36KR RESEARCH 2020年中国服装行业数据中台研究报告 数据中台赋能企业数字化转型，成为降本增效新引擎 36氪研究院 2020.09 2 36Kr-2020年中国服装行业数据中台研究报告 数据中台是企业数字化转型的新引擎。数据中台概念最 早由阿里巴巴集团提出，是方法论、组织与工具的有机 结合，是快、准、全、统、通的智能大数据体系。随着 互联网流量天花板显现，行业竞争加剧，企业面临生存 危机，降本增效、提升竞争力成为核心诉求，数字化转 型成为大势所趋。数据中台以数据资产驱动业务增长，全方位、多角度重塑企业价值链，可以有效提升企业组 织的敏捷程度和业务协同响应能力，成为企业数字化转 型的新引擎。我国服装行业数字化转型起步较早但进程较缓，未来有 望在数据中台赋能之下实现全域数字化落地。目前，我 国服装行业机遇与挑战并存。一方面，消费人群年轻化、需求个性化等新的市场趋势推动服装行业迭代升级，为 企业带来新的发展机遇；另一方面，营收增速放缓、库 存周转率下降、线上电商冲击也成为企业的主要痛点。随着市场环境变化，服装企业纷纷优化资源配置，拥抱 数字化转型。虽然我国服装行业数字化转型起步较早，但进程较缓，数字化对行业的赋能效果尚未得到全部释 放。数据中台以数据为驱动，将数据与业务无缝衔接，在供应链改造、全域营销、新品孵化、门店管理、渠道 拓展等方面对服装企业进行全链路赋能，未来有望助力 服装企业加速实现全域数字化落地。数据中台前景广阔，场景拓展成为竞争关键。随着企业 数字化转型逐渐深入，数据中台市场将加速扩展，行业 前景广阔。当前，数据中台行业对业务场景的争夺日趋 激烈。在场景选择方面，在数据高地中寻找场景洼地将 成为一个重要趋势。在服装、美妆、快消、商超、金融、医疗、教育等更靠近消费端且拥有丰富数据积累的领域 内进行场景挖掘，将成为数据中台场景拓展的有利路径。报告摘要 相关研究报告 案例分析公司 阿里云 数据中台服务商 1 36Kr-2020年 中国 企业 直播研究报告（2020.05）36Kr-2020年 中国 互联 网医疗研究报告（2020.04）36Kr-“AI 医疗”行业 研究报告（2019.12）36Kr-2020年 中国 新经 济趋势洞察报告（2019.10）36Kr-商用服务机器人行 业研究报告（2019.08）目录CONTENTS 中国数据中台行业发展概况 相关概念 发展背景与发展动力 数据中台的应用价值 数据中台的市场现状分析 01 数据中台赋能服装行业数字化转型研究 中国服装行业发展现状 中国服装行业的数字化转型趋势 数据中台赋能服装行业的应用场景 02 数据中台典型案例分析 阿里云数据中台介绍 阿里云数据中台服装行业服务案例 03 数据中台行业发展趋势分析 数据中台的主要赋能逻辑 数据中台的业务拓展路径 数据中台的市场生态趋势 04 相关概念 发展背景与发展动力 数据中台的应用价值 数据中台的市场现状分析 中国数据中台行业发展概况01 3 5 1.1 相关概念 数据中台是方法论、组织与工具的有机结合，是以技术驱动业务发展的智能大数据体系 数据中台这一概念最早由阿里巴巴集团提出，旨在高效处理日趋复杂与庞大 的数据，最终为企业业务结构优化与增长赋能。数据中台是阿里助力企业数 字化转型过程中一次标杆式的创新与尝试。在阿里巴巴的定义中，数据中台是方法论、组织与工具的有机结合，是快、准、全、统、通的智能大数据体系。各类数据技术是构建数据中台的基础，能够高效对各类数据进行统一收集、处理、储存、计算、分析和可视化呈现，使数据最终与业务链条结合，真正转化为企业核心资产。数据中台本质上是 一个以数据驱动业务发展为最终目的的智能大数据总体系。在阿里“大中台，小前台”体系下，数据中台与业务中台成为连接前后台的 纽带，共同助力企业业务发展。数据中台与业务中台相辅相成、相互支撑。业务中台为数据中台提供数据来源，而数据中台则为业务中台决策提供辅助。4 图示：数据中台与业务中台的关系 基础技术后台 业务前台 数据中台业务中台 业务数据 数据计算结果 技术基础 数据驱动 6 1.1 相关概念 数据中台是一种新理念，以“技术 业务”为 双驱动，与数据仓库等传统数据工具大有不同 在对数据中台进行概念界定的过程中，数据仓库是一个常见的易混淆概念，准确辨别二者的差异性特征，对于深入理解数据中台具有重要意义。