“新零售”的核心是“以人为本，数据驱动，重构人货场”，人的需求和数据的效能正在以前所未有的力量改变包括零售行业在内的所有商业。IOT技术正在建立物理世界与Cyber世界之间无缝链接，AI算法的快速演进令大量数据沉淀变得意义可读、可预测，又反向促进了可测量数据维度的几何级增长。对于零售行业而言，数据沉淀已经进入一个微粒化的时代; 与之对应，普通的个体消费者则希望享受到微粒化带来的颠覆式体验，并真正从中获益。

对于消费品品牌商和实体零售商而言，解读和实践新零售的商业方式不尽相同但以数据和前沿技术武装和升级自己却已成为行业共识，“智能变革”正在开始发生。

以效率为目标的智能变革趋势

效率意味着数据驱动下实现基于整个产业的智能决策和网络协同。对于零售行业而言，效率在品牌生产侧意味着以精准匹配需求与生产为中心的效率最优，在商品通路侧意味着以合理库存、合理选品为中心的效率最优在”新零售”加速线上线下融合、AI/IOT等技术应用趋于成熟的双重驱动下，我们注意到泛零售行业以效率提升为目标的智能变革体现出以下趋势：

1．智能技术在数字化基础上开始取代人工决策。

原本用于衡量自动驾驶的分级标准从自动化程度来讲，同样可以用来类比衡量零售行业的智能决策。目前在门店运营、库存控制、物流优化等环节广泛采用的数字化智能解决方案大多可以做到“有条件的自动化”（对应Level3），即对数据流给出分析结果和建议，但结果必须经过人工确认和调整才会作为下一环节的输入。

例如，某服装品牌门店的智能补货系统可以根据历史销售数据和环境因子计算出某门店下周上新品时的SKU推荐列表，店长获得推荐结果后会根据经验调整总量和个别单品数，再向总部发出订单。在“高度自动化”（对应Level4）的阶段，随着算法的提升和零售全链路数字化，智能决策系统可以在确定优化目标的前提下，在更多局部环节实现不再依赖人工经验的智能决策和自动化行为。

随着技术进步，智能决策已经开始在全渠道运营、门店管理、供应链、产销智能一体化等方面全方位体现。

2．产业级数据拉通与即时共享逐渐主流化。

销售链路的数据拉通和即时共享是实现网络协同和资源最优配置的关键。传统零售行业中，销售、库存等数据在品牌、各级经销商、零售商超之间完全或部分的割裂存在，产业链成员可能各自拥有相对完整的电子化数据体系，但上下游之间的信息不透明、人工记录和延迟传递使数据意义显著下降。

健壮的产业级数据中台以及人工智能为实现销售链路的快数据通路提供了核心技术基础设施；建立在商业合作基础上的即时共享数据链，正在成为零售价值链上各企业实现降本增效的共同兴趣点。

More than DT：智能变革突破效能的典型场景

AI、IOT、云计算等技术应用在零售行业的渗透率增加，将直接产生各类解决品牌及零售商家运营中的具体问题，显著提升运营效率。多数实体零售线下门店的现状是，从门店选址到货品选择、运营管理，都大量依赖管理人员经验，店面业绩差距极大。

数字化、智能化的管理方式可以最大程度的实现标准化运营，减少经验因素带来的影响，一方面帮助运营者实现中心化、智能化统筹决策，另一方面有效帮助单个门店提升业绩水平。以超市门店的运营管理为例，在各类技术驱动下，大量目前要求人工决策或人工记录的场景有极大潜力被智能化自动决策代替：

对于品牌生产方而言，前端的销售与后端的供应链体系、生产制造体系需要在数据拉通的基础上以智能化方法进行系列升级，从而实现端到端的智能决策和效率改善。下图描述了某消费品牌在引入智能化变革时可能产生的典型场景：

实践-智能变革突破效能天花板

蒙牛

乳品快消行业销量波动频繁、保鲜要求度高、产线供给复杂、物流网络庞大，因而内部成本控制的复杂度非常高。在阿里云技术支撑下，蒙牛希望从销售排产、物流等几个方面深入进行智能化改造，从而实现成本的显著降低和效率提升。

基于大数据平台，蒙牛在自有CRM等系统之上集成品牌线上实际销售、线下直营经销商实际销售等数据，结合背景环境因子进行销量建模，致力于将“基于订单历史的人工预测”改变为“基于实际销量的智能预测”，提升预测准确度。

在精准预测的基础上，针对企业内部机制打造的定制化智能排产解决方案，可以根据实际订单对排产计划进行实时迭代，排产周期因此可以缩短一倍以上。

在物流成本控制方面， 通过大数据分析，蒙牛可以实现对营销资源布局、工厂生产资源布局、配送资源布局的通盘考虑，实现物流网络的最优建设；同时，从全链路角度，以数字化的方式为企业1-5年资源规划提供建议，协助企业实现“去产能，去产线，去品相，优布局”的优化目标。

珠江啤酒

珠江啤酒拥有1000多家一级经销商，啤酒经由一级经销商-分销商-门店等不同层级渠道，渗透至商超、便利店、大小饭店等多种消费场景，供应链体系复杂，渠道极为分散。在啤酒行业广泛使用的“积分兑奖” 激励政策，在过去一直由各级渠道采用瓶盖物理收集的方式，运回啤酒生产企业进行数量核实和奖金结算，效率低且产生大量不必要的逆向物流成本。

