《2020年中國服裝行業數據中臺研究報告》數據中臺賦能企業數字化轉型，成為降本增效新引擎2020.09221報告摘要數據中臺是企業數字化轉型的新引擎。數據中臺概念最早由阿里巴巴集團提出，是方法論、組織與工具的有機結合，是快、準、全、統、通的智能大數據體系。隨著互聯網流量天花板顯現，行業競爭加劇，企業面臨生存危機，降本增效、提升競爭力成為核心訴求，數字化轉型成為大勢所趨。數據中臺以數據資產驅動業務增長，全方位、多角度重塑企業價值鏈，可以有效提升企業組織的敏捷程度和業務協同響應能力，成為企業數字化轉型的新引擎。我國服裝行業數字化轉型起步較早但進程較緩，未來有望在數據中臺賦能之下實現全域數字化落地。目前，我國服裝行業機遇與挑戰并存。一方面，消費人群年輕化、需求個性化等新的市場趨勢推動服裝行業迭代升級，為企業帶來新的發展機遇；另一方面，營收增速放緩、庫存周轉率下降、線上電商沖擊也成為企業的主要痛點。隨著市場環境變化，服裝企業紛紛優化資源配置，擁抱數字化轉型。雖然我國服裝行業數字化轉型起步較早，但進程較緩，數字化對行業的賦能效果尚未得到全部釋放。數據中臺以數據為驅動，將數據與業務無縫銜接，在供應鏈改造、全域營銷、新品孵化、門店管理、渠道拓展等方面對服裝企業進行全鏈路賦能，未來有望助力服裝企業加速實現全域數字化落地。數據中臺前景廣闊，場景拓展成為競爭關鍵。隨著企業數字化轉型逐漸深入，數據中臺市場將加速擴展，行業前景廣闊。當前，數據中臺行業對業務場景的爭奪日趨激烈。在場景選擇方面，在數據高地中尋找場景洼地將成為一個重要趨勢。在服裝、美妝、快消、商超、金融、醫療、教育等更靠近消費端且擁有豐富數據積累的領域內進行場景挖掘，將成為數據中臺場景拓展的有利路徑。

案例分析公司阿里云數據中臺服務商相關研究報告年中國企業直播研究報告（2020.05）36Kr-2020年中國互聯網醫療研究報告（2020.04）36Kr-“AI+醫療”行業研究報告（2019.12）36Kr-2020年中國新經濟趨勢洞察報告（2019.10）36Kr-商用服務機器人行業研究報告（2019.08）目錄CONTENTS0101 中國數據中臺行業發展概況相關概念發展背景與發展動力數據中臺的應用價值析 0202 數據中臺賦能服裝行業數字化轉型研究中國服裝行業發展現狀0303數據中臺典型案例分析阿里云數據中臺介紹阿里云數據中臺服裝行服務例 0404數據中臺行業發展趨勢分析數據中臺的主要賦能邏輯數據中臺的業務拓展路徑 數據中臺的市場生態趨勢33相關概念相關概念數據中臺的應用價值數據中臺的市場現狀分析中國數據中臺行業發展概況011.11.1相關概念554數據中臺是方法論、組織與工具的有機結合，是以技術驅動業務發展的智能大數據體系數據中臺這一概念最早由阿里巴巴集團提出，旨在高效處理日趨復雜與龐大的數據，最終為企業業務結構優化與增長賦能。數據中臺是阿里助力企業數在阿里巴巴的定義中，數據中臺是方法論、組織與工具的有機結合，是快、準、全、統、通的智能大數據體系。各類數據技術是構建數據中臺的基礎，能夠高效對各類數據進行統一收集、處理、儲存、計算、分析和可視化呈現，使數據最終與業務鏈條結合，真正轉化為企業核心資產。數據中臺本質上是在阿里“大中臺，小前臺”體系下，數據中臺與業務中臺成為連接前后臺的紐帶，共同助力企業業務發展。數據中臺與業務中臺相輔相成、相互支撐。業務中臺為數據中臺提供數據來源，而數據中臺則為業務中臺決策提供輔助。業務前臺業務前臺數據中臺業務中臺業務數據數據中臺業務中臺業務數據數據計算結果基礎技術后臺技術基礎基礎技術后臺圖示：數據中臺與業務中臺的關系665數據中臺是一種新理念，以“技術+業務”為雙驅動，與數據倉庫等傳統數據工具大有不同在對數據中臺進行概念界定的過程中，數據倉庫是一個常見的易混淆概念，數據倉庫起源于決策支持系統，是一個面向主題的、集成的、非易失性的、隨時間變化的，用來支持管理人員決策的數據集合，多以報表方式進行數據呈現。開展新型運營的中樞系統。區別數據倉庫數據中臺屬性與定位僅為職能輔助屬性基于技術而又深入全線業務與運營服務對象小部分業務人員和企業決策層擴展至一線人員及企業全體員工數據處理類型多為結構化數據結構化數據、非結構化數據體系架構新一代的數據倉庫采用分布式架構，一般基于MPP數據庫或大數據平臺實現數據分析多系統組成，除了大數據存儲和計算平臺外，還包含數倉建設、工作臺開發IDE、任務調度、數據同步服務、對外統一數據服務、資產管理系統、敏捷BI報表開發等多個組件，通過多個維度組件組成一整套解決方案服務表現形式多以報表形式呈現更加多樣化，除了基礎報表，還有領導決自助查詢等面向業務場景的服務及產品人員構成數據分析人員人員構成多樣，需要既懂業務也了解數據分析的綜合性人才價值體現業務決策數據支持，市場數據查詢業務決策數據支撐，業務支持，業務優化數據支撐，數據變現等圖示：數據中臺與數據倉庫的區別數據來源：36氪研究院根據公開資料整理1.21.2發展背景與發展動力——市場環境驅動776互聯網流量天花板已現，企業精細化運營和數字化轉型成為大勢所趨，數據中臺應運而生歷經十幾年高速發展，我國互聯網行業已進入發展平穩期，互聯網流量紅利時代正逐步消失。根據CNNIC數據，截至2020年3月底，我國網民數量已達9.04億，互聯網普及率為64.5%，且增速漸趨回落，流量天花板已現。目前，僅靠流量粗獷式運營模式已無法支撐企業的可持續發展需要，提高用戶粘性、鞏固市場份額和行業競爭地位、尋找新的業務增長引擎成為企業新發展共識，精細化運營成為必然選擇。網民規模 互聯網普及率55.8%55.8%59.6%61.2%64.5%45.8%61,75847.9%64,87550.3%68,82653.2%74,12577,19882,85185,44990,3592013.12 2014.12 2015.12 2016.12

