在伊利 看见中国数智化的最佳样本

　　在伊利对外展现的不断进化的产品底层，这家国民乳制品企业已经建立起了精密、庞大的以数据中台为底层的数智化模型，真正做到了“以数据为业务导向”。

　　如今，这不仅是伊利的故事，更是中国一众大型供应链企业的新故事。

　　作者|皮爷

　　出品|产业家

　　一瓶牛奶的营销活动应该怎么做——是传播产品定位，强打奶品品牌，还是价格战?

　　对伊利而言，这些仅为众多考量因素中的冰山一角。“之前我们面向消费者的规则和标签可能是6—8个，现在是60—80个，未来甚至我们有可能会做到1000个。”伊利数字科技中心总经理尚直虎告诉我们。

　　这种足够细颗粒度的洞察，体现到终端是伊利对不同消费者人群的精细化需求满足，基于数据对前端的产品和市场行为进行更为科学化的营销“排兵布阵”。

　　这是“数智伊利”的一个缩影。

　　对于伊利，外界的认知有所不同。对消费者而言，人们熟悉且惊叹的是伊利的不断破圈，比如在过去的多年时间里，包括金典、安慕希、金领冠等一个个伊利系明星品牌的崛起，再比如最近邀请陈鲁豫作为伊利巴黎观赛大使等等，这些都逐渐成为伊利这家国民乳制品企业在市场上的新符号。

　　但对于数字化领域的从业者，他们更直接感受到的则是伊利创新背后的数据支撑与AI含量。

　　对伊利等一众中国企业而言，其数智化挑战相较中小企业和新兴企业难度要大的多，从供应链的复杂性到企业内部流程的优化，针对如乳业此类具有独特行业特性的领域，都是一座座大山。

　　这也导致了一个普遍情况：即在过去的多年时间里，对这些大型供应链企业而言，数据体系建设、业务升级改造等数智化工程进展缓慢。

　　但伊利是个个例。在伊利对外展现的不断进化的产品底层，如今这家国民乳制品企业已经建立起了精密、庞大的以数据中台为底层的数智化模型，真正做到了“以数据为业务导向”。

　　它做对了什么?又或者说，如果从乳制品这样一个极具产业特色的方向出发，伊利基于数据的数智化建设体系对一众传统赛道企业，乃至当下千行百业里的其它供应链企业能有哪些启发?

　　这不仅是伊利的故事，更是中国一众大型供应链企业的新故事。

　　一、“一个数据的新起点”：

　　从数据中台做起

　　“我们是在2022年接到的邀请，伊利邀请瓴羊一起来合作建设数据中台。”瓴羊智能科技(下称瓴羊)相关负责人告诉产业家。这是伊利内部在过去两年势在必得的首个数智化战略要地：数据中台体系。

　　从企业数智化转型的视角来看，数据一直被称为“金矿”，即只有在数据层面有精细化的体系，对应到产品和业务侧，才能真正做到科学指导，进而驱动前端业务升级。

　　这并不是一件容易的事情。以阿里巴巴和瓴羊为例，互联网企业引进数据中台通常较早，由于大部分的互联网企业数据本身就建在云端，数据的整理和存储通常都较为清晰，进行数据中台的建设顺理成章。

　　但伊利则不然。首先从供应链看，乳制品对应的产业供应链几乎可以称之为最复杂的供应链之一，其上游可以延伸到最小单元的奶农、牧场，下游对应到消费者端的门店、经销商、渠道商、线上商城等等，中间更是涉及到一系列包括研发生产、线上工厂、生产线精益管理等等环节。

　　因此，数据中台的建设难度非常高。

　　“比如像内部的烟囱林立，再比如我们一直没有沉淀高质量的数据，最重要的是最早伊利缺乏这方面的人才建设，这些都是难题。”尚直虎表示。

　　伊利代表着中国一批走在数字化建设前沿的传统供应链企业，在过去多年时间里，这些企业已经引入了包括MES、ERP、财务以及底层的数据仓库、中间件等很多数字化建设体系。

　　但在数智化阶段，这些固有的IT投入往往也带来一些新问题。比如数据分散不统一、零散散布在各个部门，又比如传统IT系统、传统数仓缺乏对数据的精细化沉淀和整理。

　　以及还有新的问题，例如供应链两端(上游材料端和下游消费者端)数据收集不完备，以及在各个供应链节点和业务系统中数据标准不一致等等。这些新老问题，都是伊利数智化路上的阻碍。

　　这也是伊利找到瓴羊的核心原因。即尽管瓴羊本身在乳制品供应链侧不具备相应的产业能力，但其基于数据体系的治理和建立有丰富的实践，双方可以一起“做加法”。

　　双方的合作一拍即合。“差不多是4月份开始，我们开始一起协同做集团数据中台，包括数据采集、清洗、加工、结构化等等。”瓴羊项目负责人告诉我们。

　　其中最难的点在于数据清洗和数据标准的对齐。“在海量数据中，哪些数据是有价值的，我们需要‘挑选’出来;此外，这些数据到底有没有价值，它背后对应的标签和维度是什么，在不同的场景里它的表达和价值是不一样的，这些我们也需要和业务线一个个对。”

　　而对伊利而言，随着瓴羊的合作展开，传统乳业的思维和互联网思维开始不断发生碰撞磨合，对数据驱动业务价值的感知也日渐清晰。

　　二、从数据到业务：

　　“会员+供应链+人才”