数据仓库起源于决策支持系统，是一个面向主题的、集成的、非易失性的、随时间变化的，用来支持管理人员决策的数据集合，多以报表方式进行数据 呈现。而数据中台则是一种新的理念，是”数据 技术 产品 组织“的多元 组合，以”数据产品 数据技术 方法论 场景实现“为综合性输出，是企业 开展新型运营的中枢系统。5 图示：数据中台与数据仓库的区别 数据来源：36氪研究院根据公开资料整理 区别数据仓库数据中台 属性与定位仅为职能辅助属性基于技术而又深入全线业务与运营 服务对象小部分业务人员和企业决策层扩展至一线人员及企业全体员工 数据处理类型多为结构化数据结构化数据、非结构化数据 体系架构 新一代的数据仓库采用分布式 架构，一般基于MPP数据库或 大数据平台实现数据分析 多系统组成，除了大数据存储和计算平台 外，还包含数仓建设、工作台开发IDE、任务调度、数据同步服务、对外统一数据 服务、资产管理系统、敏捷BI报表开发等 多个组件，通过多个维度组件组成一整套 解决方案 服务表现形式多以报表形式呈现 更加多样化，除了基础报表，还有领导决 策系统、行业分析、业务洞察、业务重塑、自助查询等面向业务场景的服务及产品 人员构成数据分析人员 人员构成多样，需要既懂业务也了解数据 分析的综合性人才 价值体现 业务决策数据支持，市场数据 查询 业务决策数据支撑，业务支持，业务优化 数据支撑，数据变现等 7 1.2 发展背景与发展动力市场环境驱动 互联网流量天花板已现，企业精细化运营和数 字化转型成为大势所趋，数据中台应运而生 历经十几年高速发展，我国互联网行业已进入发展平稳期，互联网流量红利 时代正逐步消失。根据CNNIC数据，截至2020年3月底，我国网民数量已达 9.04亿，互联网普及率为64.5%，且增速渐趋回落，流量天花板已现。目前，仅靠流量粗犷式运营模式已无法支撑企业的可持续发展需要，提高用户粘性、巩固市场份额和行业竞争地位、寻找新的业务增长引擎成为企业新发展共识，精细化运营成为必然选择。在此背景下，企业纷纷投入数字化转型浪潮中。通过数字化释放人力成本，优化业务逻辑和运营流程，利用精准营销和个性化服务满足消费者的多元需 求，拥抱行业发展新态势，破解增长困局。特别是在新冠肺炎影响下，数字 化程度高的企业在复工复产上展现了更高的效率和更强的抗风险能力，这也 让全行业意识到数字化转型的重要性和必然性。数据中台则为企业数字化战略的切实落地提供了集方法论、技术及工具于一 身的全方位支持。通过数据中台，基于大数据的有效信息不再专属管理决策 层，相反，随着有效信息渗透至企业活动参与者，原本庞大数据群可有效转 化为全员可见、可用的信息，为业务优化提供更佳、更高效的组合选择。6 61,758 64,875 68,826 74,125 77,198 82,851 85,449 90,359 45.8G.9P.3S.2U.8Y.6a.2d.5 18.122013.122014.122015.122016.122017.122019.122020.03 网民规模互联网普及率 图示：2013-2020年网民规模（万人）和互联网普及率（%）数据来源：CNNIC，36氪研究院整理 8 1.2 发展背景与发展动力需求端驱动 行业竞争加剧，降本增效、提升竞争力成为企 业核心诉求，数据处理快速高效成为企业刚需 随着社会发展和科技进步，市场变化日新月异，人们的消费观念和消费习惯 也随之改变，行业的快速迭代导致市场竞争加剧，企业实现市场份额增长愈 发困难。打造更具个性化、更贴近市场需求的产品与服务，成为占领市场高 地的有效路径。降本增效，提升竞争力，成为当前企业生存与发展的核心诉 求。而要实现这一诉求，关键就在于如何打通数据与业务，基于行业、企业、市场三方数据，制定符合自身现状的数字化发展战略。企业在进行数字化转型过程中，随着业务发展，数据规模成倍增长，海量数 据源正在倒逼企业数据处理系统向更强承载力和更快处理速度的方向发展。此外，企业数据呈现多元性特征，已不仅仅局限于传统消费端零售数据，还 拓展至消费偏好、态度倾向等个性化数据，以及企业内部各业务条线的运营 和财务数据，企业外部上下游供应链的业务联通数据等。复杂而庞大的数据 量需要配备更为快速高效的数据处理系统，能够迅速分析市场变化，并辅助 输出相应战略决策。因此，应用集数据收集、构建、分析、输出为一体的数 据中台，深入挖掘企业数据资产价值，推动内部业务协同，使数据真正为业 务优化和精准服务赋能，成为众多企业的共同选择。