从供应链到需求链:新零售下时尚品企业转型的必由之路

2018-09-06 14:49:01 罗邮供应链 82

2018年8月31日,由中国服饰供应链管理俱乐部、中国服饰品牌供应链联盟主办的“2018服饰供应链俱乐部年会”在成都顺利举行。

四川罗邮供应链管理有限公司高峻峻教授受邀参加了此次大会,并发表题为《从供应链到需求链:新零售下时尚品企业转型的必由之路》的主题演讲

供应链管理|物流供应链规划与设计|物流整体解决方案

高峻峻教授认为,对于时尚品行业而言,需求链就是要把“人”“货”“场”有效的融合贯穿起来。这种融合的核心是要围绕时尚品中的“货”展开。

供应链的需求要从商品规划和开发时就开始去考虑,用户画像、商品画像和店铺画像的属性结合,最后通过提供适销对路,数量合适的商品体现出来。

其核心观点如下

  • 之前的供应链相应的可能会非常强调成本,强调效率,强调对需求的快速响应上,强调需求是它的一个输入。但是到了需求链这个层级,可以看到类似于7-11一次地迭代下来,最后它非常强调的还是商品开发一定是最重要的。

  • 要“千店千面”,其实就是要把“人货场”进行一个充分的链接。

  • 要建立一套好就是好,不好就是不好,好的如何更好的机制。这套机制不能完全靠人工去看,要靠一套分析规则,这样也能够逐渐的去让从业人员整个的工作量能够解放,可能更多时间可以去思考到底用什么样的规则在其中更好的去影响需求,更好地提高售罄。

以下为整理高峻峻的演讲速记:

非常感谢中国服饰品牌供应链联盟、中国服饰供应链管理俱乐部提供这么好的平台,也认识了很多的新朋友。也非常感谢邀请,与大家一起交流。我的观点供大家来参考,也希望与各位可以有更多的互动和讨论。

我个人是做零售供应链这个领域的时间比较久了,从理论和实践的角度一直都在与我们服装行有密切的接触。所以今天也很荣幸的来分享一些以往的体会。

那么首先,先导入一个其他行业的例子——7-11便利店。这个是京东和阿里也都比较重视的,并且从去年一整年基本上也都在研究的,7-11在做些什么。

供应链管理|物流供应链规划与设计|物流整体解决方案

7-11是从上个世纪70年代开始,基本上每七年就会迭代一次它的信息系统,至今一共迭代了六次,我们稍微总结了一下它前六次的要点。

第一、二次基本上可以忽略,因为国内的信息化程度可能早就超越它了。但是我们从后面的几次来看,基本上能看到一个7-11逐渐的迭代路径。

最关键的是类似7-11、全家这样的一个信息系统迭代的这么多代之后,这样的模式也是我们今天提到的需求链模式。所以今天想跟大家讨论的,就是供应链跟需求链之间到底有什么区别?

从7-11的角度看,自第三次迭代开始,依据是他的根深蒂固的一套商品管理理念,这关系到商品铺到门店的整个的商品结构的宽度、深度。这种结构其实与服装行业相似,只不过是商品品类数的不同,管理的方式不同。

从第四次迭代开始,7-11完整信息共享的体系基本就建立了。就像刚刚前面两位投资界的赵总和余总分享的观点一样,其实对于零售来讲,能把整个的信息很有序的打通,其实还是比较难的事情。所以我们看一下7-11的总部信息,门店信息和分析层面的信息,都各司其职地组成了7-11整个信息系统的一个真正的大脑。

这与像沃尔玛这样的传统零售,纯粹从供应端角度出发的系统有点不一样。需求链会从整个从总部的角度,把所有商品的开发和商品全盘的结构分析,包括门店适合铺什么样的货,铺多少这样的问题都有一个非常深入的分析。

而且在这个分析体系里,包括所有类似于服装行业常说的“畅平滞”的划分,都会有一套很动态的标准。它和我们服装业一样,也会去做商品生命周期的分析,然后也会去看它的生命周期曲线的走势,来判断什么样的商品应该淘汰。

所以7-11每年淘汰的商品种类也会在60%以上,整个的周期淘汰率比较强。而7-11从门店收取的信息基本都是比较贴近消费者的信息。这个信息就像今天提到的,无论是阿里的数字银行还是京东和腾讯联合做的京腾计划在做的,收集的是很多门店消费者的信息。

但是问题在于这些信息到底应该是哪些?如何能够用到商品上?对于7-11来说,它就会用更多的数据去分析消费者要什么,消费者有什么样的偏好,所以这个数据就不是仅仅局限在销售数据上。

我们服装行业都知道销售数据失真情况还是比较大的,会受到我们服装销售的断码断货的影响也是非常大的。所以单纯基于销售数据的很多分析,包括对于畅销款的分析,可能会因为某些店压根就没有铺到货而产生一定程度的失真。没办法准确地判断真实需求到底是什么?

