分销、品牌建设、数字化营销、配送等服务。然后精准推广服务全网、全渠道更多的消费者（C），n 次方就是用“数据 算力 算法”反复迭代，反复对整个端到端全产业链路、全流程、全场景、全触点、全网、全渠道、全域、全生命周期进行优化。消费互联网端要实现消费者可洞察、可分析、可触达、可消费。产业互联网端要实现基础设施云化、IoT 化、中台化、移动化、智能化。
未来的世界一定是一个万物互联、万场升级的世界，未来所有场都需要进行数智化升级。消费互联网端的工作、生活购物、娱乐、住宿等，产业互联网端的设计、供应、制造、流程、产业都要进行数智化升级。
经济活动四大环节是生产、分配、交换、消费。商业中重中之重的实现消费的环节是零售，实现终交易——B、C 价值交换。谈到零售，一定会谈到“人、货、场”。零售看上去还是“人、货、场”，但数智经济正在深刻重构其内涵，为什么？
不变的“人、货、场”，不变的是买&卖、供&需匹配！
流量的背后是人流，人流的背后是需求，需求的背后是欲
望，欲望的背后是人性！
变了的是理念、方式、方法！数智经济重构“人、货、场”！
海陆空立体作战增加近场／远场／离店交易，拓展时间和空
间，人效、时效提升，才能提升坪效、店效，更好的提升消
费者满意度和商业运营效率效益！
传统零售重要的是选址，第二重要的是选址，第三重要的还是选址。为什么选址如此重要？一般的品牌放到上海南京路上生意都差不了，而再强大的品牌如果把店开到珠穆朗玛峰上，开到月球上，生意能好吗？选址的背后是人流，人流的背后是需求，需求的背后是欲望，欲望的背后是人性，这是不变的。
人：以前仅指消费者，而这还远远不够。谁来服务消费者？导购等一线员工后面还有店长、经销商、总代理、品牌商、供应商、物流商等，这个链条上相关人员都了解消费者需求才能真正服务好消费者。所以我们强调“组织必须在线”，如果组织不通、沟通不畅，只有一个导购了解消费者的需求，其他整个产业链上的人都不了解，那又怎么能提供消费者真正需要的实物和服务呢？
货：过去指的是在店的货品，可是店铺的面积是有限的，商品太多也不好，很多消费者又有“选择困难症”。现在很多企业碰到的问题是，消费者想要的货不够，消费者不想要的货变成了一大堆积压的库存。货能不能虚实结合，能不能做到持续创新，能不能做到及时补货。消费者要什么我们就上什么，什么卖得好我们就补什么。
场：实物交易只是场的一部分，有很多诸如直播、3D、VR/AR、到家业务等新的方式方法在不断呈现。过去更多的情况下，只能凭经验选址，现在可以基于大数据“精准选址”。
“人、货、场”重构，以消费者为核心的全网、全渠道融合，实现“人、货、场”的在线化、重构和高效精准连接，超越时间、空间限制。“人、货、场”彻底被解构、被重构，我们认为未来的精彩才刚刚开始，整个市场有巨大的机会。
零售只是整个经济活动中一个非常重要的环节，消费互联网倒逼产业互联网升级，我更愿意把未来的商业称为以消费者为核心的、大数据驱动的、智慧品牌引领的、快速柔性供应链为支撑的、线上和线下全网与全渠道融合的、端到端全链路高效精准匹配的新商业。
新商业时代，消费者的体验会越来越好，商家可以基于大数据来设计、研发、生产消费者真正需要的、适销对路的产品，而不是每天加班加点做出消费者所不需要的库存，造成整个社会资源的大量浪费和错配。
C2B2G（Consumer to Business to Government）也是非常重要的，一切以消费者（C）为中心，消费者要的便利、个性化、智能化、精准的服务和体验等，倒逼企业（B）提升运营效率和效益；政府（G）追求的是更加开放、公平、透明、高效和规范。以数字化程度非常高的浙江省为例，提出了“让数据多跑路，让老百姓少跑路”“多跑一次”的理念。以前，由于底层有很多信息没有打通，要老百姓来来回回在多个不同的部门跑，还有“证明你爸是你爸”等笑话出现。政府数智化后这样的情况将不再会发生。浙江省政府基于钉钉开发了 1000 多个小程序，很多数据都被调用了千万次。以前我们去政府办理事务，很多信息都需要反复填写。数智化大大提高了政府的办公效率，更加简单、透明、公平、规范，也提升了老百姓的直观体验和获得感。
消费者已经全面数字化、在线化，消费者主权在觉醒，不管是对国企、民企、外企，还是政府，都会有越来越高的要求，我们必须顺应时代发展的需求。
数智驱动新增长！
我们必须不断与时俱进！不断顺势而为！
取势 明道 优术 合众 践行，知行合一方能得大道！
如何进行数智化转型