7 要求数据处理系统有更强承 载力和更快处理速度 数据量庞大 要求数据处理系统更加敏捷 高效，拥有综合数据收集、处理、分析和输出能力 数据多元且复杂 图示：企业在数字化转型过程中的主要数据问题及需求 9 1.2 发展背景与发展动力技术驱动 大数据、人工智能、云计算的发展为数据中台“双螺旋”式演进提供技术基础 2015年，阿里首次提出数据中台概念后，各大科技企业纷纷投入到对数据中 台的研究与应用中，数据中台逐步进入大众视野。数据中台的发展特点可以 概括为“双螺旋“式，即数据资产和业务价值齐头并进。数据作为一项重要 资产，成为推动企业高速发展的核心要素，而业务价值的实现便成为数据资 产的最终落脚点。数据中台的“双螺旋”式发展离不开各类技术的有机结合。数据构成数据中 台的核心，这意味着数据治理水平在一定程度上决定了数据中台的运行效率。随着企业业务领域不断拓展，海量数据得以累积，但数据呈分散状态，传统 的数据仓库无法打通数据之间的联通壁垒，形成孤岛效应，削弱数据反哺业 务的能力。因此，如何建立海量数据的统一清洗、储存的方法，规划数据结 构，打破数据孤岛，成为数据中台构建过程中势必要解决的问题。大数据、人工智能、云计算等技术的发展为数据中台打破数据壁垒，实现统一调用等 提供了坚实的技术基础，助力企业数据治理水平的提高，从而真正发挥数据 中台的效益。可以说，没有技术的进步，数据中台只能是虚拟的方法论集合，无法实现真正的落地，更无法赋能企业业务发展。8 统一数据收集、处理、储存、计算口径 大数据 数据分析智能化 与可视化 人工智能 确保数据运算的及 时性与高效性 云计算 图示：大数据、人工智能、云计算为数据中台的构建提供技术基础 10 1.3 数据中台的应用价值 打破数据孤岛，以数据资产驱动业务增长，全 方位、多角度重塑企业价值链 数据中台可以实现各类数据的有效聚合，将数据打造为企业核心资产，打通 连接行业需求端与供给端的通道，以需求带动供给，打造企业价值链闭环。数据是企业发展的重要驱动力，这已成为各行各业的共识。随着企业发展，数据得以快速、海量积累，但不同数据之间相互独立，孤岛效应愈发明显，数据反哺业务的价值被弱化，割裂了企业价值链。数据中台的构建直击企业数据分散这一痛点，通过构建统一数据标准，将不 同系统、不同类型的数据纳入一个可对比、可计算的范围内，消除数据二义 性、打通数据烟囱，实现统一资产管理。数据中台紧密衔接业务前台与技术 后台，聚合的数据可快速响应前台业务需求，针对市场和行业的新变化来优 化业务内容与流程。在数据中台加持下，企业的数据与业务无缝衔接，价值 链闭环得以形成。以新零售应用场景为例，数据中台将消费者、产品、营销、供应链四要素聚 合在一起，以数据为中心，形成市场洞察、优化产品内容、实现精准营销、提升供应链流畅性，进而助力企业的业务突破与增长，实现企业价值链升级。9 图示：数据中台对新零售企业价值链的重塑 数据资产 消费端 用户画像 市场洞察 产品 新品设计 产品升级 供应链 计划优化 流程优化 营销 分级营销 精准营销 11 1.3 数据中台的应用价值 提升企业组织敏捷度，为企业降本增效、打造 核心竞争力奠定管理组织基础 数据中台融合了业务和IT双重职能，是方法论、工具、组织的有效结合，对 优化企业组织结构与流程，提升管理水平有较强的推动作用。在传统的企业组织结构框架下，业务部门与IT部门为独立板块，分别承担业 务拓展与技术支持职能。而数据中台整合了业务与技术两大职能，业务为技 术提供所需数据源，技术通过数据分析为业务提供优化方向。业务与技术协 同作战，实现1 12的效果，业务产生的数据省去了跨部门传递的步骤，时 效性与完整性均得到保证；而基于技术产生的数据分析结果也可直接转化为 业务优化方案，避免技术与业务两部门因信息不对称而导致的认知偏差。在 数据中台支持下，企业数据收集、处理、分析、应用全链条的时效性得到了 提升，优化组织灵敏性。10 技术支持 业务数据 数据 中台 数据源 数据分析 前端需求 快 速 响 应 数 据 整 合 图示：数据中台赋能企业组织敏捷性 12 1.4 数据中台市场现状分析 11 智变现 目前我国数据中台行业处于从萌芽转向高速发展的过渡期，整体仍处在相对 基础的发展阶段，产品类型与服务内容有待进一步拓展，商业价值亟待挖掘。