所有的产业都值得重做一遍。
创业黑马牛文文的这句话曾一度成为企业转型和初创期的万能套话。在我们看来，所有新零售的巨头与有潜力的新兴品牌，都值得用数字化重做一遍。
在分析品牌数字化之前，我们先从一条爆款牛仔裤说起。
今年6月，卡宾服饰的一位运营人员在钉钉上，意外发现一条新款蓝白复古男牛仔裤的销售曲线非常好。但这款牛仔裤在上市之前并未进行过多备货，库存不多，即将售罄。
「启动商品加推流程！」看到这一市场变化，一个涉及整个供应链的商品加推流程被紧急发起。
运营人员根据销售曲线预测出追单数量，向供应团队发出追单指令，开放产品工艺包权限。面料供应商根据面料需求进行备料出库，成衣供应商通过钉钉下载工艺包进行生产排期。
7天后，新生产的7000条牛仔裤陆续摆上了卡宾在全国700多家动销门店货架。
最终，这款牛仔裤卖成了爆款，全网销量达到1.5万件。对于卡宾服饰这样一个自主设计品牌来说，这已经是很高的单款销量。
疫情给今年的服装行业带来了不小的冲击。耐克裁员、zara巨亏、欧美老牌服企破产等新闻不绝于耳。今年上半年，中国服装行业规模以上企业利润总额同比下降接近30%，营业总额下降接近17%。
1
当服装行业遇到“成长的烦恼”
一个有意思的现象是，尽管业务放缓，但中国服装企业在近3到5年来纷纷加大了技术投入。这可以说是对业务的焦虑，也可以说是遇到了成长的烦恼。
据前瞻产业研究院《2018-2023年中国服饰零售信息化分析报告》发布的数据显示，2012年，全国服装企业整体信息化投入规模约为9.78亿元；而到了2017年，这一数字增长到了14.56亿元。
从2019年开始，服装行业增长就进入了下降通道，更不要提2020年传统服装行业以门店作为销售渠道，疫情期间企业的消费终端呈现断崖式下跌，业务全部处于停滞状态。
技术投入走高与业务增长放缓的逻辑非常简单：以往「广告一响，黄金万两」的粗放性增长时代已经过去，企业迫切需要通过数字化技术对业务赋能进行精细化经营。
而疫情的冲击，进一步放大了服装行业在数字化方面的痛点。
此前基于PC开发的ERP、CRM、OA等信息系统，都是为了解决企业内部流程问题而打造的。
它们不能获取实时数据，数据孤岛问题严重，不能与产业链上下游企业实现系统打通。这种笨重的信息化系统显然不能适应如今移动互联网时代的业务需求。
“我们需要能够获取尽可能高时效性的业务数据，在发现到市场变化趋势时，快速进行公司内部与产业链上下游服务商的协同，协调各方资源响应市场营销决策。”卡宾服饰CIO陈培兰说。
陈培兰2019年6月入职卡宾，最主要的任务是主导卡宾从信息化到数字化的升级。与卡宾一样，很多服装行业头部企业在近几年都在加大自身的数字化投入。
在她看来，服装企业需要数字化的最核心诉求就是：及时洞察市场需求变化，快速协调业务与供应链调整，最大程度提高企业经营效率。
从这点来看，全链路数据驱动以及整体产业链上下游的数字化协同，就成了解决问题的关键所在。
2
重做数据中台，分析时效24倍提升
那么究竟品牌商要如何进行全链路数据驱动和产业协同？其实本文开头卡宾服饰的案例就已经给了我们一些参考。
先说数据驱动。
卡宾的底层数据能力是基于自研的CBDI数据中台来进行支撑，主要进行数仓治理、数据分析、数据服务和场景算法等工作。
卡宾将过去BW、BI等数据系统全部废掉，重新打造了一套完整的数据中台。
它将卡宾人货场相关的300多个标签、1000多个指标数据都汇总沉淀到数据中台的数据湖中，进而进行数据的整理萃取、提炼等，并通过数据服务将处理后的数据推送给包括智能数据助理、Quick BI等应用。
例如很多品牌商都注重的消费者洞察。卡宾目前的做法是：
在上线一款新品之前，通过官方商城进行预售，记录有多少会员对该产品感兴趣（浏览记录、是否加入购物车、是否购买等），并借助数据中台洞察模型的构建，预测该产品的未来销量，爆款评估等。
以前，卡宾对爆款的追踪不够直观，指标综合性不够，评估比较片面。
而数据中台的数据处理能够实现秒级响应，并对每个爆款追踪增加了包括周期、动销、铺货、售罄等22个指标，综合性直观呈现，畅销爆款的评估指标更加准确全面。
爆款销量预测直接牵扯到品牌商的库存和资金链，而这两点是服装品牌商的命脉。
通常来说，服装品牌商每卖出1件商品，生产端就要准备2.5~3件商品进行库存周转，并且从下单生产到销售还需要1~3个月的周期。
所以如果一旦对产品销量产生误判，极容易产生大量库存积压（或爆款来不及补货）导致资金链问题。最典型的案例要数曾经红极一时的凡客诚品，就是倒在了库存问题上。
为了减少库存压力，像卡宾等大部分服装品牌商，现在都采用了柔性供应链的期货订单模式。
根据预售和销量预测结果进行订单追加或降低库存。比如首批订单只做5000件，如果发现预售时有3000件被预订，那么卡宾就会执行追单机制。
