余騰江：中華老字號白酒企業的數字化轉型之路|V課堂第61期
互聯網時代，傳統企業轉型升級是企業得以更好發展壯大的必經之路。江蘇洋河酒廠有限公司作為白酒行業領軍企業，在不斷求發展、求創新的基礎上提出“互聯網+戰略”，嘗試大數據營銷，走數字化轉型之路。本周干貨白酒行業領導品牌洋河酒廠信息部部長、江蘇優秀CIO、傳統企業數字化轉型專家余騰江和大家分享傳統型白酒企業是如何走好數字化轉型之路。
一、演講嘉賓
余騰江
江蘇洋河酒廠股份有限公司互聯中心信息技術部部長
余總專注信息化工作20年，是江蘇洋河酒廠股份有限公司信息化建設的奠基人;他也是奮戰在信息化建設***線的老洋河人;擁有多年信息化工作經驗，是在企業基礎信息化建設、數字化轉型方面經驗豐富的實戰專家。
二、分享主題
《中華老字號白酒企業的數字化轉型之路》
三、演講大綱
1. 公司背景介紹
- 江蘇洋河酒廠股份有限公司簡介
- 傳統企業大數據轉型面臨的困難
- 擁抱大數據的必要性 (對大數據的觀念上的轉變)
2. 大數據平臺建設
- 大數據平臺架構建設
- 大數據分析團隊建設
- 梳理數據標準規范，治理數據源頭
- 充分發揮數據價值，提升預測能力
3. 大數據營銷應用
- 結合線上線下，統一標簽畫像
- 定位目標用戶，精準廣告投放
- 內外部數據結合，支持精準營銷決策
4. 大數據創新實踐
- 海量數據動態規則，利用大數據輔助費用督查
- 提升預測時效性，從事后分析走向事前管控
5. 總結
四、原文實錄
原文實錄context：
像大多數傳統的快銷品一樣，白酒行業也是以渠道拉動的傳統的行業。銷售的主要業務拉動，還是通過廣告和營銷的拉動來驅動的。從每年的營銷的情況來看，每年的廣告和營銷的費用高達到數億元或者數十億萬。隨著消費者消費習慣的互聯網化，傳統的廣告和營銷模式發生了改變，傳統的企業紛紛建立了新型的互聯網營銷模式。隨著企業經營環境的變化，企業的數據積累越來越多，如何充分利用數據的價值、如果利用龐大的數據進行精準營銷、如何整合數據為線下線上渠道統一使用、這些又成為我們迫切需要解決的問題。
在大數據概念流行以前，傳統企業一般通過數據調研的方式進行數據的收集和分析，數據調研對于傳統企業來講以發生的業務開展情況下非常重要，但是數據調研的局限性在于他只是對于業務現狀的一種具像化，無法滿足企業利用數據創造價值或者利用數據對發展趨勢進行預判的一種需求。隨著大數據逐漸應用，大數據概念已經深入人心。大數據不僅體現在數據積累的規模上，更重要的是基于大數據所積累的分期模型為企業提供創造新增價值或者預判能力。只有擁抱大數據，才能讓企業擁有數據化的決策的支持能力。讓企業的決策成為大數據經驗融合的理性的商業行為，在這一點洋河應該是一直是有一個清醒地認識的。
下面我就談一談洋河對大數據的一些理解和看法。從整個整體環境來講，這幾年遇到了一些壓力和挑戰，促使我們來推動大數據的一些應用。
從外因來講，首先傳統企業的價值鏈在發生變化。像快銷企業都用自己以渠道為核心的這種價值鏈的盈利模式，然而隨著市場需求的變化，尤其消費升級，需求的個性化，客戶的碎片化，視頻崛起等各種因素，導致產品滿足不了消費者多變的需求。傳統渠道的強勢或者影響力使得企業的自然轉型非常困難，再加上需求群體的變化，使得傳統企業面臨整個價值鏈的一些利益再分配的這種危機。
第二，消費場景發生了巨大變化，隨著電子商務的蓬勃發展，許多的營銷行為從線下走到線上。在今天O2O、移動應用，如雨后春筍般出現在消費者身邊，消費者又從線上走到場景化這種模式。場景化徹底的改變了原來的消費方式，從單純的購物行為轉變為基于場景的消費，基于個性化需求的消費。對于傳統的企業來講，如何能夠觸達隨時隨地都在變動的消費者?營銷資源該如何投放?怎樣塑造我的企業品牌?都是迫在眉睫的新挑戰。