2018.12

2019.12 2020.03圖示：2013-2020年網民規模（萬人）和互聯網普及率（%）數據來源：CNNIC，36氪研究院整理在此背景下，企業紛紛投入數字化轉型浪潮中。通過數字化釋放人力成本，優化業務邏輯和運營流程，利用精準營銷和個性化服務滿足消費者的多元需求，擁抱行業發展新態勢，破解增長困局。特別是在新冠肺炎影響下，數字化程度高的企業在復工復產上展現了更高的效率和更強的抗風險能力，這也數據中臺則為企業數字化戰略的切實落地提供了集方法論、技術及工具于一身的全方位支持。通過數據中臺，基于大數據的有效信息不再專屬管理決策層，相反，隨著有效信息滲透至企業活動參與者，原本龐大數據群可有效轉1.21.2發展背景與發展動力——需求端驅動887行業競爭加劇，降本增效、提升競爭力成為企業核心訴求，數據處理快速高效成為企業剛需隨著社會發展和科技進步，市場變化日新月異，人們的消費觀念和消費習慣也隨之改變，行業的快速迭代導致市場競爭加劇，企業實現市場份額增長愈發困難。打造更具個性化、更貼近市場需求的產品與服務，成為占領市場高地的有效路徑。降本增效，提升競爭力，成為當前企業生存與發展的核心訴求。而要實現這一訴求，關鍵就在于如何打通數據與業務，基于行業、企業、企業在進行數字化轉型過程中，隨著業務發展，數據規模成倍增長，海量數據源正在倒逼企業數據處理系統向更強承載力和更快處理速度的方向發展。此外，企業數據呈現多元性特征，已不僅僅局限于傳統消費端零售數據，還拓展至消費偏好、態度傾向等個性化數據，以及企業內部各業務條線的運營和財務數據，企業外部上下游供應鏈的業務聯通數據等。復雜而龐大的數據量需要配備更為快速高效的數據處理系統，能夠迅速分析市場變化，并輔助輸出相應戰略決策。因此，應用集數據收集、構建、分析、輸出為一體的數據中臺，深入挖掘企業數據資產價值，推動內部業務協同，使數據真正為業數據量龐大載力和更快處理速度數據多元且復雜要求數據處理系統更加敏捷高效，擁有綜合數據收集、處理、分析和輸出能力圖示：企業在數字化轉型過程中的主要數據問題及需求1.21.2發展背景與發展動力——技術驅動998大數據、人工智能、云計算的發展為數據中臺“雙螺旋”式演進提供技術基礎2015數據中臺的發展特點可以概括為“雙螺旋“式，即數據資產和業務價值齊頭并進。數據作為一項重要資產，成為推動企業高速發展的核心要素，而業務價值的實現便成為數據資產的最終落腳點。數據中臺的“雙螺旋”式發展離不開各類技術的有機結合。數據構成數據中臺的核心，這意味著數據治理水平在一定程度上決定了數據中臺的運行效率。隨著企業業務領域不斷拓展，海量數據得以累積，但數據呈分散狀態，傳統的數據倉庫無法打通數據之間的聯通壁壘，形成孤島效應，削弱數據反哺業務的能力。因此，如何建立海量數據的統一清洗、儲存的方法，規劃數據結構，打破數據孤島，成為數據中臺構建過程中勢必要解決的問題。大數據、人工智能、云計算等技術的發展為數據中臺打破數據壁壘，實現統一調用等提供了堅實的技術基礎，助力企業數據治理水平的提高，從而真正發揮數據中臺的效益。可以說，沒有技術的進步，數據中臺只能是虛擬的方法論集合，大數據大數據云計算統一數據收集、處理、

