9月18日,在2020云栖大会技术主论坛上,阿里巴巴集团副总裁、数据技术及产品部总经理朋新宇重磅发布全新产品——智能货品运营平台Quick Stock。
Quick Stock旨在以数据为核心,通过更加精准和可配置的销量预测,以及仓储网络优化和调拨算法逻辑,帮助企业构建产销协同能力,实现高效的货品全生命周期运营。
从“货”出发 重构“人—货”关系
十年前,人们的购物行为大多限定在“场-货-人”的既定动线中:我们去一个门店或者商场,挑选中意的货品,最后将其买下。
随着包括互联网、智能设备在内的高新技术的深度发展,人们的购物行为正在发生极大改变:打开淘宝APP,在搜索框输入自己想要货品的关键词,然后在呈现出的列表中选出最合心意的那一个,完成付款。
不论是线上还是线下,“人—货—场”的商业逻辑正在被更广泛地接受。
其中,“人—货”的供需匹配,尤为零售行业所重视。
如何在洞察消费者需求的基础上,生产出消费者喜闻乐见的货品并通过合适的渠道进行触达,成为零售企业核心关注的问题之一。
作为智能货品运营平台,Quick Stock正在给出自己的解法。
Quick Stock 对货品的完整生命周期进行解构,从企业、生产、首铺、试销、补调、清尾6大环节切入,以数据算法为核心,针对性给予决策建议与风险规避。
以服装企业为例。过去,不少企业都会参照世界性时装秀来把握新一季的流行趋势,并以此来制定企业未来一段时间内的企划概念,这种“大锅饭式”的取材形式并不利于企业长线发展及在细分人群中的深钻,甚至往往因为多家企业衍生出的概念相似,而不得不陷入同质竞争的尴尬局面;另一方面,这一形式往往还会因为人为因素的过多干扰,而脱离了消费市场的真正诉求。
借助Quick Stock的算法能力,企业能够对货品进行单品级别和SKU组合级别的策略企划,甚至在选定新品款式和首铺数量的基础上,还能够提供品类结构调整和新品研发建议,从而帮助企业更好地进行预算管理和生产管理。
六大环节难题 逐项解决
朋新宇介绍说,Quick Stock是以货为中心,拥有线上线下全渠道的货品数据覆盖和强大的智能算法能力,能够为所有货品进行全方位多维度的打标,让企业更加清楚地知道货品的全貌。
记者了解到,除了为货品企划提供市场数据提供参考外,Quick Stock还将数据赋能贯穿货品整个生命周期。
在生产环节试销环节,Quick Stock能够通过算法对C端(消费者)和B端(经销商)的动态销量进行预测,为企业及时进行订单和排产优化提供产销协同建议,让企业及工厂能够根据市场需求科学生产货品,提升供给侧和需求侧的协同效率,保障企业生产资源的最大程度利用和优化;而当货品在被生产出来到进入市场之前,Quick Stock还能通过大数据实现对市场及不同渠道的预判,对线上渠道提供选品铺货建议,对线下渠道提供门店信息和货品组合建议。
当货品进入市场之后,Quick Stock将着重监测包括不同渠道、不同SKU成交、折扣等在内的多项动态信息,统筹整合,用直观明了的展现形式提供给企业决策部门,同时做好数据沉淀以便后期即时调用。
比如,服饰企业可以借助Quick Stock对货品的全方位分析洞察和算法优化能力,通过销售终端市场需求预测实现科学性追单,提高快反供应能力——当监测到线下某个门店需要补货时,企业可以通过Quick Stock自动从周围的大仓、门店集中调配,查找最合适的借调地点完成在满足整个区域市场供需基础上的快速货品调配,充分盘活企业的整体货品库存。
目前,这一套贯穿货品全生命周期的数据能力,可以复用在包括服饰、家清、快消、家店等众多覆盖线上线下不同零售渠道的行业。
值得注意的是,Quick Stock针对“尾货”还拥有一项“杀手锏”,通过充分联动Quick Audience和品牌数据银行,洞察不同渠道特性,Quick Stock能够帮助企业实现“货—人”的精准匹配,实现快速“清库存”。
而除了“货—人”匹配方面,Quick Stock还已经完成阿里巴巴数字经济体的全面链接,通过钉钉移动端,企业可以更快捷地随时随地掌控供应链核心指数;通过和网商银行的对接,企业的渠道商可以更便捷地获取金融信贷服务……
未来,Quick Stock还将不断接入更多业务,以“货”为中心持续叠加数据驱动服务,以智能货品运营平台的姿态,共同丰富、拓展阿里云数据中台核心产品矩阵能力,为更广泛的客户群体带去对货品的全生命周期智能管理服务。
本次云栖大会,阿里云数据中台还同时升级全域消费者运营平台Quick Audience2.0。至此,阿里云数据中台已形成了以“Dataphin”为基座,承载“Quick系列”的场景化核心产品矩阵,为企业输送数智化核心能力。
另外,阿里云数据中台还发布了19个针对场景化需求的解决方案、产品白皮书。朋新宇表示,未来阿里云数据中台还将不断繁衍更多场景化的产品,解决业务实际问题。
|
|