第三，新技術的發展推動了需求的新變化，在新技術的推動下，企業的管理和交易關系進入了新的變革時代。首先新技術的革新，比如說傳統的網絡通信技術，從2G、3G到4G，到現在無處不在的WIFI。支付技術，從傳統的線下支付到現在的移動支付，第三方支付或者微支付。一些信息技術的工具技術，比如分析報表到現在的大數據分析。第二是移動互聯智能應用，比如說移動應用，從本地化的紙質到以移動只身多業務處理到跨平臺的一站式應用，移動互聯從孤島的數據信息到融合信息應用，單一的數據分析到智能的快速分析，從煩瑣的系統支撐到立體化的支撐網絡。交易關系上，實際上發生了很大變化。從管理和交易上面來講，***個管理上面從橫縱調換管理到技術創新支撐的立體化的網絡管理，交易上面從單向交易和消費者和客戶的關系經營，這些變化也迫使我們必須作出相應的變革。
從內因來講，因為傳統企業存在許多沖突，首先從傳統思維和創新之間的矛盾，雖然傳統企業信息化有許多做的很早，多年來積累了很多數據，但數據類型、收集也比較有限，一般都是主數據，經銷層，財務，甚至供應鏈。營銷這些數據就比較缺失，同樣數據的管理上存在很大問題，數據分散，各部分缺少統一的管理標準，也造成總體分析的不便。業務上只滿足簡單的統計，缺乏數據分析的積極性，對數據的重要性缺乏認識。部分主數據的維護，工作的的隨意性很大，導致主數據的質量低下，分析匹配困難。這些困難均是由于企業缺乏數據驅動的意識，對自身數據積累沒有充分的認識造成的。
第二，是業務的壓力和創新之間的矛盾。從傳統業務角度來看，大家更看重的是業績，而數據是長期基礎工作才能得到的，這本身就是一個矛盾體。如何說服業務在繁忙的業績考核中同時注重基礎數據的收集是非常困難的事情，因此傳統企業大數據的轉型之路注定是不平坦，而且是充滿挑戰的。面對這種環境或者大數據的時代傳統企業的信息化到底應該怎么做?這一點也是我們近幾年企業一直在思考的一件事情。
首先在大數據時代，傳統企業在面對內外部困難和挑戰的時候，企業的信息化應該化被動為主動與業務高度融合，利用現在的新興的一些技術和突破來驅動業務創新，作為本身數據極其匱乏，基礎非常薄弱的傳統企業，要想真正用大數據去驅動企業的轉型，我覺得應該分三步走：
***步,當務之急需要做的就是夯基和固本。什么是夯基和固本呢?四個方面的內容：1.建平臺;2.組團隊;3.建標準;4.抓數據。什么是組團隊?組團隊就是整個數據分析的團隊的建設，因為現在數據的人才資源非常的匱乏。建平臺就是整個技術平臺的規劃建設，標準，建標準就是整個數據的治理如何抓?抓數據就是整個我們數據的源從哪里來。
第二步，經過長期的數據標準化或者數據積累，要形成適合自己自身需求的一個大數據的源然后才是結合業務，逐步進行大數據的場景化的運用,要逐步解決業務的痛點和難點。***才是在平臺日趨成熟，數據不斷完善或者團隊能力不斷成長的基礎上，才能思考如何利用大數據進行創新，利用數據找到新的增長點，將信息化部門從公司戰略的傳球手轉變為公司戰略的起動器，這樣我們真正的信息中心才能從成本中心轉換為利潤中心。
剛才我講的就是我們基于大數據環境下的一些思路和方法，到底具體應該怎么做?剛才講基于四步：
首先是建平臺，建平臺總體上來講是應用平臺調整和分析平臺建設，***個是在基礎應用架構的調整，很多傳統企業的信息化建設之初都采用了ERP系統為整個信息化的基礎平臺。從企業的信息化的發展情況來看，ERP在整個信息化進程中也發揮了不可替代的作用。但是隨著業務不斷發展，數據日益增長，傳統ERP的架構已經無法有效的支撐以大的并發，海量數據為特征的新型的業務需求。所以傳統企業大數據***步轉型就是要對現有的系統應用架構進行調整，改變原來以ERP為核心架構的整體的思維。我們現在調整的思路就是以大中臺，近來建設企業的私有云為企業整體的應用架構賦予高可用、可伸縮、易擴展、可運維的特征，從目前的情況來看極大的提升企業的架構的生產能力，為整體的大的并發大應用提供了基礎的架構支撐。
第二塊，建平臺的內容就是整體大數據應用的分析平臺，在這一塊洋河也建立了自己的以Hadoop為基礎的大數據應用平臺，我會重點講一講大數據平臺的這種運營架構。具體會分為幾個層，上面會有一張整體架構的圖，大家可以看一看，我講完了以后有什么問題大家可以做一下交流。