人工智能 確保數據運算的及儲存、計算口徑

數據分析智能化與可視化

時性與高效性圖示：大數據、人工智能、云計算為數據中臺的構建提供技術基礎1.31.3數據中臺的應用價值10109打破數據孤島，以數據資產驅動業務增長，全方位、多角度重塑企業價值鏈數據中臺可以實現各類數據的有效聚合，將數據打造為企業核心資產，打通數據是企業發展的重要驅動力，這已成為各行各業的共識。隨著企業發展，數據得以快速、海量積累，但不同數據之間相互獨立，孤島效應愈發明顯，數據中臺的構建直擊企業數據分散這一痛點，通過構建統一數據標準，將不同系統、不同類型的數據納入一個可對比、可計算的范圍內，消除數據二義性、打通數據煙囪，實現統一資產管理。數據中臺緊密銜接業務前臺與技術后臺，聚合的數據可快速響應前臺業務需求，針對市場和行業的新變化來優化業務內容與流程。在數據中臺加持下，企業的數據與業務無縫銜接，價值鏈閉環得以形成。以新零售應用場景為例，數據中臺將消費者、產品、營銷、供應鏈四要素聚合在一起，以數據為中心，形成市場洞察、優化產品內容、實現精準營銷、提升供應鏈流暢性，進而助力企業的業務突破與增長，實現企業價值鏈升級。

供應鏈計劃優化流程優化數據資產營銷數據資產分級營銷精準營銷圖示：數據中臺對新零售企業價值鏈的重塑提升企業組織敏捷度，為企業降本增效、打造核心競爭力奠定管理組織基礎數據中臺融合了業務和IT雙重職能，是方法論、工具、組織的有效結合，對在傳統的企業組織結構框架下，業務部門與IT部門為獨立板塊，分別承擔業務拓展與技術支持職能。而數據中臺整合了業務與技術兩大職能，業務為技術提供所需數據源，技術通過數據分析為業務提供優化方向。業務與技術協同作戰，實現1+1>2效性與完整性均得到保證；而基于技術產生的數據分析結果也可直接轉化為業務優化方案，避免技術與業務兩部門因信息不對稱而導致的認知偏差。在數據中臺支持下，企業數據收集、處理、分析、應用全鏈條的時效性得到了提升，優化組織靈敏性。前端需求速據快 數據分析 數速據響 整應 合數據技術支持 中臺

業務數據數據源圖示：數據中臺賦能企業組織敏捷性1.41.4數據中臺市場現狀分析數據中臺目前處于發展初期，隨著企業數字化轉型逐漸深入，行業快速擴張未來可期目前我國數據中臺行業處于從萌芽轉向高速發展的過渡期，整體仍處在相對基礎的發展階段，產品類型與服務內容有待進一步拓展，商業價值亟待挖掘。在企業數字化轉型背景下，特別是受年初新冠肺炎疫情影響，企業逐漸意識到數字化轉型的必要性和重要性，紛紛加速推動數字化落地，打造敏捷性系統，以應對日趨復雜的需求端新態勢。數據中臺作為數智化落地的助推器，市場潛力巨大。未來數據中臺行業規模擴張的另一驅動力在于：行業玩家正積極探索與拓寬數據中臺應用場景與服務內容。例如，開發適用于中小企業規模與發展現狀的數據中臺。受制于數據中臺較長的成果轉化周期和較高的成本，鮮有中小企業參與數據中臺建設，但數據中臺行業玩家正積極拓展服務中小微企業的路徑。隨著數據中臺逐漸實現從理論向實際的落地，將會有更多呈現形式，助力各類企業數字化轉型全流程。未來會有更多企業參與布局數據中臺，賦能業務增長。預計2020年后，數據中臺將實現爆發式增長，到2024年，行業營收可達251億人民幣。193.0137.996.2193.0137.996.265.740.117.12018 2019 2020e

