2020年中国服装行业数据中台研究报告.pdf

36KR RESEARCH 2020年中国服装行业数据中台研究报告 数据中台赋能企业数字化转型，成为降本增效新引擎36氪研究院2020.09236Kr-2020年中国服装行业数据中台研究报告 数据中台是企业数字化转型的新引擎 。 数据中台概念最早由阿里巴巴集团提出 ， 是方法论 、 组织与工具的有机结合 ， 是快 、 准 、 全 、 统 、 通的智能大数据体系 。 随着互联网流量天花板显现 ， 行业竞争加剧 ， 企业面临生存危机 ， 降本增效 、 提升竞争力成为核心诉求 ， 数字化转型成为大势所趋 。 数据中台以数据资产驱动业务增长 ，全方位 、 多角度重塑企业价值链 ， 可以有效 提升企业组织的敏捷程度和业务协同响应能力 ， 成为企业数字化转型的新引擎 。 我国服装行业数字化转型起步较早但进程较缓 ， 未来有望在数据中台赋能之下实现全域数字化落地 。 目前 ， 我国服装行业机遇与挑战并存 。 一方面 ， 消费人群年轻化 、需求个性化等新的市场趋势推动服装行业迭代升级 ， 为企业带来新的发展机遇；另一方面 ， 营收增速放缓 、 库存周转率下降 、 线上电商冲击也成为企业的主要痛点 。随着市场环境变化 ， 服装企业纷纷优化资源配置 ， 拥抱数字化转型 。 虽然我国服装行业数字化转型起步较早 ，但进程较缓 ， 数字化对行业的赋能效果尚未得到全部释放 。 数据中台以数据为驱动 ， 将数据与业务无缝衔接 ，在供应链改造 、 全域营销 、 新品孵化 、 门店管理 、 渠道拓展等方面对服装企业进行全链路赋能 ， 未来有望助力服装企业加速实现全域数字化落地 。 数据中台前景广阔 ， 场景拓展成为竞争关键 。 随着企业数字化转型逐渐深入 ， 数据中台市场将加速扩展 ， 行业前景广阔 。 当前 ， 数据中台行业对业务场景的争夺日趋激烈 。 在场景选择方面 ， 在数据高地中寻找场景洼地将成为一个重要趋势 。 在服装 、 美妆 、 快消 、 商超 、 金融 、医疗 、 教育等更靠近消费端且拥有丰富数据积累的领域内进行场景挖掘 ， 将成为数据中台场景拓展的有利路径 。报告摘要相关研究报告案例分析公司阿里云数据中台服务商136Kr-2020 年 中 国 企 业直播研究报告（ 2020.05）36Kr-2020 年 中 国 互 联网医疗研究报告（ 2020.04）36Kr-“ AI+医疗 ” 行业研究报告（ 2019.12）36Kr-2020 年 中 国 新 经济趋势洞察报告（ 2019.10）36Kr-商用服务机器人行业研究报告（ 2019.08）目录 CONTENTS中国数据中台行业发展概况 相关概念 发展背景与发展动力 数据中台的应用价值 数据中台的市场现状分析01数据中台赋能服装行业数字化转型研究 中国服装行业发展现状 中国服装行业的数字化转型趋势 数据中台赋能服装行业的应用场景02数据中台典型案例分析 阿里云数据中台介绍 阿里云数据中台服装行业服务案例03数据中台行业发展趋势分析 数据中台的主要赋能逻辑 数据中台的业务拓展路径 数据中台的市场生态趋势04 相关概念 发展背景与发展动力 数据中台的应用价值 数据中台的市场现状分析中国数据中台行业发展概况01351.1 相关概念数据中台是方法论、组织与工具的有机结合，是以技术驱动业务发展的智能大数据体系 数据中台这一概念最早由阿里巴巴集团提出 ， 旨在高效处理日趋复杂与庞大的数据 ， 最终为企业业务 结构 优化与增长赋能 。 数据中台是阿里助力企业数字化转型过程中一次标杆式的创新与尝试 。 在阿里巴巴的定义中 ， 数据中台是方法论 、 组织与工具的有机结合 ， 是 快 、准 、 全 、 统 、 通的智能大数据体系 。 各类数据技术是构建数据中台的基础 ，能够高效对各类数据进行 统一 收集 、 处理 、 储存 、 计算 、 分析 和 可视化呈现 ，使数据最终与业务链条结合 ， 真正转化为企业核心资产 。 数据中台本质上是一个以数据驱动业务发展为最终目的的智能大数据总体系 。 在阿里 “ 大中台 ， 小前台 ” 体系下 ， 数据中台与业务中台 成为 连接前后台的纽带 ， 共同助力企业业务发展 。 数据中台与业务中台相辅相成 、 相互支撑 。业务中台为数据中台提供数据来源 ， 而数据中台则为业务中台决策提供辅助 。