这里还有一个关键问题，就是品牌方需要了解供应商方在该产品的生产数据。这就需要公司内部与外部产业链的快速协同。经过深度评估，最终卡宾在协同工具上选择了钉钉。
比如一件衣服需要1米的拉链，但一家材料商只有500米，那么它的最大产量就是500件。
通过钉钉，我们会看到每个材料商当前的备料数，并且与我们销量预测所需的产品数进行匹配，并通过钉钉告诉工厂让他们快速响应。
如果预测一定要生产5000件，但产能最多只有500件的话，我们就会要求材料商加紧备货，快速响应我们未来销售。陈培兰介绍。
从销量预测不难看出卡宾服饰以数据驱动业务指导生产销售这一核心思路。据悉，卡宾的数据中台让业务数据分析时效提高了24倍（从之前的4小时减至现在的5-10分钟）。
而且，业务方可以直接在数据中台自助提取数据，再也没有业务方提出二次开发数据报表的需求。
3
百家供应商钉钉在线，供应链协同周期缩短20%
从2020年2月份开始，卡宾服饰全公司4000多人全部使用钉钉。
通过钉钉实现视频会议、在线文档、周报、汇报，签到等办公协同，并在钉钉之上打造了集成企业私有云盘来进行企业知识库的沉淀，以及在钉钉上通过云课堂的方式对员工进行培训和管理规范。
例如私域流量管理：卡宾全国大约有1000多个社群，共有大约40多万的社群用户。这种体量的用户运营，每个动作都是牵一发而动全身。
所以卡宾的社群管理一定要标准化，就是通过钉钉圈子进行社群管理规范制定，再转移到微信社群进行管理。
全员接入钉钉，让卡宾真正意义上实现了组织在线、协同在线、流程在线。
通过钉钉，卡宾管理团队对企业的把控实现了「事前-事中-事后」的全方面管理，并及时了解整个公司的业务状况、工单反馈情况等。
「我们会及时监看各个系统平台的运转情况。如果哪个服务器宕机服务响应超过2分钟，钉钉就会推送消息，我们就会及时进行运维处理。」陈培兰表示。
除内部管理之外，卡宾还基于CBBP业务中台能力，通过钉钉实现外部供应商的协同在线。
卡宾的业务中台依托阿里云底层架构，以钉钉做为协同平台，构建会员、订单、营销、内容、用户、渠道、商品、设计、库存九大中心，重塑整个业务链流程。
以商品中心为例，卡宾以前向各成衣供应商分发工艺包，需要人工进行手动「打包」，再通过电子邮件进行发送。
而现在的工艺包，则可通过业务中台自动生成。供应商使用钉钉可以直接下载工艺包，这样就节省了信息沟通、流程、传递的时间和人力成本。
供应商的协同，其实远比我们想象的要复杂，它不只是在钉钉上「发个信息」这么简单，背后牵扯到各个系统接口对接、数据查看权限、商品状态、报价反馈等等。
比如供应商登陆钉钉之后，卡宾就可以把业务中台里的供应商档案与供应商ID进行关联，并设置其数据查看权限等相关功能。
在接到订单时，供应商就可以查看商品状态、下载工艺包、做报价等动作。每个供应商在钉钉上，可以看到的供应商模式所包含的功能都不一样。
「千人千面，守土有责，顺畅协同」，一条数字化供应链就这样环环相扣的连接起来。
据悉，目前卡宾近百家供应商，都通过钉钉与卡宾进行产销协同，沟通每件成衣的生产工艺、手法、尺寸、报价，整个供应链协同周期比之前至少缩短了20%，加快了商品的产供效率。
4
未来几年，所有零售、品牌都值得用数字化重做一遍
通过在线化的实时数据洞察消费者需求，借助钉钉打通产业链上下游供应商快速协同，快速执行营销策略调整，是卡宾数字营销的有效方法论。
其实很多服装品牌，都会在洞察消费者特定需求的同时，结合单品特点，配合直播带货、网红种草等多种营销方式快速提高GMV，这是服装和零售行业最普遍的爆款套路。
比如迪兰多内衣，其创始人创始人江华曾在疫情期间直播带货，单品销量估算约2000件；再如红蜻蜓皮鞋，曾在年初直播时进入巅峰服饰频道实时热度前三，销量同比增长114%。
可如果要想进一步提升公司业务规模，过去最突出的单点突破竞争力可能就不够了。
粗放的发展方式，在市场整体快速上升的红利期时不会出现太大问题。可一旦进入到存量争夺的红海阶段，大家比拼的就是如何依靠数字化技术进行精细化经营的「内功」。
当然，每个服装品牌所处的阶段和面临的问题都不尽相同，各个业务板块的数字化建设深度和完备性也不一样。有些品牌可能侧重供应链协同，有些则可能侧重市场营销。
但无论如何，从消费者需求出发，建立全链路数据洞察与业务协同，实现全面数字化运营，都是服装品牌未来脱颖而出的关键。
技术的公平之处在于，它对于所有品牌商来说，就像登上舞台的「入场券」：
无论是需要打开市场缺口的新锐品牌，还是需要推陈出新的巨头品牌，谁更好让数字化技术和工具赋能自身业务，谁就有机会站在舞台中央，被更多消费者看到。
而且在我们看来，未来几年内，数字化对所有零售、品牌都势在必行。谁能更快、更准确的去发现市场的增长机会，快速迭代，全体系高效协同，谁才能走得更远。
注：文/李栗，文章来源：浪潮新消费(公众号ID：lcxinxiaofei)，本文为作者独立观点，不代表亿邦动力网立场。
文章来源：浪潮新消费