2022e

2023e

2024e圖示：2018-2024年中國數據中臺市場規模及預測（億元/人民幣）數據來源：36氪研究院分析數據中臺行業中游市場參與者眾多，綜合性數據中臺解決方案提供商是生態核心與中堅力量數據中臺產業鏈結構清晰，上游云技術服務商主要提供底層技術支持，下游目前，行業中游市場參與者眾多，存在業務混雜、邊界不明等行業亂象。根據本報告對數據中臺的定義，36氪研究院將當前市場中的數據中臺服務商主要歸結為以下三類：1）綜合性數據中臺解決方案提供商。能夠提供獨創性、原生性、可標準化封裝輸出的產品和解決方案，擁有底層全量技術能力和持續業務迭代能力，為企業級客戶提供綜合性數據中臺解決方案，同時為行業發展輸出核心技術與引導性方法論，是生態核心與中堅力量，以阿里云數據中臺為代表；2）數據中臺運營商。以具體場景為切入點，依賴于頭部企業，作為頭部公司的生態合作伙伴提供服務；3）轉型中的數字化方案提供商。傳統CRM和ERP等企業，積極拓展新興數據中臺業務，以用友軟件為代表。數據中臺行業壁壘較高，新進場的市場參與者面臨的競爭壓力較大，擁有多中游：數據中臺服務商中游：數據中臺服務商上游下游數據中臺運營商上游下游云技術服務商企業級用戶綜合性數據中臺解決方案提供商云技術服務商企業級用戶轉型中的數字化方案提供商圖示：數據中臺產業鏈1313中國服裝行業發展現狀中國服裝行業發展現狀中國服裝行業的數字化轉型趨勢數據中臺賦能服裝行業的應用場景數據中臺賦能服裝行業數字化轉型研究022.12.1中國服裝行業發展現狀歷經發展、成熟、瓶頸期，中國服裝行業目前面臨機遇與挑戰并存的局面2009-2016年瓶頸期2009-2016年瓶頸期2017年至今機遇挑戰并存期1979-1999年2000-2008年成熟期高速發展期圖示：中國服裝行業發展的四個階段高速發展期：各大服裝工廠紛紛建成投產，從最早的手工剪裁小作坊逐漸發展到初具規模的服裝企業。服裝市場由混亂無序階段過渡至大規模批發市場成熟期：服裝產業上下游形成聚合鏈接，行業整體趨于成熟。服裝生產由代2003瓶頸期：2008挑戰與機遇并存期：直播帶貨、社群等營銷新路徑為行業帶來新的營收增長點。然而行業頭部效應逐漸明顯，在愈加激烈的競爭格局下，行業面臨整合，中國服裝行業產業鏈完善，中游生產制造商獲取上游原材料，面向下游多渠道來源消費者歷經多年發展，中國服裝行業已形成較為成熟和完善的產業鏈。上游原材料供應商為中游服裝制造企業提供布料、紡織品等服裝生產所需材料，而產出的成衣則直接面向下游服裝消費者。得益于我國豐富的資源與物產，服裝產服裝行業產業鏈中游參與者眾多，既包括專注于設計或制造單一環節的企業，又有設計、生產、銷售一體化的服飾集團。中游企業依據服裝功能與目標客戶可細分為男裝、女裝、童裝、運動裝等垂直領域。其中運動裝行業馬太效應明顯，集中度最高。而受女性消費者拒絕撞衫的影響，女裝行業集中度相對較小。近幾年，隨著社會消費結構的變化與互聯網的高速發展，下游服裝銷售渠道漸趨多元化，原有線下營銷的單一局面被打破，出現了社群、直播等多種新興營銷渠道。原材料供應針線布料服裝制造服裝設計成衣制造線上電商線下零售社群銷售 上游 原材料供應針線布料服裝制造服裝設計成衣制造線上電商線下零售社群銷售圖：中國服裝行業產業鏈消費人群年輕化、需求個性化等新的市場趨勢正在推動服裝行業進行升級與轉型在中國居民消費水平改善、消費結構升級、消費觀念轉變的大背景下，服裝的功能也由基礎性的“蔽體”轉向附加性的“裝飾”，消費者對于服裝非核心功能的需求日益增加。1 潮流元素2 服飾風格

火熱IP、潮牌logo等BM風、GirlCrush風、Hip-Hop風、極簡風等消費需求

3 4 場景配對

腰帶、蝴蝶結等約會、演唱會、面試等圖示：消費者對服飾消費的主要需求元素與此同時，服飾消費人群年齡結構也悄然發生變化。90他們追求個性化、多元化消費，對設計獨特、品質優良的服裝更為青睞。此外，其消費需求受社交影響較大，平臺推薦、明星帶貨等方式可以有效激發其購買力。消費端出現的諸多變化促使服裝行業進行升級與轉型，以消費者42%52%4,00344%4,26735%42%52%4,00344%4,26735%4,3402,65100后90后80后70后圖示：2018年服裝購買人均年總花費（元）及未來購買預算增加的比例（%）數據來源：騰訊數據實驗室，36氪研究院整理營收增速放緩、庫存周轉率下降、線上電商沖擊構成中國服裝行業亟待解決的痛點面對復雜多變的國際形勢和國內供給側改革壓力，特別是疫情期間宏觀經濟增速放緩的市場環境，服裝行業面臨諸多風險和不確定性因素。近兩年以來，17,10716,0102015201620172018201922,06823,60521,903圖示：2015-2019我國規模以上服裝企業主營業務收入(萬元/人民幣）數據來源：國家統計局，22,06823,60521,903具體而言，存貨周轉率下降和線上電商對線下銷售渠道的擠壓成為當前我國存貨周轉率下降。庫存問題是長期困擾服裝行業的核心痛點。服裝制造商往往無法準確預估市場消費能力和個體購買偏好，導致供過于求，大部分服裝難逃“打折”結局。由此一來，追求性價比的消費者常將購買需求堆積到換季打折季或各大購物節，服裝生產商平日的存貨周轉率持續下降，進而導致線上電商沖擊。根據中國產業信息網數據，2019年，76.9%消費者選擇線上購物，是線下實體店顧客的3倍，電商正在深刻改變著人們的消費習慣。后疫情時代，線上電商將進一步擠壓線下服裝行業銷售渠道。開拓線上電商銷售渠道，平衡線上渠道與線下商鋪的合理布局，打造線上線下一體化的閉環2.22.2中國服裝行業的數字化轉型趨勢我國服裝行業數字化轉型起步較早但進程較緩，未來有望加速實現全域數字化落地服裝行業作為較早開始進行數字化轉型的行業之一，已經在服裝設計與生服裝設計與生產。服裝設計與生產能否有效且高效地響應市場需求，是決定企業能否保持用戶黏性、實現營收的關鍵。因此，服裝企業積極探索設計與生產環節的智能化，借助設計繪圖軟件和自動化生產工藝流程，突破手工設客戶關系管理。本世紀初，部分嗅覺敏銳的服裝企業已通過數字化系統實現對客戶關系的管理，而自2010CRM與ERP系統的落地，使客戶關系有序、自動化管理成為營銷渠道拓展。電商與物流行業的高速發展，為服裝企業布局線上提供發展沃土。除了在大型電商平臺建立線上店鋪外，服裝企業還通過社群、直播等盡管如此，數字化對服裝企業的賦能效果并未完全得到釋放。我國服裝行業的數字化轉型雖然起步較早，但目前進程較緩，融合程度尚淺。一方面，通過數字化管理工具，企業積累了海量消費數據，然而不同系統、不同渠道收集的數據未能有效實現協同效能，數據煙囪的堆積，削弱數據反哺業務的能力。另一方面，我國大部分服裝企業重點聚焦于數字化工具的使用，而忽略了企業組織基礎對推進數字化戰略的重要性。數字化不僅僅意味著創新技術的應用，企業組織流程及人才管理均需要與數字化戰略進行配合。服裝企業未來，服裝產業數字化有望朝縱深方向發展，實現從管理組織到全業務流程的智能化。服裝行業將實現職能支持、管理工具、渠道拓展、戰略決策的全鏈條數字化，提升運營效率未來服裝企業的數字化是全管理流程的數智化。從職能支持到管理工具再到前端營銷渠道的拓展，都需要數字化工具的支持，基于各環節數據，制定企業戰略決策。隨著人工智能、大數據、云計算等新技術、新理念的加速滲透，技術創新引發服裝行業模式變革，新舊動能加速轉換，行業效率得以提升，服裝行業正渠道拓展渠道拓展實體店數據管理電商數據管理社群、直播數據管理MKT管理銷售管理庫存管理管理工具PaaS平臺CRM系統訂單管理戰略決策職能支持ERP系統WMS系統CAD軟件圖示：服裝企業全流程管理數字化數字化將驅動服裝行業向設計智能化、生產自動化及營銷精準化方向進化設計智能化：數字化戰略的落地轉變了服裝企業傳統手繪設計方式，互聯網、CAD軟件作為成衣設計新載體，不僅將原本存在于平面圖上的設計以立體、三維角度呈現，還解放了設計師雙手，使服裝設計、底稿修改等趨于高效化和智能化。生產現代化：新技術的出現為服裝生產提供了新思路。數字化與智能化工藝與機械設備層出不窮，顛覆傳統服裝行業流水作業模式。特別是自動化機械設備，一定程度上緩解了不斷增加的勞動力成本而導致的企業現金流緊張問營銷精準化：生產的最終目的是銷售。數字化營銷手段實現“千人千面”的精準營銷方式，鞏固核心客戶群體，吸引潛在消費者。根據營銷計劃與轉化效果相關數據，反向支持服裝生產計劃的優化，規避“庫存”陷阱，進而提高整個供應鏈的流暢性。