对于7-11来说,它会将周边的学校的活动的数据、客户进出门店的时候的状况产生的数据,都非常明确的通过门店来收集。这种对于数据的收集是通过它第四次迭代是实现的,而后面的第五次就能够实现供应链的深度整合了。

供应链管理|物流供应链规划与设计|物流整体解决方案

这种信息整合的方式中很重要的一个标准,就是供应商跟7-11之间的合作到了商品开发的层面,而不仅仅只是有一定的合作关系,或者只是从契约的角度上在传统供应链上进行合作。

它要求的合作要到商品开发上,这种合作的深度比较深。而在这样的深度下,7-11的所有的供应商都知道他应该以多少的量的生产,包括以什么样的生产节奏生产,然后生产的整个情况,全部是由7-11来指导。

最后一次迭代就是基于大数据的支撑,和我们现在的信息层面是一样的。那么我们快速地去看,7-11花了这么大的精力,做了六次的迭代,又把自己的系统叫需求链,这跟供应链之间到底是一个什么样的区别?

之前的供应链相应的可能会非常强调成本,强调效率,强调对需求的快速响应上,强调需求是它的一个输入。但是到了需求链这个层级,可以看到类似于7-11一次地迭代下来,最后它非常强调的还是商品开发一定是最重要的。

而7-11的商品开发强调的是对人的需求的感知。所以就回到了我们外界的各种各样的关心以及讨论的——关于零售业“人”“货”“场”三个要素。

对于人,阿里说对人一定要关注,那么到底对人关注什么?从7-11的案例中看,对人的关注是其实还是关注人的需求。而把人的需求转化为商品,这就需要一套体系去做这件事。

“场”在这个体系中,更多的是人与场景的一个链接,把人和货能够更好的在这个场景下匹配下来。所以才会有今天很多服装企业在说,我们要“千店千面”,之前都是“千店一面”。

要“千店千面”,其实就是要把“人货场”进行一个充分的链接。我们的“货”,就可能不能像以前一样完全用自己的那一套进行开发,他要像7-11一样去做市场的感知,要去敏锐地去捕捉消费者的需求,并且要把需求转化成商品。

因为对一个零售企业来讲没有货是没有意义的,所有的营收都是要靠他的货来实现。所以我很赞同刚刚前半场的于总说的,我们有更多的流量变现的可能,有更多的链条去接触链接消费者。

但是链接之后他的什么信息要传递给我,怎么转成我的商品,这可能对企业来说是一个比较痛苦的痛点。这也是目前阿里和腾讯可能整个在这一块做的时候也会有这样的问题,他们能获取的用户标签非常多,可能一个人有七八百的标签,但这些标签到底对某一家品牌商或某一个企业来讲,最后对应的到底是什么样的产品?然后企业有很好的一些营销的方式,那当客户在什么样店铺上出现什么样行为,我就给他提供什么产品,这就是这个人与商品之间的链接点,现在其实还没有完全的定好,也没有找到一个特别好的方式。

那么“场”这一块,它其实确实也有很多的问题,经济发展不同的城市的每一个“场”里适合放什么样货?这个“场”里面到底该有哪些标签?这些标签怎么能引导的合适的货配过去,那么它也是需要知道来这个“场”的人群分别,把这个人群的标签又和货进行匹配。

所以实际上需求链就是的“人”“货”“场”三者的协同。因此从这个角度来讲,谁能把自己信息系统叫需求链系统,它其实是能够很好的把它前端的商品开发到接下来铺到什么样的门店最适销对路,铺货的量应该是多少,可以从传统供应链的角度做出需求预测判断,然后可以在一个量的基础上去更好的去考虑后面的补货,就类似于服装行业的追单。