整體的架構分為四層：
***，源數據層，包括業務系統的數據，整體所有的系統的數據、日志數據，電商、媒體、廣告數據在內的數據源頭以及其他的所有可歸納的第三方數據。
第二，數據交換層，數據交換層是原數據進入大數據平臺的主要通道，所有的業務系統數據在進入統一的數據管控和作業調動下通過ETI的抽取落地到大數據平臺和數據倉庫。實時的數據通過分布式的消息隊列，通過實時的流處理引擎處理后，直接進入數據存儲層。
第三層就是數據存儲層。數據存儲層是所有數據會匯集和集中處理的地方，通過統一的數據模型來加工和存儲企業所有最有價值的數據資產，并高性能的支撐上層的分析、挖掘和日常報表，以及精準營銷和個性化服務為后續的分析業務提供完整的數據支撐。
第四層是數據服務層，數據服務層采用業內***進的智能分析技術，通過固定報表、聯合查詢、數據挖掘等手段為后續相關業務的分析提供有利的技術支撐。
第五層是數據應用層，數據應用層在企業數據倉庫的支撐下，為潛在用戶提供分析，挖掘和日常的實施報表以及個性化服務的模塊。
對于業務快速查詢的這種需求，數據直接進入核心倉庫層，數據倉庫。數據分析團隊在核心數據的倉庫中來開發報表邏輯，由數據服務層向外提供查詢服務，由數據應用層的報表對用戶進行表格、圖表的展現等服務。對于月度或者季度或者年度這種綜合應用分析的需求，數據經過數據交換層會抽取到Hadoop平臺，由Hadoop對數據進行處理，處理以后將數據的結果抽取到核心的數據倉庫。分析團隊會根據整個開發的報表邏輯，由數據服務層提供查明服務，由數據應用層對用戶展現。對數據探索分析的需求，由數據分析的團隊在核心倉庫對數據建模，建模完成之后由數據服務層通過BI的工具為用戶提供數據探索分析的服務。
此外還通過消息隊列技術將實時的流失數據抽取到核心數據倉，數據倉對數據進行結構化、時間間隔補全等處理，形成可分析數據，進一步豐富分析的內容。
第二個方面內容，組團隊。在大數據整個應用的過程中，具有大數據分析能力的團隊也是必不可少，數據分析要取得成功必然要依賴于人的力量。但是作為傳統企業來講，大數據的團隊既不能靠挖幾個大數據的牛人來搞定，也不能直接外包給專業公司，因為這中間涉及到企業的一些數據機密的問題，更不能照搬其他公司的這些經驗，所以我們的認為傳統企業的大數據分團隊應該包含三個部分：
***，企業的***牽頭，這一塊肯定是公司的領導層。
第二，內部團隊要作為主力，在內部團隊里應該包括幾方面的人：1.做數據的人;2.分析數據的人;3.用數據的人。也就是IT的開發專家、數據分析的專家和內部業務的專家。
第三，外部專家當外援，當引進大數據外部的專家來快速帶動內部團隊的技術能力分析水平的提升，為企業培養具有大數據思維又有深厚的行業背景的符合性人才，這是作為傳統企業在轉型之路上的必經之路。
第三方面是建標準，為什么強調建標準?因為現在從整體經驗來看，尤其傳統企業在許多年的信息化實踐經驗上來看，因為利益驅動或者是這種效益考核驅動，數據的規范性和標準很難建設。但是在大數據平臺的整個建設過程中，數據源的質量又非常的重要，確保數據的高質量是所有大數據分析的前提。作為傳統企業，在大數據運用的過程中發現了很多的問題，比如數據標準缺乏維護的隨意性，數據質量非常的不重視這些問題，這些問題導致數據源質量很難保證，為數據的整體的后續分析埋下了很大的隱患。
因此這兩年我們花了很多的精力，對數據源進行全面的治理，首先通過全面盤點，梳理數據流程的各個環節，建立數據標準，完善數據質量，定期監測數據質量，制訂數據規范制度，然后對主數據管理進行統一。通過對主數據采用統一的規則和口徑，來確保數據的完整性和有效性。看這張圖就知道我們的數據來源很多，從這方面如何保證這么多數據源的質量是這幾年一直在抓的事情，也是保證整個數據分析和未來為數據決策提供支撐的一個必要條件。