生產現代化自動化工藝現代化設備營銷精準化圖示：服裝行業的供應鏈數字化2.32.3數據中臺賦能服裝行業的應用場景——供應鏈改造構建全域數據體系，打通服裝供應鏈各環節，形成從生產到銷售的閉環，快速響應市場需求服裝產業供應鏈主要包括生產與銷售，涵蓋服裝設計、制造、庫存、運輸、銷售各環節。現階段我國服裝產業面臨的痛點之一在于產業鏈割裂，未形成數據中臺基于企業數據，串聯產業鏈各環節，將前端生產與后端銷售緊密結合，重塑企業供應鏈。銷售環節產生的數據在中臺系統處理下及時傳遞至設計與制造環節，通過智能數據分析，優化設計與制造方向，銷售與生產閉環逐漸形成，企業可及時匹配消費端需求，供應鏈的流暢性和時效性得以優化。消消費數據體系服裝商品數據體系營銷數據體系反哺存貨數據體系交易數據體系設計制造庫存運輸銷售圖示：數據中臺對服裝企業供應鏈優化產業鏈各環節中，數據中臺對庫存環節的賦能作用尤為明顯。作為前端生產與后端銷售的中間地帶，庫存對服裝企業具有較高價值。在以往“先生產后銷售”的模式下，企業通常無法準確預判需求數量，生產量大于需求量，導致存貨積壓。而數據中臺則可借助企業積累的海量數據，分析、預測需求總2.32.3數據中臺賦能服裝行業的應用場景——全域營銷數據中臺以個性化精準和全域營銷，實現消費者拉新與促活數據中臺通過數據智能實現消費者洞察。基于購買頻率與品牌認知兩個維度，區分不同消費者群體，針對細分客戶特點，實現營銷手段的差異化，使營銷真正轉化落地、切實有效。優質客戶忠誠客戶優質客戶忠誠客戶潛在客戶興趣客戶0圖示：服裝企業客戶群體矩陣

認知程度在數據中臺系統下，企業依據消費者細分群體消費特點，制定精準化、個性化營銷方案，實現針對不同客戶類型的營銷目標，拉新和促活雙引擎助力企業業務的快速增長。潛在客戶興趣客戶忠誠客戶優質客戶潛在客戶興趣客戶忠誠客戶優質客戶提高品牌知名度，加強拉新