再往后的是我们的供应链的整个的周期到底该多长,什么样的资源配置是比较合适的,不是越短越好,但是太长肯定也不对。所以这个有长有短会有很多的组合的方式,能把市场后端的整体资源跟前端的商品完全配套起来。所以这个就是7-11比较强调的这样需求链概念,也是我比较赞同的一个理念。

其实放到服装行业里面,它就相当于是把传统的、包括很多外企的供应链部门在做的需求计划,供应计划、包括说的铺货、补货、分货、追单、主生产面料等等这样的一套供应计划,真正的跟前端的商品计划真正的链接起来,那这就是需求链所强调的。这个时候他真正的链起来的,不是传统的供应链讲的我接受你的商品,而现在是全盘的穿起来,他们真正的深度的融合在一起。

供应链管理|物流供应链规划与设计|物流整体解决方案

所以目前在服装行业里,这几年大家争论的也挺激烈的,就是很多企业做了TOC的项目,也就是整个的动态地消补。

而从TOC整个的原理来讲,应该说还是非常完善的理论,它会去考虑门店到底什么样的东西好卖,那么快速的给门店进行补货,有相应的这种总仓作为一个集聚效应,再配套的在销售季节前少订一些货,那么销售季节中进行快速的翻单。

所以整个的理论体系总体来讲没有什么问题。但是企业在实施的时候,还是碰到很多问题。所以这个回到我们刚刚说的需求链里,有些大的前提需要回答。

从整个的TOC逻辑上看,基本上都在你的商品已经完全假定,或者说商品的这种计划是否合理,是否科学,是不是很好传递给需求端的问题可能都不清楚,都没有办法很好的去衡量的前提下去做的。

那么像服装有那么多的门店,回到刚刚说的“人”“货”“场”中去协调的时候,就会出现你是不是把合适的货铺到合适的门店?如果这个货铺的不对,你后面在消补的时候也会出现畅销的货可能会快速往大店聚集,然后不好的门店铺的不好,而一开始做的不好,可能会陷入恶性循环的问题。

包括再细一点的,尺码也是其中一个原因。一开始尺码的配比如果不是很合适的话,那补来补去还是前端不够。

所以真正的回到商品这块再去分析的时候,它会比较复杂。从整个的品牌大类到下面有多少个系列?系列下面一个有多少个相应的各种各样的一些品类,品类里面的它的价位段又怎样?这里有非常非常多复杂的结构。

然后应该是什么样的结构铺到店?定期送过去之后,到底消费者的反应是怎样?铺得对还是不对?甚至是要调整结构,那如果商品本身就不好,是不是能反馈到企划部的研发?所以这个整个的在现在的这种新的全渠道零售或者新零售模式角度来看,我们的服装企业,它的整体的监管体系就不再仅仅依靠后端的一个“转”,就能把前端得很多问题解决掉。

其实前端的企划问题,前端的商品结构问题,包括你商品管理人员的这些经验,哪些是好的,哪些是应该坚持贯彻的,哪些应该执行的,以及最基本的前端的那个PLM系统里面传递属性是否完整,那个属性是我们想分析“场”的时候的人群定位的属性吗?是我们想分析货的时候知道的那个属性吗?或者消费者很关注的那个属性点吗?如果这些点都记录不准确的话,数据多少其实都算不清楚。

最后分析来分析去,最后还是回到传统的方式,无非就是根据品类结构,按照上一季的情况进行操作。

但是会有很多缺失,包括缺货标签没有,生命周期的曲线也没有做过很科学的在不缺货情况下的分析,所以这个时候你们店真正什么东西好卖,这个量到底多少也是做不出,做不准的。

那么在整个的前端有这么多问题的情况下,单纯的说上了TOC项目,并取得很好的成果的难度是非常巨大的。可以说相当于把说的压力都给到后端供应端。

所以在国内企业在做这件事的时候,碰到的问题基本上是是刚刚所表述的这样一个状况。

当然有一些其他的问题,有时候太激进的供应链,就会把周期压缩得过短。但是反过来看我们零售经营的一个基础才刚产生,生产产品品质、消费者喜欢的、希望要达到的这种质量的产品都才刚刚开始。

如果说为了刚刚的这样一个短周期的项目推进,速度一定要达到多少,它很可能就会损失了这个商品的质量。而一旦这个商品损失掉,后面无论再怎样去努力,它都非常有限,提升的空间非常小。

