2020年注定是载入史册的一年，逆境之下，新一代消费心理和营销模式正发生巨变，零售企业“人货场”格局自此面临重塑，数字化转型再次被推上促增长的拐点。不确定性已经成为常态，精细运营、快速反应，让决策更智能，将成为未来十年的确定性。
10月23日，2020观远数据智能决策峰会暨产品发布会在上海举行，本次峰会由国内零售智能分析领域的领先企业观远数据主办。此次峰会汇集了500+来自连锁零售、快消品牌、购物中心、新经济消费等各个领域中有代表性的企业高层，释放前沿观点，解读疫后企业数字化转型方法，共同探索通往数据智能的新路径。
百威数据分析经理周雨潇带来了《数据分析如何赋能企业业务增长》的主题演讲。
百威数据分析经理周雨潇
以下为周雨潇演讲摘要：
百威在全国有20多家工厂和十几家配送中心，要实现对这么多实体的管控，主要依靠百威位于厦门的集中化中后台支持部门BSC，通过参考数据分析的结果，以此实现对实体的远程管理。我们依靠数据分析实现集中化管理，为企业提升效率和节约成本；同时，也为总部管理层提供了对运作情况的可视化展示方式，为他们提供更多决策依据。
百威数据化进程主要分为三部分：一是搭建多系统数据中台，二是通过数据分析看板提升运作绩效，三是培育“人人都是数据分析师 ”的知识共享社区。
首先，搭建多系统数据中台，指百威把包括仓储、运输计划、销售在内的系统数据，都放在观远数据一站式智能分析平台集进行多维分析和展示。
这与百威提出过的一则未来物流宣言不谋而合，百威希望能完成可推广的数字化转型和自动化实施，并在2022年前实现端到端的供应链物流协同运作，其中包含智慧仓储，协同运输，综合计划，以客户为中心四部分。
智慧仓储，指百威正进行新型客制化WMS系统的上线工作，以此在仓储运作层面实现效率化、规范化和流程化；
协同运输也是我们的自研系统，名为追鹰（track and trace），能够实现入厂-厂内周转-出厂-E-POD全流程的监控与调度，并将最细粒度的数据储存至数据库，极大幅度提升了运作效率，为运输数据分析打下非常好的基础；
综合计划部分，是我们通过销售需求预测驱动业务经营，有序进行生产、物料、包装和发运等计划的综合安排，同时，还可根据各项因素变化进行灵活调整；
最后，以客户为中心，意为百威希望提高面向终端消费者的服务水平，保证成品酒能够OTIF地送到消费者手中，进而培养用户的品牌忠诚度，携手酿造更美好的世界。
在从数据分析看板到运作绩效提升层面，我们希望在端到端的供应链物流协同运作中，数据分析能成为日常经营中的必要工作。
因此，在进行对数据分析推动运作绩效提升的设计时，我们充分借鉴了观远数据从敏捷分析到智能决策的5A落地方法论路径，按照实际业务状况，我们将前两阶段调整为系统聚合（aggregation）和基础分析（analysis），现在百威基本已实现第三阶段，能做到自动化预警，后续我们期望能做到第四步，为业务提供一些具备可行动化的智能行动计划。
可操作化也是百威目前正在努力的方向，我们将在BSC建立Command Center 运作中心，将数据分析转化为可实实在在提升效率和节约成本的行动。
接下来，我为大家简单介绍一下我们从去年到现在一直在做的数据中台，目前也取得了不错的成绩。目前，数据中台已基本打通物流部门全系统数据，并实现本地数据仓库的储存。
之前做数据中台时，我们和外国供应商的沟通成本比较大，积累了不少经验和教训。现在，通过观远数据一站式智能分析平台，百威能够进行跨维度、多层次的数据分析，并对企业级的数据量进行统一管理和数据预处理，大幅度降低了普通分析师的使用复杂度。目前百威也在试用观远数据的高能数据引擎功能，希望能够使实时分析和运作监控成为可能。
数据中台的意义在于可以整合内部数据，让所有数据做到同源同时，one dw one time one source。普通数据集至少最低频率日内四次，而目前百威直连数据集可实现分钟级的高频实时更新。
在实时分析基础上，我们还做了很多深层次的溯因分析，比如对WPS单车运输吨位的分析性回顾，对WPS公式进行拆分，拆成每一托有多少吨，和每一车有多少托，然后针对拆出来的每一层再进一步细分，直到找到最根本的提升机会点，而后采取有的放矢的改善计划行动。
销量预测是面向分工厂和分销区的销量预测，是一个4-5个月更新，第三个总部运输定一个根据月预算。
同一承运商在不同地方之间的缺口有正有负，这时就会需要重新安排运力，多调几辆车。目前百威的数据分析目标不在于追求方式方法有多复杂，有多高级，相反我们更愿意采取一些比较简单直接的分析维度，用底层运作人员也能够理解的方式直接反馈，并以此提升业务绩效。
最后，对于大型企业来说，实现数字化的最佳策略是培养内部成员的分析能力（in house analysis capabilities），让“人人都是数据分析师”。如果一个数据分析师不做物流或运输，大概率不知道业务关注点是什么，这时就需要花大量时间和精力去和业务部门反复沟通需求，还不一定能理解得特别准确，而后分析工作可能会进行反复修改和调整。所以如果数据分析师完全不接触和了解业务，是无法知道哪种分析方式能提供更多洞察力和价值。
面对这种状况，我们目前培育了一个规模相对庞大的分析师社区，并将分析师划分为两类：一是位于职能部门内部的普通分析师，可根据灵活的需求开发看板或提供数据分析，依赖于一两个特定系统的数据；二是作为跨职能专家角色的核心分析师，在轻项目的基础上开发看板或提供数据分析，将需求排期交付，可以访问多个系统的全维度数据。
在权限控制层面，我们在控制塔平台内建立了详细的ETL、数据集、看板权限申请和使用流程，确保企业数据安全，避免数据被混乱存放、访问或处理。
同时，我们还会运用BI平台进行企业内部知识的转移：在横向维度，我们将源文件以一个公共的ETL形式输出，便于不同部门员工访问及使用；在纵向维度，从上至下的信息沟通，保证各级别员工使用的是同一数据集，同源同时。
最后，我们会定期组织观远数据的顾问或核心分析师提供例行培训和分享会，提供ETL及仪表板开发的正、负面使用案例，提升开发质量；介绍抽取到数据池中的新数据集，提供数据字典；针对手头的分析项目进行沟通，避免重复或零碎化开发。