在企业数字化转型背景下，特别是受年初新冠肺炎疫情影响，企业逐渐意识 到数字化转型的必要性和重要性，纷纷加速推动数字化落地，打造敏捷性系 统，以应对日趋复杂的需求端新态势。数据中台作为数智化落地的助推器，市场潜力巨大。未来数据中台行业规模扩张的另一驱动力在于：行业玩家正积极探索与拓宽 数据中台应用场景与服务内容。例如，开发适用于中小企业规模与发展现状 的数据中台。受制于数据中台较长的成果转化周期和较高的成本，鲜有中小 企业参与数据中台建设，但数据中台行业玩家正积极拓展服务中小微企业的 路径。随着数据中台逐渐实现从理论向实际的落地，将会有更多呈现形式，助力各类企业数字化转型全流程。未来会有更多企业参与布局数据中台，赋 能业务增长。预计2020年后，数据中台将实现爆发式增长，到2024年，行 业营收可达251亿人民币。图示：2018-2024年中国数据中台市场规模及预测（亿元/人民币）数据来源：36氪研究院分析 17.1 40.1 65.7 96.2 137.9 193.0 251.0 2024e201820192020e2021e2023e2022e 数据中台目前处于发展初期，随着企业数字化 转型逐渐深入，行业快速扩张未来可期 13 1.4 数据中台市场现状分析 12 数据中台产业链结构清晰，上游云技术服务商主要提供底层技术支持，下游 直接面向各行业企业级用户，核心则是位于中游的数据中台服务商。目前，行业中游市场参与者众多，存在业务混杂、边界不明等行业乱象。根 据本报告对数据中台的定义，36氪研究院将当前市场中的数据中台服务商主 要归结为以下三类：1）综合性数据中台解决方案提供商。能够提供独创性、原生性、可标准化封装输出的产品和解决方案，拥有底层全量技术能力和持 续业务迭代能力，为企业级客户提供综合性数据中台解决方案，同时为行业 发展输出核心技术与引导性方法论，是生态核心与中坚力量，以阿里云数据 中台为代表；2）数据中台运营商。以具体场景为切入点，依赖于头部企业，作为头部公司的生态合作伙伴提供服务；3）转型中的数字化方案提供商。传统CRM和ERP等企业，积极拓展新兴数据中台业务，以用友软件为代表。数据中台行业壁垒较高，新进场的市场参与者面临的竞争压力较大，拥有多 年技术与解决方案实践积累的综合性数据中台服务商将更具竞争优势。图示：数据中台产业链 数据中台行业中游市场参与者众多，综合性数 据中台解决方案提供商是生态核心与中坚力量 中游：数据中台服务商 云技术 服务商 企业级用户 上游下游 综合性数 据中台解 决方案提 供商 数据中台运营商 转型中的数字 化方案提供商 中国服装行业发展现状 中国服装行业的数字化转型趋势 数据中台赋能服装行业的应用场景 数据中台赋能服装行业数字化转型研究02 13 15 自改革开放以来，中国服装行业大致经历了高速发展期、成熟期、瓶颈期和 机遇挑战并存期四个发展阶段。高速发展期：各大服装工厂纷纷建成投产，从最早的手工剪裁小作坊逐渐发 展到初具规模的服装企业。服装市场由混乱无序阶段过渡至大规模批发市场 阶段。受劳动力成本影响，该阶段以海外代加工为主，服饰外贸开始兴起。成熟期：服装产业上下游形成聚合链接，行业整体趋于成熟。服装生产由代 加工转向自主设计，销售渠道也愈加多元化。2003年电商兴起，开始影响服 饰销售模式，原本以线下为主的营销渠道渐渐转移至线上。部分初具规模的 企业开始谋求上市并逐渐试水海外市场。瓶颈期：2008年经济危机对服装行业形成一定冲击。与此同时，电商渠道大 规模下沉，进一步挤压线下渠道市场，库存上升、周转率下降等问题困扰着 诸多企业。而电商平台尽管凭借流量红利实现了迅速扩张，但由于参差不齐 的商品质量和发展尚不成熟的物流渠道，核心客户群体并未得到有效巩固。挑战与机遇并存期：直播带货、社群等营销新路径为行业带来新的营收增长 点。然而行业头部效应逐渐明显，在愈加激烈的竞争格局下，行业面临整合，对于中小型企业玩家而言，巩固市场份额成为其绕不开的难题。2.1 中国服装行业发展现状 14 历经发展、成熟、瓶颈期，中国服装行业目前 面临机遇与挑战并存的局面 1979-1999年 2000-2008年 2009-2016年 2017年至今 高速发展期 成熟期 瓶颈期 机遇挑战并存期 图示：中国服装行业发展的四个阶段 16 2.1 中国服装行业发展现状 15 中国服装行业产业链完善，中游生产制造商获 取上游原材料，面向下游多渠道来源消费者 历经多年发展，中国服装行业已形成较为成熟和完善的产业链。