第四塊是抓來源，抓上什么來源?就是數據到底從哪里來?作為一個傳統企業或者說單一的這個品牌企業，數據來源非常單一，要形成真正大數據是非常漫長且需要付出很多努力的一個過程。我們的清醒地認識到了這點，這幾年非常重視抓數據，抓來源。在這里我們重點從兩方面做這個事情，***方面，內部數據的挖掘，在內部數據挖掘上面我們非常重視，以下我們這幾年的一些經驗：
***，加強內部信息化的一些應用和管理。
第二，做好線上、線下數據的拉通，建立統一的管理體系。
***是從內部的管理的信息化上面來講，通過梳理內部的業務流程和數據流向，通過整個的ERP、HR包括其他一系列的系統建設，拉通了計劃，采購、生產到渠道，終端，消費者，全價值鏈的鏈條數據。從每個環節來獲取數據源，根據數據標準規范進行分類、補全、清洗、存儲等各個工序。
在線上線下拉通的方面，這幾年在線上建立了許多電商平臺，洋河1號，天貓，京東，多個電商平臺。通過一些技術將整個的數據進行拉通，建立了統一的會員管理體系，對線上的微店消費者，線下的終端店的一些的會員來進行拉通。又采用一些會員互動的方式來提升整個會員的黏性和活力。比如說利用線下掃碼、送紅包的方式，通過兩年左右的時間，現在整體上會員達到了300~400萬的規模。其中掃碼上面我們積累了近兩億條數據。
其次我們充分利用一些線下的合同資源，促銷資源，比如說演唱會、線下促銷、廣告大牌等活動來發展我們的會員來進行統一的管理，實現線上線下數據的拉通，充分挖掘內部數據的潛力。光有內部數據的挖掘肯定解決不了數據源的問題，所以這兩年也在通過一些外部數據的補充來提升整體的數據質量。在這方面我們也做了很多努力，比如說這幾年在全力打造的一個全營銷平臺，將終端的一些管理納入到數據范圍之內，將終端的消費者也納入了這個平臺來。
第二塊，通過一些平臺的建設將整個生態圈的用戶，比如說現在做的FFC的項目，就是從工廠到終端到消費者。通過一些吸粉的方式，比如說一些線下活動，將他納入整體的管理范圍。
第三塊，通過一些數據合作，比如說我們會和一些數據公司和第三方的一些單位，天貓、京東，采用一些方式來進行數據合作來豐富和補充我們的數據資源。通過將近兩年的時間，應該說現在數據源的質量越來越高。整體的數據源包括了終端的網點信息，競品信息，包括C端的一些消費的信息，一些互動的，甚至一些廣告信息的收集，逐漸完善了。這些數據流量的進入為整體的數據分析提供了有效的數據支撐，這就是剛剛講的夯基和固本的問題。夯基和固本之后下邊怎么做?怎么去利用我們的現有的數據來進行深入的分析和應用。
***個是結合線上、線下統一標簽，進行統一的會員管理。首先在線下建立了一個擁有五千多家異地分銷商和幾十萬終端網點龐大的線下渠道體系。在線上又建立了洋河一號，O2O平臺，包括FFC，粉絲交互平臺。目前已經覆蓋了全國的32個省、市，配送網點超過一萬家，粉絲數量已經達到400萬。目前正在著手將這些用戶納到標簽畫像體系中，我們建立了大概1200個這樣的標簽。同時針對經銷商，終端網點，消費者，通過三個不同的角度進行自然屬性、行為偏好、整個的行為的分析，同時按照統一的編碼方式進行標簽化的定義。
經過統一標簽化定義以后，我們就利用這些標簽進行業務分類。根據不同的分類制定的不同業務策略。比如說通過經銷商、業務網點，按照所在區域，費用，服務流向，違規的情況對標簽進行經銷商和網點的動態分類，利用它對進行市場督查和秩序管理的環節的管理。進行經銷商和網點的分級分類管理，對表現較好的進行獎勵，對表現較差的進行重點關注和跟蹤，這樣就有效的提升了我們整體的費用投入的尺度的把握。對于消費者我們通過一些業務的分析，也進行了一些分級分類，然后結合一些金融營銷的促導來提升整體的營銷行為。這些標簽化項目的統一管理極大的減少了目前用人工進行勾選的標簽處理，實現了由系統在業務數據流轉的過程中，通過分析手段對業務數據進行整體的標簽化，這一塊對整體的業務提升起到很大作用。