提高滲透率，實現客戶轉化

提高復購率，增加人均消費額

帶動服裝附件等其他品類增長圖示：各細分客戶群體的營銷目標2.32.3數據中臺賦能服裝行業的應用場景——新品孵化數據中臺能夠貼近市場需求，縮短孵化周期，實現新品孵化的有效性與高效性服裝消費呈多場景性，季節、場合、偏好等都會對消費者購買行為產生影響。而在消費結構升級、Z世代崛起背景下，消費者在服裝選擇時，更多地注入了個性、獨立等情感訴求。需求端新變化決定了短周期、近市場的新品孵化是新時代下服裝企業制勝的法寶。數據中臺業務與技術協同作戰的高效高質量的新品孵化。數據中臺整合海量消費信息，對消費者實現全方位的精準分析，基于現有消費行為，預判未來消費趨勢，從而為新品孵化提供前進方向。傳統的服裝孵化主要基于企業對消費者的感知性判斷，缺乏大數據支撐；而數據中臺強化數據的驅動作用，推動服裝企業在服飾類型、布料、潮流元素、配色選擇等多方面，貼近消費者真實訴求，更有效地響應市場，打造“爆款產品”。賦能新品孵化高質量數據賦能新品孵化高質量數據中臺精準觸達賦能新品孵化短周期積累更多消費數據更精確賦能新品孵化圖示：數據中臺賦能新品孵化良性循環2.32.3數據中臺賦能服裝行業的應用場景——門店管理數據中臺可以優化新店選址，推動門店向智能化與數字化方向創新升級數據中臺對服裝企業門店管理的賦能涵蓋兩大場景：新店智能選址與對現有門店的數字化管理。智能選址。數據中臺具備強大的數據分析能力，可以對商圈周邊客群、競品門店進行全方位分析，基于品牌及目標客戶群定位，為新店地址選擇提供最優方案，以獲取最大的潛在客源，實現營收最大化。新店選址需要綜合多個維度與要素，在大數據還未普及的時代，選址通常基于所有者的經驗與洞察力，且試錯成本較高。而數據中臺使門店選址過程智能化，“讓數據說話”，門店全域數字化管理。數據中臺整合門店銷售、庫存、消費行為、消費反饋等數據，優化消費者門店體驗、實現智能補貨與組貨，真正提高門店數字化運營能力，進而帶動推廣獲客、成交轉化、消費者復購及分享裂變，賦能門店效益。優化門店體驗數據中臺構建全面消費畫像，洞察客戶需求，優化導購流程、門店布置等，優化門店體驗數據中臺構建全面消費畫像，洞察客戶需求，優化導購流程、門店布置等，帶動消費者門店體驗升級智能補貨依據門店銷售數據與庫存現狀，預測未來門店消費趨勢，實行智能鋪貨與補貨智能組貨數據中臺基于對門店核心客群分析，助力門店實現智能陳列與區域配置圖示：數據中臺賦能門店數字化、智能化管理2.32.3數據中臺賦能服裝行業的應用場景——渠道拓展數據中臺可以打通線上、線下全域渠道，拓展多元銷售場景，打造企業銷售增長閉環渠道拓展是困擾服裝行業多年的痛點，渠道不通暢意味著企業獲客效率不高，現金流穩定性較差。長久以來，服裝企業一直在探索高效的創新業務模式。數據中臺推動服裝企業管理與運行朝數字化方向縱深發展，為傳統線下線上拓展。隨著人們消費習慣逐漸向線上傾斜，加之新冠肺炎疫情下居家隔離進一步驅動線上消費，傳統服裝門店轉向線上已是大勢所趨。數據中臺借助全域數據，洞察核心與優質客戶人群，對其在線購物偏好各維度進行分析，幫助企業探索諸如線上社群運營、輕店、直播等銷售場景。以直播為例，數據中臺可實現直播間精準、定向推薦，提高客戶轉化率的同時大大降低了運行成本。O2O至OAO的轉變。對于同時布局線上、線下雙渠道的服裝企業而言，雙線路的數據并未實現有效融合，導致消費者增長閉環存在缺口。數據中臺則推動企業線上與線下數據有機結合，實現從O2O至OAO即OnlineandOffline的轉變。透過全渠道數據，服裝企業可了解到消費者的渠道偏好，借助精準全域營銷手段，實現單一渠道向多渠道銷售的轉化，提高用戶對服裝品牌的黏性和復購率。多渠道聯動，探索銷售新場景多渠道聯動，探索銷售新場景線下門店線上路徑消費人群精準觸達，降本增效圖示：數據中臺賦能并打通全渠道鏈路2626阿里云數據中臺介紹阿里云數據中臺介紹數據中臺典型案例分析033.13.1阿里云數據中臺介紹阿里云數據中臺經歷了從內部實踐到外部服務、從通用服務到行業垂直化服務的發展歷程阿里巴巴是數據中臺的先行者和領路人。阿里集團內部業務領域廣泛，業務2012在阿里的定義中，數據中臺的核心價值在于圍繞數據在不同業務場景下的應用與賦能，“基于數據，直面業務”是數據中臺區別于數據庫、數據倉庫、數據湖等概念的根本。20202020年9月 6月 2015年2018年及管理平臺Dataphin2015年2018年及管理平臺Dataphin開啟公測2019年發布QuickStock智能貨品運營平臺升級QuickAudience2.0全域消費者運營平臺，伴戰略產品矩陣“2+2”升級案戰略戰略賦能從集團內部實踐到對外客戶服務，阿里持續完善數據中臺理念與內容，實現企業數據與業務的緊密銜接，從組織管理、業務流程、人才等各方面全方位2019阿里云四大行業數據中臺解決方案阿里云四大行業數據中臺解決方案金融零售政務企業阿里云數據中臺具有產品化與場景化特征，Quick產品矩陣實現不同業務場景的數據應用阿里云強調數據中臺是方法論、組織與工具的結合，三者缺一不可：OneData工具即阿里云數據中臺系列產品，旨在連通數據與業務，基于不同業務場景實現數據對業務的賦能。QuickAudience全域消費者運營平臺QuickStock智能貨品運營平臺……QuickBIQuickA+全域行為洞察分析阿里云數據中臺以智能數據構建及管理平臺Dataphin為基礎，以“Quick系列QuickAudience全域消費者運營平臺QuickStock智能貨品運營平臺……QuickBIQuickA+全域行為洞察分析業務場景數據應用業務場景數據應用智能數據構建與管理Dataphin智能數據構建與管理Dataphin 數據儲存、計算 MaxCompute數據儲存、計算MaxComputeEMRHadoop圖示：阿里云數據中臺核心產品矩陣Dataphin是阿里云數據中臺的基礎底座，承擔數據資產構建與管理功能Dataphin，為Quick系列產品在不同場景下的應用提供針對性、個性化的數據基礎。Dataphin提供數據引入、規范定義、數據建模開發、數據萃取、數據資產管理、數據服務等全鏈路服務，是企業打造數據中臺第一步所需的核心產品。智能數倉整合海量數據，打造智能數據倉庫；統一數據建設智能萃取生成代碼與調度任務