上游原材料 供应商为中游服装制造企业提供布料、纺织品等服装生产所需材料，而产出 的成衣则直接面向下游服装消费者。得益于我国丰富的资源与物产，服装产 业上游原料供应充足，为中游服装生产与制造打下坚实基础。服装行业产业链中游参与者众多，既包括专注于设计或制造单一环节的企业，又有设计、生产、销售一体化的服饰集团。中游企业依据服装功能与目标客 户可细分为男装、女装、童装、运动装等垂直领域。其中运动装行业马太效 应明显，集中度最高。而受女性消费者拒绝撞衫的影响，女装行业集中度相 对较小。近几年，随着社会消费结构的变化与互联网的高速发展，下游服装 销售渠道渐趋多元化，原有线下营销的单一局面被打破，出现了社群、直播 等多种新兴营销渠道。图：中国服装行业产业链 上游中游下游 原材料供应 植物 纤维 化学 纤维 动物 毛皮 化工 原料 针线布料 服装制造 服 装 设 计 成 衣 制 造 服装销售 线上电商 线下零售 社群销售 17 2.1 中国服装行业发展现状 16 与此同时，服饰消费人群年龄结构也悄然发生变化。90后逐渐成为消费主力，他们追求个性化、多元化消费，对设计独特、品质优良的服装更为青睐。此 外，其消费需求受社交影响较大，平台推荐、明星带货等方式可以有效激发 其购买力。消费端出现的诸多变化促使服装行业进行升级与转型，以消费者 为核心，满足多元化的消费需求。消费需求 1 潮流元素 2 服饰风格 3 配饰选择 4 场景配对 火热IP、潮牌logo等 BM风、Girl Crush风、Hip-Hop风、极简风等 腰带、蝴蝶结等 约会、演唱会、面试等 图示：消费者对服饰消费的主要需求元素 图示：2018年服装购买人均年总花费（元）及未来购买预算增加的比例（%）数据来源：腾讯数据实验室，36氪研究院整理 消费人群年轻化、需求个性化等新的市场趋势 正在推动服装行业进行升级与转型 在中国居民消费水平改善、消费结构升级、消费观念转变的大背景下，服装 的功能也由基础性的“蔽体”转向附加性的“装饰”，消费者对于服装非核 心功能的需求日益增加。2,651 4,003 4,267 42RD5p后00后 4,340 90后80后 年总花费均值会增加购衣预算 18 面对复杂多变的国际形势和国内供给侧改革压力，特别是疫情期间宏观经济 增速放缓的市场环境，服装行业面临诸多风险和不确定性因素。近两年以来，我国服装行业整体营收呈下降趋势，行业面临调整与洗牌。具体而言，存货周转率下降和线上电商对线下销售渠道的挤压成为当前我国 服装行业所面临的两大痛点问题。存货周转率下降。库存问题是长期困扰服装行业的核心痛点。服装制造商往 往无法准确预估市场消费能力和个体购买偏好，导致供过于求，大部分服装 难逃“打折”结局。由此一来，追求性价比的消费者常将购买需求堆积到换 季打折季或各大购物节，服装生产商平日的存货周转率持续下降，进而导致 企业现金流受阻，形成恶性循环，成为企业可持续发展的一大障碍。线上电商冲击。根据中国产业信息网数据，2019年，76.9%消费者选择线上 购物，是线下实体店顾客的3倍，电商正在深刻改变着人们的消费习惯。后 疫情时代，线上电商将进一步挤压线下服装行业销售渠道。开拓线上电商销 售渠道，平衡线上渠道与线下商铺的合理布局，打造线上线下一体化的闭环 销售体系，利用人工智能、数据中台等新技术和新理念赋能自身精细化运营，针对消费者个性化需求进行精准营销，成为各大服装品牌的共同选择。2.1 中国服装行业发展现状 17 图示：2015-2019我国规模以上服装企业主营业务收入(万元/人民币）数据来源：国家统计局，36氪研究院整理 营收增速放缓、库存周转率下降、线上电商冲 击构成中国服装行业亟待解决的痛点 22,06823,60521,903 17,107 16,010 20192015201620172018 19 服装行业作为较早开始进行数字化转型的行业之一，已经在服装设计与生 产、客户关系管理、营销渠道拓展等方面取得了初步的智能化进展。服装设计与生产。服装设计与生产能否有效且高效地响应市场需求，是决定 企业能否保持用户黏性、实现营收的关键。因此，服装企业积极探索设计与 生产环节的智能化，借助设计绘图软件和自动化生产工艺流程，突破手工设 计与生产的限制，提高效率的同时也节约了人力成本。客户关系管理。