　　如果说从0到1的数据中台建设验证的是数据对于伊利的价值，那么接下来伊利需要做的另外一件事情是，从1到99的业务价值释放。

　　对于这点，尚直虎有自己的理解。“相较于数据本身，我们其实更强调通过数据来消费者创造价值。比如我们从整个产业链的过程当中，利用数据和技术来升级我们的产品品质;再比如，我们利用数据和算法生成不同的配方，去满足消费者的口味需求;以及我们可以利用数据和技术，更好地将产品送到我们消费者手上等等。”

　　“我们主要帮助伊利做的是跨端数据的收集、整理，完成后可以做到定向圈层、定向人群的精准投放，而这也是瓴羊基于长期以来在零售和电商行业的积累，融合阿里20年以上的会员运营经验沉淀得来的方法论。”瓴羊项目负责人告诉我们。

　　具体来看，瓴羊通过对伊利全域会员进行分层人群标签和定位，将其会员拆解成高达60到80种不同的消费人群，真正做到了极致个性化的“微”营销。

　　除却数据驱动型市场营销策略的有效性得到证实外，数据驱动的力量也逐渐渗透到伊利其他业务板块。比如伊利人力数字化、供应链金融的体系建设。

　　在人力数字化方向，基于数据中台，伊利实现了对人才供应链全链路数据收集、清洗、结构化，通过梳理出人才标签与人才画像，可以更高效地辅助业务选人用人、人岗适配，进而建设完备的人才体系。

　　而后者则是传统的供应链金融方向，在数据中台的加持下，整合产业链上下游相关信息，打造数字化乳业产业链金融体系，伊利可以更有的放矢地提供给全链路合作伙伴必要的支持，如奶农、牧场和供应商等，保证伊利可以在风险基准线之上最大程度地使用好供应链金融的能力。

　　还不仅于此。在这些方向之外，一系列具体业务侧的需求和驱动也被伊利和瓴羊加速改造了。以最核心的供应链方向为例，基于数据中台的底层模型，伊利在供应链上下游(原材料、渠道商、消费者等)协同、库存管理等“一盘货”的方向进行了更进一步的优化升级，供应链效率再度提升。

　　但如果把视角往回拉，这是一个知易行难且漫长的建设过程。

　　首先，对于各个业务场景而言，如果需要数据加持，其底层必须具备充分且准确的数据样本。比如前文提到的营销活动，其不仅需要消费者侧的数据，也更需要供应链侧的数据体系。

　　比如供应链金融，其对数据的要求在保证兼备供应链细分节点和金融资产属性的前提下，还需要把控风险和安全模型。以及在供应链“一盘货”的方向，在数据中台的体系里，企业必须加输入足够精细化、标签化的不同环节数据，比如库存、供应商能力、原材料价格等等，才能真正做好供应链智能管控。

　　同样再比如伊利建设的数字孪生工厂，其对应的数据工程更为庞大，在供应链本身的数据外，更需要和环境、业务流程、人员排布等数据维度相结合，最终通过元宇宙、VR等新技术进行前端展现。

　　在数智化转型的进程之中，伊利的各业务领域表面焕新，得益于数据引领的持续迭代，而隐匿于这一进程深处的，则是一系列复杂且动态发展的数据供应链。其中涵盖的数据净化、数据处理、乃至数据结构化的精密作业，无时不刻不在加速推进，构筑起支撑业务蓬勃之下的坚固基石。

　　三、释放数据金矿的“伊利方法论”

　　实际上，在过去几年时间里，伊利在数智化方向的建设一直处于“出圈”状态。

　　2023年，伊利推出了业内首款GPT应用产品——YILI-GPT，率先将AIGC技术应用于乳业领域;此后，全球乳业首个超写实数字人“金婰”诞生，与此同时，前文所提到的行业首个元宇宙数字孪生工厂也被伊利放到台前，让消费者“零距离”见证伊利液态奶生产全过程。

　　这些在AI侧、产品侧、业务侧的不断进化，背后提供支撑的是愈发完备的数据中台体系。

　　这也恰是瓴羊等DaaS服务商带来的价值。“作为一家实体的企业，我们深知互联网企业在数字化一块有更加丰富的经验实践，所以其实一直很期待像瓴羊这样的合作伙伴，能持续在数据驱动业务以及大模型方向，给到我们更多启发。”尚直虎表示。

　　一个客观的表达是，伴随着数据价值释放方式的进化，瓴羊等企业已然不再是一个“铲子”的角色，更像一个“点石成金的矿工”，帮助企业梳理、建立具备真实商业价值的数据体系。

　　瓴羊以其综合性的产品矩阵，全面覆盖数据工程生命周期的管理需求，从Dataphin的智能数据治理、Quick BI的商业智能洞察，到Quick Audience的精细用户运营策略与Quick Service的智能化客服解决方案，乃至其创新的瓴羊港平台，凸显了其在数据架构领域的深厚支撑力。这一综合体系为伊利等企业加速部署数据中台与相关转型项目提供了高效、一体化的助力，加速企业向数据驱动型商业模式的转变。

　　当前，众多乳制品及中国传统零售与供应链企业面临的一项紧迫需求，是将长期积累的海量数据转化为推动数智化转型的科学可视化数据中台。伊利即为典范，通过持续的业务升级与创新，其实现了以数据中台为核心驱动力的蜕变。这一“数据至业务再到产品”的转型路径，为同行业提供了可借鉴的模版。