智能服務通過數據融合及數據建模，滿足企業對數據的各類需求智能資產管理確保數據可靠性、有效性及安全性圖示：Dataphin核心功能及應用價值Dataphin的高效運行離不開OneData方法論的指導。OneData框架下，Dataphin可集成全域數據，100%消除數據二義性，實現分鐘級自動化代碼生產，進行360度全鏈路數據洞察和主題式服務，簡化80%的查詢與分析。OneModel ?建立數據處理統一指標OneData方法論OneData方法論OneID ?智能數據萃取、打造立體畫像消除重復ID、建立智能標簽OneService?智能數據構建簡化數據查詢圖示：OneData方法論QuickBI實現海量數據可視化，成為高效業務決策的數據管理工具QuickBI是最早出現的Quick2017作為阿里云數據可視化平臺，QuickBI無縫對接各類云上數據庫和自建數據庫，實現海量信息的智能整合；內置40余種圖表和靈活的OLAP多維分析能力，數據可視化呈現形式豐富且多元；支持0代碼鼠標拖拽式操作，方便所圖示：QuickBI可視化呈現界面圖片來源：阿里云，36氪研究院QuickBI為業務決策提供高效且直觀的數據內容基礎，其應用價值得到圖示：QuickBI應用價值多場景應用圖示：QuickBI應用價值多場景應用實現移動化分析提高數據處理效率處理與分析全面業務洞察業務可視化呈現邏輯性能匹配QuickAudience打造以人為中心的消費者全生命周期洞察運營QuickAudience以人為中心，集數據資產構建、用戶分析、精準營銷投放、2020年QuickAudience9月，QuickAudience升級至2.0版本，將1.0單向的營銷推送手段升級為企業與消費者的雙向互動，數據資產構建消費者洞察用戶圈選營銷觸達數據資產構建消費者洞察用戶圈選營銷觸達RFM、AIPL據集，為用戶洞察提供數據基礎基于數據標簽與RFM/AIPL模型，進行標簽透視與顯著性分析，實現用戶群體細分精準選定目標消費者群體，進一步實現目標群體的透視與分析社交互動會員運營全域會員運營，實現會員轉化QuickAudience運營、互動、營銷消費數據沉淀Awareness公域消費者粉絲QuickAudience運營、互動、營銷消費數據沉淀Awareness公域消費者粉絲用戶Loyalty私域會員圖示：QuickAudience對AIPL細分用戶群管理QuickStock連通阿里與企業生態，基于市場洞察，全鏈路管理貨品運營2020年9月，QuickStock貨品的智能化管理流程。QuickStock基于企業全渠道貨品相關數據，借助強大的算法功能，實現對貨品的全面洞察，并預測銷售趨勢，進而賦能貨品商品企劃品類解構建議新品研發建議