本世纪初，部分嗅觉敏锐的服装企业已通过数字化系统实现 对客户关系的管理，而自2010年以来，数字化客户关系管理系统已在全行业 实现普遍应用。CRM与ERP系统的落地，使客户关系有序、自动化管理成为 可能，实现对消费信息的高效收集。营销渠道拓展。电商与物流行业的高速发展，为服装企业布局线上提供发展 沃土。除了在大型电商平台建立线上店铺外，服装企业还通过社群、直播等 各类成本较低的渠道获客，拓展过去只依赖于线下门店的单一渠道。尽管如此，数字化对服装企业的赋能效果并未完全得到释放。我国服装行业 的数字化转型虽然起步较早，但目前进程较缓，融合程度尚浅。一方面，通 过数字化管理工具，企业积累了海量消费数据，然而不同系统、不同渠道收 集的数据未能有效实现协同效能，数据烟囱的堆积，削弱数据反哺业务的能 力。另一方面，我国大部分服装企业重点聚焦于数字化工具的使用，而忽略 了企业组织基础对推进数字化战略的重要性。数字化不仅仅意味着创新技术 的应用，企业组织流程及人才管理均需要与数字化战略进行配合。服装企业 延续传统组织结构框架，延缓了数字化进程。未来，服装产业数字化有望朝纵深方向发展，实现从管理组织到全业务流程 的智能化。2.2 中国服装行业的数字化转型趋势 我国服装行业数字化转型起步较早但进程较缓，未来有望加速实现全域数字化落地 18 20 2.2 中国服装行业的数字化转型趋势 服装行业将实现职能支持、管理工具、渠道拓 展、战略决策的全链条数字化，提升运营效率 19 图示：服装企业全流程管理数字化 ERP系统WMS系统CAD软件 PaaS平台CRM系统订单管理 库存管理销售管理MKT管理 实体店数据 管理 电商数据 管理 社群、直播数 据管理 职能支持 管理工具 渠道拓展 战 略 决 策 未来服装企业的数字化是全管理流程的数智化。从职能支持到管理工具再到 前端营销渠道的拓展，都需要数字化工具的支持，基于各环节数据，制定企 业战略决策。随着人工智能、大数据、云计算等新技术、新理念的加速渗透，技术创新引 发服装行业模式变革，新旧动能加速转换，行业效率得以提升，服装行业正 在向智能化方向转型，由规模发展向质量提升跃变。21 2.2 中国服装行业的数字化转型趋势 数字化将驱动服装行业向设计智能化、生产自 动化及营销精准化方向进化 20 图示：服装行业的供应链数字化 设计智能化：数字化战略的落地转变了服装企业传统手绘设计方式，互联网、CAD软件作为成衣设计新载体，不仅将原本存在于平面图上的设计以立体、三维角度呈现，还解放了设计师双手，使服装设计、底稿修改等趋于高效化 和智能化。生产现代化：新技术的出现为服装生产提供了新思路。数字化与智能化工艺 与机械设备层出不穷，颠覆传统服装行业流水作业模式。特别是自动化机械 设备，一定程度上缓解了不断增加的劳动力成本而导致的企业现金流紧张问 题，同时也对生产作业流程进行优化。营销精准化：生产的最终目的是销售。数字化营销手段实现“千人千面”的 精准营销方式，巩固核心客户群体，吸引潜在消费者。根据营销计划与转化 效果相关数据，反向支持服装生产计划的优化，规避“库存”陷阱，进而提 高整个供应链的流畅性。立体图示 解放双手 设计智能化 自动化工艺 现代化设备 生产现代化 营销精准化 千人千面 客户分群 22 服装产业供应链主要包括生产与销售，涵盖服装设计、制造、库存、运输、销售各环节。现阶段我国服装产业面临的痛点之一在于产业链割裂，未形成 有效闭环，无法及时响应消费市场新需求。数据中台基于企业数据，串联产业链各环节，将前端生产与后端销售紧密结 合，重塑企业供应链。销售环节产生的数据在中台系统处理下及时传递至设 计与制造环节，通过智能数据分析，优化设计与制造方向，销售与生产闭环 逐渐形成，企业可及时匹配消费端需求，供应链的流畅性和时效性得以优化。产业链各环节中，数据中台对库存环节的赋能作用尤为明显。作为前端生产 与后端销售的中间地带，库存对服装企业具有较高价值。在以往“先生产后 销售”的模式下，企业通常无法准确预判需求数量，生产量大于需求量，导 致存货积压。而数据中台则可借助企业积累的海量数据，分析、预测需求总 量，“以需定产”，破解由库存积压导致的企业财务、管理难题。