4图示：数据中台与业务中台的关系基础技术后台业务前台数据中台 业务中台业务数据数据计算结果技术基础数据驱动61.1 相关概念数据中台是一种新理念，以“技术 +业务”为双驱动，与数据仓库等传统数据工具大有不同 在对数据中台进行概念界定的过程中 ， 数据仓库是一个常见的易混淆概念 ，准确辨别二者的差异性特征 ， 对于深入理解数据中台具有重要意义 。 数据仓库起源于决策支持系统 ， 是一个面向主题的 、 集成的 、 非易失性的 、随时间变化的 ， 用来支持管理人员决策的数据集合 ， 多以报表方式进行数据呈现 。 而数据中台则是一种新的理念 ， 是 ” 数据 +技术 +产品 +组织 “ 的多元组合 ， 以 ” 数据产品 +数据技术 +方法论 +场景实现 “ 为综合性输出 ， 是企业开展新型运营的中枢系统 。5图示：数据中台与数据仓库的区别数据来源： 36氪研究院根据公开资料整理区别 数据仓库 数据中台属性与定位 仅为职能辅助属性 基于技术而又深入全线业务与运营服务对象 小部分业务人员和企业决策层 扩展至一线人员及企业全体员工数据处理类型 多为结构化数据 结构化数据、非结构化数据体系架构新一代的数据仓库采用分布式架构，一般基于 MPP数据库或大数据平台实现数据分析多系统组成，除了大数据存储和计算平台外，还包含数仓建设、工作台开发 IDE、任务调度、数据同步服务、对外统一数据服务、资产管理系统、敏捷 BI报表开发等多个组件，通过多个维度组件组成一整套解决方案服务表现形式 多以报表形式呈现更加多样化，除了基础报表，还有领导决策系统、行业分析、业务洞察、业务重塑、自助查询等面向业务场景的服务及产品人员构成 数据分析人员 人员构成多样，需要既懂业务也了解数据分析的综合性人才价值体现 业务决策数据支持，市场数据查询 业务决策数据支撑，业务支持，业务优化数据支撑，数据变现等71.2 发展背景与发展动力 市场环境驱动互联网流量 天花板已现，企业精细化运营和数字化转型成为大势所趋，数据中台应运而生 历经十几年高速发展 ， 我国互联网行业 已 进入发展平稳期 ， 互联网流量红利时代正逐步消失 。 根据 CNNIC数据 ， 截至 2020年 3月底 ， 我国网民数量已达9.04亿 ， 互联网普及率为 64.5%， 且增速渐趋回落 ， 流量天花板已现 。 目前 ，仅靠流量粗犷式运营模式已无法支撑企业的可持续发展需要 ， 提高用户粘性 、巩固市场份额和行业竞争地位 、 寻找新的业务增长引擎成为企业新发展共识 ，精细化运营成为必然选择 。 在此背景下 ， 企业纷纷投入数字化转型浪潮中 。 通过数字化释放人力成本 ，优化业务逻辑和运营流程 ， 利用精准营销和个性化服务满足消费者的多元需求 ， 拥抱行业发展新态势 ， 破解增长困局 。 特别是在新冠肺炎影响下 ， 数字化程度高的企业在复工复产 上 展现了更高的效率 和更强的抗风险能力 ， 这也让全行业意识到数字化转型的重要性和必然性 。 数据中台 则 为企业数字化战略的切实落地提供了集方法论 、 技术及工具于一身的全方位支持 。 通过数据中台 ， 基于大数据的有效信息不再专属管理决策层 ， 相反 ， 随着有效信息渗透至企业活动参与者 ， 原本庞大数据群可有效转化为全员可见 、 可用的信息 ， 为业务优化提供更佳 、 更高效的组合选择 。661,758 64,875 68,826 74,12577,198 82,851 85,449 90,35945.8% 47.9% 50.3%53.2% 55.8% 59.6%61.2% 64.5%2018.122013.12 2014.12 2015.12 2016.12 2017.12 2019.12 2020.03网民规模 互联网普及率图示： 2013-2020年网民规模（万人）和互联网普及率（ %）数据来源： CNNIC， 36氪研究院整理81.2 发展背景与发展动力 需求端驱动行业竞争加剧，降本增效、提升竞争力成为企业核心诉求， 数据处理快速高效成为企业 刚需 随着社会发展和科技进步 ， 市场变化日新月异 ， 人们的消费观念和消费习惯也随之改变 ， 行业的快速迭代导致市场竞争加剧 ， 企业实现市场份额增长愈发困难 。 打造更具个性化 、 更贴近市场需求的产品与服务 ， 成为占领市场高地的有效路径 。 