越来越多的企业认同数智化转型是大势所趋，问题是如何进行数智化转型。
我们的总结是：5 部曲 ×5 层架构 ×11 要素。
5 部曲：基础设施云化、触点数字化、业务在线化、运营数据化、决策智能化。
基础设施云化：
基础设施为什么要云化？举个例子，某家企业日常运行需要 100 台服务器即可，但碰到“双 11”这样的大促销，数据量很可能是平时的几十倍、上百倍（先假设需要10倍即1000台服务器）。如果企业只采购100台服务器，则“双 11”这样的服务消费者的大好机会就白白丢失了，市场份额让给竞争者们了；如果企业采购了 1000 台服务器，那其他 364 天的利用率就会非常低，从成本角度来考虑性价比也是很低的，会造成大量资源的浪费。怎么办？上云。就像自来水一样，想用多少就用多少，按需按量使用和交费。弹性、成本只是其中一部分的原因，其他还有安全、人才等很多原因。
企业全链路数智化转型升级需要用好新型数智化基础设施。基础设施云化完成之后，企业就可以把更多的精力用于自己的核心业务，如品牌打造、商品研发、快速柔性供应链、线上和线下全网与全渠道服务好消费者等，而不需要把过多时间精力花在非核心业务上。这对工作效率是一个大幅度的提升。
触点数字化：要把采购、生产、物流、全网及全渠道零售终端、人货场等信息及时采集回来。y 业务在线化：所有消费者已经在线了，我们企业内部的门店得在线、商品得在线、服务得在线、组织得在线、管理得在线、生态得在线。运营数据化：一切业务数据化，一切数据业务化。决策智能化：未来组织的核心是决策的质量、效率和执行力。
5 部曲的具体阐述会在后面的篇章展开。
5 层架构：传统的云更多的只是 IaaS（Infrastructure as a Service，基础设施即服务），后面增加了 PaaS（Platform as a Service，平台即服务）、SaaS（Software as a Service，软件即服务），我们增加了 2 层，DaaS（Data as a Service，数据即服务）和 BaaS（Business as a Service，商业即服务）。当然 DaaS 本质上是 PaaS 层的，但不同于过去的 PaaS，是一种新的基于数据及数据相关处理能力的服务；BaaS 是属于 SaaS 层的，也不同于过去更多偏向于内部交流流程的服务，而是跨端多场景地把 B（商家）和 C（消费者）更加高效精准地匹配起来的服务。传统板块更多的是 IT 的，我们认为未来更多应该是DT、DI的（Data Technology，Data Intelligence）。我们提供了淘宝、支付宝、高德地图、钉钉等很多高频应用程序可通用的小程序框架。
消费者在哪里，生意就在哪里，跨端多场景 底层数据中台打通，会是未来生意的标配。前后端的小程序让我们商家能更好地和消费者沟通。我们更多地强调当下的实时数据和基于未来的数据。比如用户在中午还没有吃午饭的时候，我们把周边的餐饮店信息推送给用户，这样的数据应用才是有意义的。如果过了午饭时间再推送给用户，那就是无效的。
11 要素：品牌、商品、制造、渠道、营销、零售、服务、物流供应链、财务金融、组织、技术，覆盖了商流（前 7 个要素）、物流、资金流、人流和技术，还有贯穿和打通所有环节和要素的信息流。本质上是全要素，不同行业关注的要素不同，具体要素名称也可能会不同。
5 部曲和 11 要素结合起来，见下页的图，各企业可以根据自己的发展阶段、能力和资源、轻重缓急来安排。一般来讲，多数企业会选择营销、零售等先做销售增量，然后通过全网、全渠道打通存量，把广大门店、导购、线上线下商品盘活；部分领先企业已经进入上游，利用大数据驱动品牌优化、商品企划设计开发、柔性制造、物流供应链优化、供应链金融、区块链技术全程溯源、防伪、仿窜等；少量行业头部企业已经基于对未来的判断，结合平台等一起共创，对组织的愿景、使命、价值观进行升级，对战略 业务 组织 技术 运营不断迭代优化，进行垂直行业生态型平台的探索和实践。
一句话总结，全链路数智化是以消费者为核心的大数据驱动的全链路、全流程、全要素、全触点、全网、全渠道、全生命周期的高效精准匹配。种一棵树好的时间是十年前，其次是现在。——Dambisa Moyo
早上线，早受益，先行者、不断与时俱进者才能享受时代的红利。
肖利华
阿里巴巴集团副总裁、CEO 助理
阿里云智能新零售总裁
2021 年 3 月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