2.3 数据中台赋能服装行业的应用场景供应链改造 构建全域数据体系，打通服装供应链各环节，形成从生产到销售的闭环，快速响应市场需求 21 图示：数据中台对服装企业供应链优化 智变现 消费 数据体系 服装商品 数据体系 营销 数据体系 存货 数据体系 交易 数据体系 反哺 设计制造 库存运输销售 23 数据中台通过数据智能实现消费者洞察。基于购买频率与品牌认知两个维 度，区分不同消费者群体，针对细分客户特点，实现营销手段的差异化，使 营销真正转化落地、切实有效。在数据中台系统下，企业依据消费者细分群体消费特点，制定精准化、个性 化营销方案，实现针对不同客户类型的营销目标，拉新和促活双引擎助力企 业业务的快速增长。2.3 数据中台赋能服装行业的应用场景全域营销 数据中台以个性化精准和全域营销，实现消费 者拉新与促活 22 图示：服装企业客户群体矩阵 潜在 客户 兴趣 客户 忠诚 客户 优质 客户 提高品牌知名 度，加强拉新 提高渗透率，实现客户转化 提高复购率，增 加人均消费额 带动服装附件等 其他品类增长 认知程度 购 买 频 率 潜在客户 兴趣客户 忠诚客户 优质客户 0 图示：各细分客户群体的营销目标 24 服装消费呈多场景性，季节、场合、偏好等都会对消费者购买行为产生影 响。而在消费结构升级、Z世代崛起背景下，消费者在服装选择时，更多地 注入了个性、独立等情感诉求。需求端新变化决定了短周期、近市场的新品 孵化是新时代下服装企业制胜的法宝。数据中台业务与技术协同作战的高效 数据处理模式，使其从新品孵化周期与孵化质量两方面赋能服装企业。高质量的新品孵化。数据中台整合海量消费信息，对消费者实现全方位的精 准分析，基于现有消费行为，预判未来消费趋势，从而为新品孵化提供前进 方向。传统的服装孵化主要基于企业对消费者的感知性判断，缺乏大数据支 撑；而数据中台强化数据的驱动作用，推动服装企业在服饰类型、布料、潮 流元素、配色选择等多方面，贴近消费者真实诉求，更有效地响应市场，打 造“爆款产品”。短周期的新品孵化。服装市场瞬息万变，特别是快节奏生活下消费者对服装 企业推陈出新的速度提出了更高要求。数据中台实现消费数据的及时传输与 分析，缩短企业新品孵化周期，使新品更快触达消费者，从而助力企业占据 竞争优势。2.3 数据中台赋能服装行业的应用场景新品孵化 数据中台能够贴近市场需求，缩短孵化周期，实现新品孵化的有效性与高效性 23 图示：数据中台赋能新品孵化良性循环 数据 中台 新品孵化 高质量 新品孵化 短周期 赋能 赋能 精准触达 积累更多消费数据 更精确赋能新品孵化 25 数据中台对服装企业门店管理的赋能涵盖两大场景：新店智能选址与对现有 门店的数字化管理。智能选址。数据中台具备强大的数据分析能力，可以对商圈周边客群、竞品 门店进行全方位分析，基于品牌及目标客户群定位，为新店地址选择提供最 优方案，以获取最大的潜在客源，实现营收最大化。新店选址需要综合多个 维度与要素，在大数据还未普及的时代，选址通常基于所有者的经验与洞察 力，且试错成本较高。而数据中台使门店选址过程智能化，“让数据说话”，降低选址风险，从而在源头上降低了试错成本。门店全域数字化管理。数据中台整合门店销售、库存、消费行为、消费反馈 等数据，优化消费者门店体验、实现智能补货与组货，真正提高门店数字化 运营能力，进而带动推广获客、成交转化、消费者复购及分享裂变，赋能门 店效益。2.3 数据中台赋能服装行业的应用场景门店管理 数据中台可以优化新店选址，推动门店向智能 化与数字化方向创新升级 24 图示：数据中台赋能门店数字化、智能化管理 数据中台构建全面消费画 像，洞察客户需求，优化 导购流程、门店布置等，带动消费者门店体验升级 优化门店体验 依据门店销售数据与库 存现状，预测未来门店 消费趋势，实行智能铺 货与补货 智能补货 数据中台基于对门店核心 客群分析，助力门店实现 智能陈列与区域配置 智能组货 26 渠道拓展是困扰服装行业多年的痛点，渠道不通畅意味着企业获客效率不 高，现金流稳定性较差。长久以来，服装企业一直在探索高效的创新业务模 式。数据中台推动服装企业管理与运行朝数字化方向纵深发展，为传统线下 服装门店带来线上新机遇，为线上门店提供整合线上线下的高效路径。线上拓展。随着人们消费习惯逐渐向线上倾斜，加之新冠肺炎疫情下居家隔 离进一步驱动线上消费，传统服装门店转向线上已是大势所趋。数据中台借 助全域数据，洞察核心与优质客户人群，对其在线购物偏好各维度进行分 析，帮助企业探索诸如线上社群运营、轻店、直播等销售场景。