渠道首鋪門店店態建議門店組貨建議

補調計劃補貨建議 企劃 生產 首鋪 試銷 補調 清尾 產銷協同供需計劃匹配智能訂單排產

商品試銷貨品監測整體銷量監測

智能清倉促銷渠道建議促銷人群建議圖示：QuickStock賦能貨品生命周期全流程貨品洞察貨品智能化運營管理QuickStock式，QuickStock基于數據資產，使企業更為準確地了解市場與貨品狀態，以需定產，以需定銷，實現人貨匹配與商渠匹配。同時，QuickStock連通貨品洞察貨品智能化運營管理阿里生態貨品、市場、消費全渠道數據企業生態市場洞察阿里生態貨品、市場、消費全渠道數據企業生態市場洞察圖示：QuickStock價值鏈路3.23.2阿里云數據中臺服裝行業服務案例——波司登阿里云數據中臺助力波司登打造全域數據體系，推動“人、貨、場”智能匹配自1976地位。2016而波司登也是服裝行業最早構建數據中臺生態的企業之一。在阿里云數據中臺框架下，Dataphin協助企業構建統一數倉，QuickBI和QuickAudience實現從消費者洞察到商品運營的全鏈路商品智能化管理。消費者洞察營銷洞察商品洞察商品運營QuickAudience用戶運營QuickBI數據可視化消費者洞察營銷洞察商品洞察商品運營QuickAudience用戶運營QuickBI數據可視化萃取數據中心商品數據體系門店數據體系消費數據體系數據域客服域導購域公共域日志域渠道域營銷域交易域積分域商品域消費域 多渠道業務數據多渠道業務數據圖示：波司登數據中臺框架波司登與阿里云高效協作，打通商品智能管理全鏈路，賦能業務增長商品智能化管理全鏈路的構建，為波司登解決長期痛點庫存問題提供新思路。一方面，數據中臺打通波司登全渠道數據與阿里全域數據生態，更精準地洞察市場與消費趨勢，及時響應消費者需求，為公司有效“產備銷”提供堅實的數據基礎。另一方面，數據中臺創新鋪貨及補貨管理，將商品售罄率控制在合理范圍內，避免大規模庫存不足或庫存過剩兩種極端。目前波司登已在全國1300家門店實現了精細化的智能鋪貨管理，基于歷史銷售數據，實現門店鋪貨建議與預在數據中臺的賦能作用下，波司登于服裝行業整體增速放緩的環境中“逆風翻盤”。今年天貓618消費季與88VIP會員節中，波司登ROI相較鉆展人群投放整體提升5.4%、UV34.8%。波司登數據中臺的高效落地，離不開集團與阿里云的雙驅動：集團建立項目變革委員會，推動IT與業務的融合，頂層戰略從上至下推動數字中臺方法論的滲透；而阿里云憑借行業經驗積累，“對癥下藥”，針對波司登現存痛點產銷協同單點突破數據中臺1.0（現階段)實現消費者與商品洞察；優化商品運營效率；提升集團數據運營能力

鏈路優化橫向擴展數據中臺2.0打造消費人群增長閉環；務、物流、人資等多環節

全域數智化應用深入數據中臺3.0大數據實現人、設備及產品的連接，深入數字化應用；實現集團全域數智化圖示：波司登數據中臺建設規劃3.23.2阿里云數據中臺服裝行業服務案例——雅戈爾雅戈爾旨在基于數據中臺，實現線上線下雙聯動，升級會員服務歷經四十余年的發展，雅戈爾現已成為以服裝為主、兼顧金融投資、地產開發面對日益豐富的消費者來源渠道，雅戈爾期待實現線上線下的聚合與聯動，以線上渠道實現獲客與推廣，以線下渠道為客戶提供高質量的體驗與服務。因此雅戈爾積極推動集團數智化落地，與阿里云共同打造數據中臺，以數據賦能集雅戈爾集團的品牌營銷模式已從流量至上轉化為以消費者服務為核心，以個性化服務內容拓展消費者生命周期，真正實現消費者資產的沉淀，打造消費者增長閉環。因而會員服務是雅戈爾重點聚焦的環節，也是此次數據中臺構建的重點之一。數據及技術平臺支持臺 算法數據模型設計層數據及技術平臺支持臺 算法數據模型設計層 數據中建設層與 數據服務與應用層業務域業務域財務域外協域團購域特許域推廣域銷售域會員域渠道域物流域商品域圖示：雅戈爾數據中臺架構雅戈爾實現個性化會員服務與營銷觸達，構建消費者增長閉環在數據中臺框架下，雅戈爾打通了門店管理、會員管理、會員服務、精準營銷等各環節鏈路。基于數據中臺強大的數據處理功能，雅戈爾實現消費者群體更為精確的細分，推動精準營銷及個性化會員服務的全渠道觸達。2020年天貓618消費季中，雅戈爾收藏加購ROI相比新客提升52.4%，數據中臺的價值持續得到釋放。消費者渠道來源營銷戰略服務方案消費者渠道來源營銷戰略服務方案私域用戶沉睡用戶線下門店線上渠道新客轉化沉睡人群激活消費者運營私域用戶沉睡用戶線下門店線上渠道新客轉化沉睡人群激活沉睡用戶沉睡用戶潛在用戶 線上線下交叉 優質購買人群放大潛在用戶線上線下交叉優質購買人群放大圖示：雅戈爾實現個性化服務與營銷觸達拉新消費者裂變拉新消費者裂變拉新轉化外媒人群及社交平臺用戶實現轉化會員資產沉淀打造核心與忠誠私域客戶群體；提升用戶對雅戈爾品牌的粘性消費裂變以核心客戶群體帶動消費者裂變打造集團品牌影響力沉淀圖示：雅戈爾通過數據中臺打造消費者增長閉環3737數據中臺的主要賦能邏輯數據中臺的主要賦能邏輯數據中臺的市場生態趨勢數據中臺行業前景展望044.14.1數據中臺的主要賦能邏輯以消費者為中心，以數據為驅動，重構“人貨場”，成為數據中臺賦能泛零售業的底層邏輯2019數據中臺基于數據賦能企業全域商業流程，對消費者的全域觸點進行科學管理，打造基于消費者全生命周期的智慧運營管理體系，重構“人貨場”。數據中臺將以人為中心的傳統Saas運營服務擴展為中臺化的企業級消費者運營服務，將服務對象從互聯網電商延伸至百貨商超、鞋服