中国制造如何用大数据、智能商务武装自己
编者按:从“产业集群”到“工厂式生产”,再到今天这个颠覆性的年代,中国制造业不得不面对生产模式的改变。当前一场以“智能制造”为标志的“工业4.0”第四次工业革命热潮正在欧洲掀起,德国“工业4.0”战略在这轮智能制造革命树立了全新标杆,明确提出将机械生产、互联网、物联网三者紧密结合,实现原料配送、生产与物流的智能化,并从根本上改变商品的生产流程和方式。在此背景下,以中国服装业为代表的工业4.0改造率先启动。
“有品质支撑的品牌将迎来最好的发展机遇,我们遇到了最好的时代。”面对“中国制造2 0 2 5”战略的提出,高端童装品牌T 100的创始人董文梅难掩兴奋神色。“中国工业企业应因地制宜、抓住机会,有望成为真正大数据驱动的智能工业企业。”IB M华南区软件部信息管理部门技术经理何军如此表示。
显然,已经经历过库存大压的服装行业早已经先知先觉。然而,在转型的后期、在“中国制造2025”的风口之下,服装行业又该如何用好大数据、智能商务等工具来武装自己呢?
智能化改造
引进3D技术
“现在行业竞争越来越激烈,渠道和用工成本越来越高,企业的利润会受到挤压,要求企业要考虑精细化管理以提升效率。”卡宾服饰总裁吴少强如此向南都记者感慨。而在提升效率上,各服装企业可谓各显神通。
南都记者了解到,今年3月份获得ID G千万级投资的女鞋淘品牌柯玛妮克创始人林双德,率先将引进3D技术列入日程表。“利用3D技术,能有效解决研发时的模具费用及时效问题。”林双德对南都解释,按照传统研发模式,仅做一个磨具就至少要一个月时间,而且磨具的成本最少也要几千块。此外,磨具开发后,最终10个里面可能有三个无法接到订单,而这些扔掉的磨具浪费了较大成本。相比较来说,用3D技术则可以在两三天内就打印出成型的鞋,不但可以解决样品环节的效率,还能提升企业开发的精准度。
同样,都市丽人也在依靠IBM的智慧商务排班系统来提升管理效益。何军透露,这个排班系统旨在解决业务高峰期和低谷期如何合理配置门店员工的问题,比如系统会根据店铺销售的高峰和低峰,根据店铺每一个时间点的差异,对这一天员工的排班做排比,然后将好的销售员安排在门店销售的高峰时段,以提高工作效率和降低效率。据悉,该系统上线一年,在部分门店推广后,都市丽人的总体人力成本下降了0 .5%。
进行专业度匹配
不过,南都留意到,与这两家公司不同,为提高供应链效率,更多的企业会将着眼点放在如何让专业的人做专业的事上。
“未来服装行业每个环节都要做自己专业的事,比如做织布的、牛仔服的、成衣加工等不同环节,不同供应商只要做好自己的专业环节就行。比如以前管理供货商要几十个人,现在只需要几个人。”在这种管理思维背后,卡宾转变了对供货商的监管纬度:质量不应仅仅靠工厂的监控,而更多要考虑消费者的反馈。
“如果某些衣服出现退货,退货率会记录在卡宾对这家供货商的评估体系中,如果退货率超过我们设定的底线,供应商要按吊牌价对企业进行补偿。”吴少强指出,这样的一种管理体系和管理思维下,供货商会将损害消费者的利益和损害自己的利益联系起来,自然会把生产做好。
同样,对于专业化分工在提升企业效率上,茵曼供应链中心负责人云海也深有感触。“比如仓储,之前我们都是自己在管理,但后来发现自己管理很累,还总是发错货。”云海对南都记者表示,现在茵曼交给了第三方专业物流,一方面他们再也不用操心仓库,另一方面能腾出更多精力用于IT智能化管理仓库,不仅实现高效,而且降低了成本。
产与销的动态平衡