以直播为 例，数据中台可实现直播间精准、定向推荐，提高客户转化率的同时大大降 低了运行成本。O2O至OAO的转变。对于同时布局线上、线下双渠道的服装企业而言，双 线路的数据并未实现有效融合，导致消费者增长闭环存在缺口。数据中台则 推动企业线上与线下数据有机结合，实现从O2O至OAO即Online and Offline的转变。透过全渠道数据，服装企业可了解到消费者的渠道偏好，借 助精准全域营销手段，实现单一渠道向多渠道销售的转化，提高用户对服装 品牌的黏性和复购率。2.3 数据中台赋能服装行业的应用场景渠道拓展 数据中台可以打通线上、线下全域渠道，拓展 多元销售场景，打造企业销售增长闭环 25 多渠道联动，探索销售新场景 消费人群精准触达，降本增效 图示：数据中台赋能并打通全渠道链路 线下门店线上路径 阿里云数据中台介绍 阿里云数据中台服装行业服务案例 数据中台典型案例分析03 26 28 阿里云数据中台经历了从内部实践到外部服务、从通用服务到行业垂直化服务的发展历程 27 3.1 阿里云数据中台介绍 阿里巴巴是数据中台的先行者和领路人。阿里集团内部业务领域广泛，业务 数据错综复杂，为打通各业务链条，规避数据孤岛影响，阿里于2012年率先 提出数据中台方法论，实现对数据的统一规范化管理。在阿里的定义中，数 据中台的核心价值在于围绕数据在不同业务场景下的应用与赋能，“基于数 据，直面业务”是数据中台区别于数据库、数据仓库、数据湖等概念的根本。从集团内部实践到对外客户服务，阿里持续完善数据中台理念与内容，实现 企业数据与业务的紧密衔接，从组织管理、业务流程、人才等各方面全方位 助推企业数智化转型。2019年以来，除了为企业用户提供通用性的数据中台 解决方案之外，阿里云也针对金融、零售、政务、互联网企业提供具有行业 特色的数据中台解决方案，从通用服务走向行业垂直化服务。零售金融政务 互联网 企业 阿里云四大行业数据中台解决方案 图示：阿里云数据中台发展历程 发布Quick Stock 智能货品运营平台，升级Quick Audience2.0全域 消费者运营平台，对外推出阿里云数 据中台生态合作伙 伴战略 2020年9月 阿里云数据中 台重大升级，产品矩阵“2 2”升级 发布，推出四 大行业解决方 案 2020年6月 智能数据构建 及管理平台 Dataphin开启 公测 2019年 阿里云数据中 台正式对外亮 相，为万千企 业提供数智化 赋能 2018年 全面启动阿里 巴巴集团中台 战略 2015年 29 阿里云数据中台具有产品化与场景化特征，Quick产品矩阵实现不同业务场景的数据应用 28 3.1 阿里云数据中台介绍 阿里云强调数据中台是方法论、组织与工具的结合，三者缺一不可：OneData方法论实现对海量数据的统一整合；数智化组织推动企业降本增效；工具即阿里云数据中台系列产品，旨在连通数据与业务，基于不同业务场景 实现数据对业务的赋能。阿里云数据中台以智能数据构建及管理平台Dataphin为基础，以“Quick 系列”工具为场景切入，推动企业内部方法论与组织管理流程的优化，陪伴 企业数智化转型各环节。“Quick系列”产品针对不同业务场景，提供个性 化数据处理能力，产品彼此之间可形成有机组合，以应对更为错综复杂的业 务问题。MaxComputeEMRHadoop 数据储存、计算 Dataphin 智能数据 构建与管理 Quick BI 数据分析及可视化 Quick A 全域行为洞察分析 Quick Stock 智能货品运营平台 业务场景 数据应用 图示：阿里云数据中台核心产品矩阵 Quick Audience 全域消费者运营平台 30 Dataphin作为阿里数据中台的基础件，主要具有数据资产的构建与管理功能，为Quick系列产品在不同场景下的应用提供针对性、个性化的数据基础。Dataphin提供数据引入、规范定义、数据建模开发、数据萃取、数据资产 管理、数据服务等全链路服务，是企业打造数据中台第一步所需的核心产品。Dataphin的高效运行离不开OneData方法论的指导。OneData框架下，Dataphin可集成全域数据，100%消除数据二义性，实现分钟级自动化代 码生产，进行360度全链路数据洞察和主题式服务，简化80%的查询与分析。Dataphin是阿里云数据中台的基础底座，承 担数据资产构建与管理功能 29 3.1 阿里云数据中台介绍