第二塊，定位目標用戶進行精準的文化投放。通過電商的數據分析，包括線下的一些數據的綜合分析，開展不同消費檔次的消費者進入營銷的活動，并試點了金融營銷廣告投放，特別是DSP一些廣告投放的效果進行了一些綜合的分析和應用。目前正在和一些DSP公司合作，結合自身大數據平臺，實現廣告投放對象，自主的輸入輸出，使線上廣告的投放過程更可控，投放結果更可信，投放的收據更清晰。比如說以前我投放了一個廣告，到底觸達率，到底效果怎么樣我們也不知道，但是現在通過一些分析，能精確的掌握到這種的效果。同時我們的通過DSP整個平臺的管理，對多個渠道的流量來源及時獲取，包括形成整體的一個報表，包括整體的廣告花費、頻次、效果、訂單狀態都能夠及時了解，基于這種分析的效果，目前正在嘗試整個廣告投放的數字化的一些應用。前幾年傳統廣告占到我們廣告投放量的90%以上，經過這兩年的整體應用，傳統廣告的投放量在逐步減少。數字的投放量在逐步提升，我們計劃的廣告金融營銷投放的策略對整個公司的投放策略方向起到了一個很好的決定性的引導作用。
第三個是內外部結合來支撐精準營銷的一些決策。剛才也講了，對于傳統企業來講做大數據，只有內部數據肯定是不夠的，只有想辦法獲取足夠多的外部數據，在內外部數據結合中才能夠發揮數據價值。
今天協會找我做這個講座，一周之前剛剛做了一些針對終端網點的銷售投入，分析的案例也反過來證明這一點。內部數據上面我們利用普通的網點訂單，比如說開票，費用核報等數據，結合經銷商與終端網點的配合關系可以分析出終端網點的整個的服務流向。通過外部的一些消費者掃碼來獲得外部的數據，從另一個角度去分析終端的服務流向。通過兩者數據結合來分析，可以精確的判斷我的終端訂單的真實性及營銷商的投入效果等等一系列的異常情況。
根據發現的一些異常，由相關業務部門進行重點跟進，調查異常發生的真實原因，并根據不同的情況進行有針對性的營銷策略的調整，最終達到數據驅動決策效果。從目前的情況來看，這一點已經得到我們公司許多業務部門和高層領導認可，并且已經在全公司范圍內要求進行推廣。這塊就是全價值鏈的整合，來促進整個柔性的供應鏈。
剛才講內外部數據結合，不僅僅是利用于精準營銷的策略分析，從內部的支撐角度來講，更有利于整體生產環境的調整。從需求端開始的一些計劃到采購，生產到整個渠道，終端，消費者，全價值鏈數據的一個收集，再結合線上線下的一些個性化的需求。根據產能、計劃，倉儲、物流等數據，綜合利用大數據這個平臺數據模型進行分析，目前我們也在做這方面的嘗試。通過數據分析的結果，作為導向來制訂科學的采購生產計劃，以推動整個柔性供應鏈的新模式。在這一塊，這兩年的應用也取得一定的效果。目前我們整個計劃的保障率或者柔性計劃的保障率達到百分之九十幾。應該說充分的利用了移動互聯網給我們帶來的整個信息的渠道的資源，引導了消費者參與生產，消費者整個的購物體驗或者消費體驗得到極大提升。同樣也為我們公司整個經濟整個新的經濟增長的打造提供一個有利的支撐。
剛才我講了這個從基礎夯基到我們怎么做，利用一個案例簡單做一個總結，舉一個例子，講大數據在我們公司的一些應用。從去年開始做大數據輔助費用督察的一個項目，通過抽取海量的費用數據，進入數據倉庫，結合督察部門的一些經驗，通過手機號碼、姓名、地址。比如說現在利用一些智能飛行的技術，比如說圖片的一些識別技術，分析市場上的一些費用投入的行為，從而建立預警的規則庫，通過繼續學習來訓練我們的一些數據模型。隨著時間推移，預警的規則不斷完善，數據規模，數據模型經過不斷訓練，使得我們整個費用督察這方面的工作效率得到很大提升。從2015年年底到現在，整體的費用督察的效益產生了幾千萬的效益，將費用督察工作，從事后的分析走向事中的控制。在這方面的例子在我們企業也有很多的應用案例。在這方面我們也希望，同時也邀請在群內的各位專家，各位同行，同業有機會到我們公司來相互交流，我們也學習，取長補短。這幾年我們企業也做了很多基于大數據的一些應用的嘗試，但是作為一個傳統企業，路還很漫長，要做的事情還很多。在群內有許多先進的行業和企業，在這方面我們也希望向先進的行業和企業學習，在這方面也希望大家跟我們提供一些寶貴的經驗和措施。