而像ZARA这种方式,它可能不怎么太去说他产品的整体架构,但是基本上我们企业比较困惑的一些问题,仔细去看,它在它里面其实都是一个体系在解决,在一个完整的体系来讲一件事。

比如说他可能是它自动上新,但是其实ZARA的自动上新可能只是它时尚款的一个款式。然后再说他这个时尚款的款式能够翻新速度更快,但是大家都知道它整个后端的供应链打造出这样一个这种重资产,打造这样的一个供应链体系,所以整个的速度比较快。

但事实上他从前端的设计开始,就已经从面辅料生产,后面的门店的这种应该配置什么样的货品,通过什么样分析,如何进行补货、如何进行追单,他所有的东西已经都串在一起。

所以它的这个企划,然后他的商品,它的供应链,这三者之间整体的这个整合度是比较好。所以刚刚说的时尚款可能是一套供应链模式,经典款也是一套模式,期货款也是一套模式。

所以我觉得对于商品企业来讲,商品、需求、供应它可能需要一个整体的一个体系性的一个变革,可能在这一块才能使得未来大数据得很多的分析真的落地。

不然的话,就是刚刚提到的各种各样的情况里面,很多底层分析的数据、属性都不全。像需求这个环节,目前没有几家企业有需求预测的岗位,但是会有商品管理的这样的岗位,会比较类似,包括到供应这一块,会有很多的经验。

然后前端的商品端,那么是完全的零售运营这一块买手、整个的企划团队的各种各样的分析,这块有很多的经验,但是几者之间一直缺乏串联。所以它已经非常清楚,什么时间设计,设计的频率是怎样?他能够周周上新,但他前面的整个的这种企划的研发,前面那一块的研发周期,就不像我们要花几个月的时间,所以这个模式一定是混合的,只是里面的比例应该多少是个问题,而且它每一块的每一种变的运作方式都是有配套的,从设计开始一直到最后。所以它的商品需求供应三者是打通的。

但是这里是一些阿里京东对于新零售也好,对于无界零售也好,它有很多很多的一些观点的一些陈述。就是觉得传统的零售跟目前的这个新零售有了一些本质的一个区别,它更多的是大数据驱动的端到端的这样一个全领域的商品连接,对它们的这样一个叫法。

但是我是感觉就是大数据这个驱动整个的这一块有非常多的基础性的工作要做。所以我们目前在做的是相对是最基础的工作,先帮他计划打通。然后事实上它也同时也在做智慧门店,还在做零售端的全渠道的触达。

然后还在做他整个的一个大数据的研发,在企划中会有部分的款是会根据流行趋势来快速开发的。他们自己同时在做其他方面的改变,那么两方面一起努力,到了一个时间点,真正的大数据但是驱动才是有可能实现。否则现在很多的数据都没有穿起来。

人货场三个方面所需要的很多串联决策的基础数据,但是系统中还没有。所以这也是列举了很多,希望有更多的大数据去支撑它的一些流行趋势。

它的商品企划是希望与人匹配,就是它定位一个人群,然后这个人群到底喜欢哪些东西,它要转化到跟它品牌定位相适合的一些属性。

所以用户的标签要跟货的标签跟场的标签必须穿起来。所以我的感觉是仅仅知道一些性别年龄,他的这个消费行为是什么样的是不够的,那个可能更有助于帮你去策划一个品牌形象。

但是真的到了企业实际运营,那么全是货在门店卖,后面的货是源源不断的,而且要畅销的不断货,那这时候需要的是人货场三种标签真正的穿起来。

所以这里面是把刚刚表述的内容,从服装行业的角度来进行了一下快速的一些刻画,比如说刚刚说的场,那他一定需要很多新的店铺的一些标签。那么他到底在几线城市到底在什么位置?是这个他现在所在的位置周边有多少竞争对手,但是竞争对手它到底处在一个什么样的竞争情况?然后这个门店进货进店的这个人群到底什么类型,这个类型的划分,要和货的标签匹配上。