“服装行业过去20年发展强劲,但是对需求的管理很弱。一个集中的表现是消费者的需求和厂家的生产匹配度出现问题,从而导致产生很大的库存。”吴少强一席话直指,服装行业的另一个提升空间———生产与市场需求如何有效地平衡。
这不得不提的是品牌商要如何平衡库存。为了绕开库存对企业造成的压力,董文梅对T 100的每个门店实行订货制。“我们限定了每个门店的订货量,订单是固定的,卖完即止。这样T 100不会盲目生产,否则容易牺牲品质。”
相对于T 100的“保守”,都市丽人则通过补货系统来平衡库存和补货的关系。在使用IBM的系统之前,都市丽人的补货机制是有漏洞的,甚至可能会蚕食掉销售额。该集团副总裁沙爽曾列举了这样一个例子:假设某市场实际需求为250件,A店为100件,B店为50件,C店为100件,但由于发货系统依据订货进行补货,这与市场需求不匹配,最终造成了仅有100实际市场需求的A店发货量是120,出现20件的库存积压;有100件需求的C店的发货量却只有70件。这样的结果是,250件的市场需求却仅形成了220件的总销售额。
如何突破低效的瓶颈,让库存无限趋近于零?都市丽人给出了补货系统的新运作原理:总部可以根据店铺的销售情况自动补货,自动推送产品。它会根据每个门店的地域性和面对不同消费者的属性,及时调整门店与配送仓之间的商品库存分布,通过系统实现补货数量和品类的智能化优化,从而解决补货挑战。
据悉,补货系统上线第一年,推广至都市丽人仅百家门店,但门店中的库存降低了50%,门店的营业额贡献率上升了5%。
南都记者了解到,柯玛妮克同样也自行研发了一套自动补货系统,可以利用数据分析实时监控柯玛妮克的库存运转情况。这套系统设定了几个关键的数据点:7天的库存安全周期、生产周期(会根据不同供货商的情况有所调整)、每款鞋每天的需求量(根据过往的历史销售数据计算出每天的需求量)。根据(库存安全周期+生产周期)×每日需求量这个公式得出的数据来算出每款鞋子的补货临界点。“比如当天这款鞋系统算出的数据是170对,当日卖到只剩下130对,系统就会自动提醒要补货40对。”林双德指出。
上述系统可以让柯玛妮克将库存控制在合理的范围内、利于提高存货的周转率。“如果库存过高,品牌商的主动权会被库存拿走,而不是由市场销售人员拿主动权。”林双德认为。
值得关注的是,卡宾从去年开始悄然调整了商业模式。“以前分销商是买断卡宾的产品,但这种模式未来会被淘汰。”吴少强透露,此前库存的压力在分销商,但现在卡宾调整为代销模式,库存由卡宾来承担。“分销商最专业的是零售和渠道,而全国货品流通市场的监控在企业。”在吴少强看来,两者的角色是有分工的,模式转变之后,效果非常好。门店的售罄率超过80%,折扣率也很好。“未来我们希望门店的售罄率提升到85%-90%左右。现在卡宾的存货中转周期是180日,希望未来能继续缩短。”
供应链流程再造
采购流程的透视化
在这轮行业调整中,提升供应链的反应速度、让供应链更为灵活几乎被每一个服装企业提到了企业的工作重心上,越来越多企业提及柔性供应链这个概念。
供应链要快,意味着对原材料的快速供应链要求也更高。然而快速供应和质量监控似乎天生就是一对冤家,特别是对淘品牌。“茵曼目前的供应链,T恤出货可以做到7天,羽绒服可以做到25天,这样的速度很快。尽管大家觉得快和慢有矛盾,但快不意味着东西做不好。”云海指出,茵曼专注于棉麻产品,我们的面料都在仓库,我们供应链可以做出快速的反应。