降本增效 ， 提升竞争力 ， 成为 当前 企业 生存与发展的核心 诉求 。 而要实现这一诉求 ， 关键就在于 如何 打通 数据与业务 ， 基于行业 、 企业 、市场 三方数据 ， 制定 符合自身现状的数字化发展战略 。 企业在进行数字化转型过程中 ， 随着业务发展 ， 数据规模成倍增长 ， 海量数据源正在倒逼 企业数据处理系统向更强承载力 和 更快处理速度 的 方向发展 。此外 ， 企业数据呈现多元性特征 ， 已不仅仅局限于传统消费端零售 数据 ， 还拓展至消费偏好 、 态度倾向等个性化数据 ， 以及企业内部各业务条线的运营和财务数据 ， 企业外部上下游供应链的业务联通数据等 。 复杂而庞大的数据量需要配备更为快速高效的数据处理系统 ， 能够迅速分析市场变化 ， 并辅助输出相应战略决策 。 因此 ， 应用 集数据收集 、 构建 、 分析 、 输出为一体的数据中台 ， 深入挖掘企业数据资产价值 ， 推动内部业务协同 ， 使 数据真正为业务优化 和 精准服务赋能 ， 成为众多企业的共同选择 。7要求数据处理系统有更强承载力和更快处理速度数据量庞大要求数据处理系统更加敏捷高效 ， 拥有综合数据收集 、处理 、 分析和输出能力数据多元且复杂图示：企业在数字化转型过程中的主要数据问题及需求91.2 发展背景与发展动力 技术驱动大数据、人工智能、云计算 的发展为数据中台“双螺旋”式演进提供技术基础 2015年 ， 阿里首次提出数据中台概念后 ， 各大科技企业纷纷投入 到 对数据中台的研究 与应用中 ， 数据中台逐步进入大众视野 。 数据中台的发展特点可以概括为 “ 双螺旋 “ 式 ， 即数据资产和业务价值齐头并进 。 数据作为一项重要资产 ， 成为 推动 企业高速发展的核心要素 ， 而业务价值的实现便成为数据资产的最终落脚点 。 数据中台的 “ 双螺旋 ” 式发展离不开各类技术的有机结合 。 数据构成数据中台的核心 ， 这意味着数据治理水平在一定程度上决定了数据中台的运行效率 。随着企业业务领域不断拓展 ， 海量数据得以累积 ， 但数据呈分散状态 ， 传统的数据仓库无法打通数据之间的联通壁垒 ， 形成孤岛效应 ， 削弱数据反哺业务的能力 。 因此 ， 如何建立海量数据的统一清洗 、 储存的方法 ， 规划数据结构 ， 打破数据孤岛 ， 成为数据中台构建过程中势必要解决的问题 。 大数据 、人工智能 、 云计算等技术的发展为数据中台打破数据壁垒 ， 实现统一调用等提供了坚实的技术基础 ， 助力企业数据治理水平的提高 ， 从而真正发挥数据中台的效益 。 可以说 ， 没有技术的进步 ， 数据中台只能是虚拟的方法论集合 ，无法实现真正的落地 ， 更无法赋能企业业务发展 。8统一数据收集、处理、储存、计算口径大数据数据分析智能化与可视化人工智能 确保数据运算的及时性与高效性云计算图示：大数据、人工智能、云计算为数据中台的构建提供技术基础101.3 数据中台的应用价值打破数据孤岛，以数据资产驱动业务增长，全方位、多角度重塑企业价值链 数据中台可以实现各类数据的有效聚合 ， 将数据打造为企业核心资产 ， 打通连接行业需求端与供给端的通道 ， 以需求带动供给 ， 打造企业价值链闭环 。 数据是企业发展的重要驱动力 ， 这已成为各行各业的共识 。 随着企业发展 ，数据得以快速 、 海量积累 ， 但不同数据之间相互独立 ， 孤岛效应愈发明显 ，数据反哺业务的价值被弱化 ， 割裂了企业价值链 。 数据中台的构建直击企业数据分散这一痛点 ， 通过构建统一数据标准 ， 将不同系统 、 不同类型的数据纳入一个可对比 、 可计算的范围内 ， 消除数据二义性 、 打通数据烟囱 ， 实现统一资产管理 。 数据中台紧密衔接业务前台与技术后台 ， 聚合的数据可快速响应前台业务需求 ， 针对市场和行业的新变化来优化业务内容与流程 。 在数据中台加持下 ， 企业的数据与业务无缝衔接 ， 价值链闭环得以形成 。 以新零售应用场景为例 ， 数据中台将消费者 、 产品 、 营销 、 供应链四要素聚合在一起 ， 以数据为中心 ， 形成市场洞察 、 优化产品内容 、 实现精准营销 、提升供应链流畅性 ， 进而助力企业的业务突破与增长 ， 实现企业价值链升级 。9图示：数据中台对新零售企业价值链的重塑数据资产消费端用户画像市场洞察产品新品设计产品升级供应链计划优化流程优化营销分级营销精准营销