数字兑奖是珠江啤酒智慧供应链体系中希望搭建的一个简单功能，却可以为企业每年节省几千万的物流成本。顾客通过扫描瓶盖里的二维码直接进行兑奖，既节省了大量中间环节产生的费用，也为终端顾客与品牌方直接互动提供了良好介质。同样的方案，还可以帮助品牌商实现防伪和防止区域“冲货”的目的。

特步

全渠道运营管理：在引入大中台概念之前，特步的线上线下营销资源是割裂的，库存独立、促销规则不统一、物流成本高。在中台系统上线以来，这样的局面得以彻底改变：会员、订单、库存、物流、结算系统全部打通，线下门店作为前置仓，收到订单后系统会根据“先就全，再就近”的智能算法将订单自动派送至最近的门店，并且通过阿里星盘自动通知物流公司进行配送。2017年的“双十一”期间，特步的22万张线上订单几乎都通过这样的方式实现了自动派送，不仅做到下单第二天6点前准时发货，且同城发货占到23%，同省发货占到78%，与以前中心仓的方式相比节约了一半以上的物流费用，库存水平也显著降低。

门店生命周期管理：从店面选址，到顾客管理、商品选择，特步正在试图用更加智能化的工具来代替传统的人工决策。例如，根据店面的销售历史，结合天气、区域喜好等，智能调拨系统可以预测出门店未来一周的需求并给出精确到SKU的补货订单；生产制造侧据此进行SKU调整，由“收到订单后发货”改为“基于预测提前备货”，出货时间由平均45天减少至20天，也极大的减少了缺货情况，提高了门店收益。在这样的赋能下，加盟商也更有意愿与品牌打通平台，共享数字化带来的效能提升。

要满足不断变化的消费者需求，商家需要缩短制造周期想。为此，一些零售商正在转向使用计算机视觉的机器人来生产服装和鞋类产品。

阿迪达斯受益于内部和第三方的制造自动化

制造业的工作很容易被外包到劳动力成本较低的发展中国家。但是，工业机器人成本的下降，使得制造基地能够更接近于需求地点，像阿迪达斯这样的零售商就受益于这一趋势。最近，中国T恤制造商天元服装公司与阿肯色州政府签署了一项谅解备忘录，计划2018年在阿肯色州小石城建造新服装工厂，并以每小时14美元的价格雇用400名工人。

虽然这家工厂正在创造一些零售业的工作机会，但它的核心生产任务将会被严格自动化。天元的工厂将使用由佐治亚州创业公司SoftWear Automation开发的、基于机器视觉的缝纫机器人来为阿迪达斯生产服装。

“我们将安装21条生产线。系统全面投入运行时，每22秒就能制作一件T恤衫。我们每天将为阿迪达斯生产80万件T恤......在世界范围内，即使是最便宜的劳动力市场也无法与我们竞争。”

——中国天元服装公司董事长唐新红

很多繁重的工作将由人工智能驱动的机器人完成，人类工作人员将负责机器人维护和操作的工作。事实上，2012年美国国防部高级研究计划局（DARPA）授予SoftWear Automation公司的合同中指出：“把生产那些能够直接把零件制作为成衣的设备作为最终目标。”

2015年，阿迪达斯在德国建立了一个名为Speedfactory的机器人工厂，目前正计划不久后在格鲁吉亚建立另一家全面运营的Speedfactory。在这两个工厂中，阿迪达斯计划在5个主要城市（伦敦、纽约、巴黎、洛杉矶和上海）制造本地化的鞋类。这些鞋类将根据每个城市运动员收集的数据以及当地地形和天气数据进行设计。

竞争对手耐克也重点关注制造业的创新和速度

2013年，耐克参与了制造业创业公司Grabit300万美元的A轮投资，Grabit使用电附着技术和机器学习技术开发机器人。据彭博社报道，这些机器人只需50-70秒就能完成一个鞋面，如果是人类员工来做的话，需要花费10-20分钟的时间。

“通过减少30%的步骤和50%的劳动力，我们可以在30秒内生产出一双完整的鞋面，减少浪费。”

————耐克首席运营官埃里克·斯普伦克

（Eric Sprunk）

对于客户群体，Grabit一直都很保密：2017年5月的一份新闻稿显示，该公司的材料处理机器人正被运往财富100强的“行业领先的运动鞋和服装公司。”不过，最近彭博社证实，机器人部署在了几家耐克的制造工厂。

耐克还申请了实现鞋类零件的组装和识别自动化的专利，强调了其对制造业创新的承诺。零售商在制造业中利用人工智能的另一个例子是跨国化妆品牌资生堂（Shiseido），最近在其工厂生产线上试用了仿真机器人。该公司旨在进一步开发人工智能技术，使机器人能够执行更复杂的任务。

2017年，智能变革所引发的关注更多体现在与消费者直接观感相关的“场的前端”。一方面，以线上线下商业融合为焦点，从多个维度提升消费者服务和体验；另一方面，图像识别、传感等技术开始大量应用于售场，催生出无人超市、无人货架等新业态。

2018年，中国泛零售行业的数字智能化变革将更明显的下沉至消费品品牌和零售产业链内部，即“场的后端”。在AI、IOT、云计算、区块链等技术驱动下，重构消费者关系和运营决策流，以更细的颗粒度推动从消费者到零售商、品牌商的全链路业务和体验优化。微粒化数据作为核心生产资料，成为整个智能化变革“升维”的基础，撬动整个零售产业为消费者带来革命性的体验。