元气森林从12个月到52周，365天的数据分析实战

近日，观远数据主办的「业务用起来 · 观远数据2022智能决策峰会暨产品发布会」云上直播圆满落幕。

峰会现场，元气森林首席运营官章肖洋分享了元气森林通过数据驱动，从12个月到52周、365天的数据分析实战。他表示，“正因为观远数据对于过程的透明展示，才使得从简单评价优劣的沟通，转变为了运营人员主动调整策略系统里的某一条策略，进一步优化决策的细节。”

观远数据

以下为章肖洋演讲全文

大家好，我是来自元气森林的章肖洋，今天和大家分享的主题是《数据驱动的元气森林从12个月到52周，365天的数据分析实战》。

首先请允许我简单介绍元气森林。元气森林是一家致力于为美好生活创造健康好产品的中国食品饮料企业。公司成立于2016年，以“整合全球资源为全球用户创造有爱的好产品”为企业愿景，先后荣获国家高新技术企业的称号。目前，旗下拥有元气森林气泡水、燃茶、纤茶、外星人电解质水等系列产品，现有五座工厂已经投产，分布在华北、华东、华南、华中和西南。从拒绝添加防腐剂，到升级污水、固废排放标准，再到充分利用可再生能源、全面打造创新型绿色工厂，元气森林用自己的实践助力健康、环境和气候可持续。

下面介绍今天分享的主题，将会从三个方面做简单分享，也感谢观远数据对我们的帮助：

数据对决策的影响；决策过程的正向循环；策略执行的自动化。这三个部分分别对应12个月、52周、365天的不同数据驱动感受。

数据对决策的影响

关于数据对决策的影响，在决策的过程中，普遍追求的结果是Act最优，也就是结果的最优。通常会用预算的数据作为方向的指导，定期复盘两者间的差异，这是一个中长期的对照。而周期间的偏差分析还需要LE的辅助进行调整。LE在元气森林内部称为实际预估，对应单词是Last Estimate，直译为“最近的预测”。LE作为执行结果Act的动态预估，一方面是更早地发现执行差异，一方面是提供周期内调整的机会。

这是元气森林引入观远数据作为数据分析工具时最开始做的工作，将原本分散在各处的数据分析工作，在底层的数仓和表现层里做了集中。

这个过程中，我们发现这种以月为周期的中长期调整对于我们这样市场建设时间不够长，供应链建设时间更短的企业，频次是不够的。

决策过程的正向循环

在第二个阶段，我们开始学习建立如何在更多的决策中使用数据，为决策过程建立正向的循环。以供应链为例，这种以周为节奏的策略分析与调整，是使数据影响力变大的一个很好途径。

首先公司各个部门从底层都知道全链路最优是追求的结果，也是做策略调整的初心。

其次部门间对于服务能力的预期、服务结果的评价、需求的预估，这些都是互相影响的。

虽然出发点都是效率和产出的最优，但是受限于部门视角的宽度，对于部门间策略的差异做出决策，要结合更多的信息进行综合评估。

大的评估原则基本遵循全链路最优。针对不同的策略，评估出全链路成本的差异，需要多角色协作。这种协同工作基本围绕S&OP规范流程进行。

在实践中针对不同重点进行全链路效益评估。对各部门协同工作而言，以周为维度进行，已经是能够接受的较高的频率了。所以在传统的协作模式下，日常调整和反应周期想要提升，那么这种协同决策的方式还需要进一步的提高效率。数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效。

策略执行的自动化

第三个阶段，也就是策略执行的自动化。在这个阶段，我们开展了一些策略执行的自动化项目，将决策的周期提高到了日维度。

针对多因素的协作决策，需要考虑很多上下关联的执行数据和计划数据，例如ATL和BTL的投放的策略、渠道的计划、市场的变动、生产能力的弹性以及供应商的变动，还有社会环境的变动。

在单纯依靠S&OP的多轮协商，靠人来提高频率，已经明显感觉到上限的情况下，我们在观远数据的帮助下，通过提炼服务能力的边界、市场目标和市场变动的关系、供应链的反应指标策略等，将原来在S&OP机制下综合研判的逻辑逐步自动化，达到日维度内一定范围的自动决策，缓解了原有机制下复杂度和敏捷度之间的一定矛盾。

观远数据帮助我们在这个过程中透明地向运营人员展示了既定策略，在结合数据之后，改变执行计划的中间步骤，做到能让运营人员能够看得懂。因为哪些策略带来了实际执行计划与周期原定计划的差异，能够放心地执行计划的变动部分。同时一些反常识的调整结果，也能够清晰的知道是由哪条策略或者上下线设置的不合理造成，能够具体地调整。

在这之前，我们也上线过一些数据决策项目，但相对观远而言，对于非技术人员的表现不够清晰、不够具体，所以经常出现一种笼统的、简单的评价。自动化决策的结果与人为决策结果孰优孰劣。

正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为了运营人员主动调整策略系统里的某一条策略，进一步优化决策的细节。这使得一些自动化决策的项目有了运营人员和技术人员共同提高决策结果的好氛围，同时也避免了一步到位的高投入和高风险。

最后，再一次感谢苏总（观远数据创始人兼CEO苏春园）和观远的团队，能够为我们提供这样高效率和低成本的数据分析平台，让我们在行业中学习进步的途中，多了一个适合的服务商，也多了一位能够依靠的帮手。谢谢大家。