对于打造柔性供应链,云海认为,最核心的环节是用户。从用户到产品出发,用户决定了产品端。在云海看来,未来的供应链应该是可视化、可定制化、智能化的。“供应链的信息化可以解决哪些问题,这是茵曼重点需要解决的问题。”云海指出,信息化确实可以给供应链的提升提供很多想象空间。“为保障产品质量,我们以前会建议工厂从哪些原料商采购原料,但这只是口头建议,如果工厂能找到有同等质量的优势供应商采购原料,我们也不会强制拒绝。”而在信息化系统之下,品牌商其实可以将出售延伸到原料采购,让产品品质更具可控性。“现在原材料的结算是工厂跟原材料供应商结算的,但如果以后管控到位,原材料货款可以从我这里结,当工厂需要什么原料时直接送到工厂,工厂未来仅变成一个组装厂就行。”
当然要让工厂接受“指定”的原料工厂,还需要利益的平衡。但是林双德认为,品牌商需要的是质量稳定,而加工厂需要的是利益,只要双方找到一个利益平衡点,加工厂其实是愿意的。而云海也指出,现在整个供应链在整个IT系统的建设上还有提升空间。“未来,我们每一件衣服也好,面料的供应商到底是哪一个流水线上的工人缝制的,可以通过智能的信息系统来追溯。”云海认为。
大数据推动生产
“互联网化或称智能化的工业企业,最大的变化是产品研发制造从原来的‘工厂到客户’(B2C)转变为‘客户到工厂’(C 2B ),从原来的基于自己掌控的生产资料进行生产要素的配置转向基于需求进行动态资源的最优配置。”何军表示。
这一点,如果通俗地来理解就是指服装行业对C端的数据进行搜集和分析,然而推动整个供应链的流程再造。
在大数据的搜集分析和应用上,越来越多的企业已经意识到这一点。云海向南都记者表示“现在互联网的数据支撑,我们可以知道,这个品牌的顾客群里,到底是喜欢什么样的衣服,喜欢什么样的颜色,什么样的版型好销,都可以利用大数据很好地分析你要做什么。”
对此,吴少强也表示,现在企业对大数据的搜集已经做得非常细了,比如他们的数据也已经可以提取门店商品类型的数据、销售的数据。不过吴少强也指出,这些数据如何能有效分析管理难度很高,仍需要挖掘并利用。“比如可以挖掘出一个消费者每年的购买次数、何时购买、每次购买多少、试了多少衣服、成交多少,可以用这些数据让门店的销售能力和消费者对产品满意度的最大化。”
大数据的挖掘、利用,确实让服装企业有了更大的可想象空间。“我们现在下单更多是利用C 2B的模式,商品开发完之后可以放到店铺进行预测,每一个款式的点击量以及顾客喜爱的程度,还可以在店铺微淘、微博和微信里和老顾客很好地发生关系。他对我们设计出来的款式,到底哪一款好销都一清二楚,很少去盲目。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策成为商业常态的今天,数据分析师这一职业正迎来前所未有的机遇与挑战。很多希望转行或初入职场的人士不禁询问:数 ...
2024-12-25数据分析师,这一近年来炙手可热的职业,吸引了大量求职者的注意。凭借在大数据时代中的关键作用,数据分析师不仅需要具备处理数 ...
2024-12-25在当今数字化变革的浪潮中,数据分析师这一职业正迎来前所未有的发展机遇。回想我自己初入数据分析行业时,那种既兴奋又略显谨慎 ...
2024-12-25在当今信息爆炸的时代,数据已经像空气一样无处不在,而数据分析则是解锁这些信息宝藏的钥匙。数据分析的过程就像是一次探险,从 ...
2024-12-25在职场上,拍脑袋做决策的时代早已过去。数据分析正在成为每个职场人的核心竞争力,不仅能帮你找到问题,还能提供解决方案,提升 ...
2024-12-24Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19