这样的话我再去铺货、调拨等等或者说我考虑要多考虑所有的或者资源分配的时候,这个标签要发生作用。

没有作用的话,对于供应链的帮助就会很小。所以很多企业都在思考,原来大家都在学ZARA模式,然后整个的比如说女装的生命周期都很短。那么产品在这么短的时间内,要跑出什么样的东西好卖,还要把这样的一个货补充上,那么这个模式其实对企业来讲也是超级痛苦的。

所以实际上你再返回去看ZARA,有短期的也有很多长期的东西,所以这个比例应该是到底怎么样的去围绕这个品牌另类搭建一个合理的一个商品结构,然后不同的货,用不同的方式出来。

所以这个时候就实现了我们说的计算精细化的这样一个从需求角度开始完毕。所以在商品的计划让它销售季节中,围绕着商品做各种各样一些活动。

在这个过程中,所有的需求其实从销售季前到季中,最终都不断的在更新。季节前可能会更多地跟我们整个的经营的一些规划和预算有关。

所以这一块可能就会用到各种各样的一些流量的判断,你在每一个链路上的情况也是现在新零售做得比较多的,他会去区分它整个的线上线下订单比例,到底进了什么样的场,然后什么样的情况下它的比例是多少。

在这个时候我是觉得那个流量的很多东西其实是我们需求预测的重要一个组成部分,在有货的前提下,或者对一个货已经界定的很清晰的前提下,你确实可以考虑把流量更好的运营起来。

然后这个流量运营是帮助我们更好的影响需求,因为前面的货只要好,能够更好地围绕这个品牌定位,考虑了相应的需求,把这个合适的商品开发。

下面的流量这一块更多是判断需求的量,然后需求的量可能达不到你的一些预算的时候,用各种各样的方式去影响需求。看到系统的做其他品牌的多少,最终流量在供应链里面可能更多是跟我们需求预测会比较相关。

然后下面的整个的一个供应计划,它其实是从需求链的视角来看商品,可能更多的是我把我的大脑级别已经算得很精准,分析人货场去考虑合适的商品,而下面的这个需求和供应这个环节,它更多的是打通我的经脉,让我们供需在每一个销售季前中后的每一个环节,我的供需能协同起来。

所以我们前面提到这些TOC,有些项目失败,那么也是这个在这里面没有想得很清楚,或者说实施的时候,可能更多的考虑了供应链的生产这一块的一些改造,那面辅料这块到底怎么办?企业也很纠结。所以可能这个商品稍微低端一点,他会考虑更多的通用能力。那你再高端一点的面料很多需要能需要手工,有的需要进口,那它的周期就是不好的情况下,你的供应资源肯定要提前这种需求和商品去考虑什么样的东西,我是可以用什么样的方式去管。

那如果还是很难管,有些产品的话,那你确实需要像ZARA一样去考虑一些常青款的设置。所以这些企业在做这个商品和供需协同的这个整体的过程中,其实就不断地来在改良自己的整个的一个商品构成和它配套的供应链和服务的方式。

当然后面的整个这个消补的追单,我是觉得在前端分析的清楚的情况下,其实后端的问题少了很多。那之前服装业的朋友,大家一起在讨论的时候讨论调拨还挺多的,就是对货的判断不准,这个调拨成本其实很高,所以前端相应的有一定程度的改善,后端的这个消补的规则和策略好一些的话,其实调拨的问题应该会大大减少、难度会降低很多。

因为你相当于这之前就已经按照人货场这样一个最细微的颗粒度去考虑所有的商品的规划,而不是之前那样前端只考虑商品,然后让你市场的销售再去考虑往哪个门店去,再去分,实在不行再调。

所以尽量从一开始就把人货场全部穿起来。所以这里面也觉得学一些口号就是说可能做供应链的都觉得预测不对,应该要提升需求预测准确度。

但是对于预测来讲,如果不以商品计划为核心,不考虑整个的渠道的拓展,那么多的店,那么多的流量,单纯的预测是不可能准确的。

而后端的整个的这个铺补货也好,后端所有的各种追单,希望能够提高售罄率,保证库存的一个动态平衡。那它非常需要的还是你对商品像7-11那样,真的有一套非常明确的机制。好就是好,不好就是不好,好的如何更好。这套机制不能完全靠人去一个一个去看,还是要靠一套分析规则,这样也能够逐渐的去让从业人员整个的工作量能够解放,可能更多时间可以去思考到底用什么样的规则在其中更好的去影响需求,更好地提高售罄。

供应链管理|物流供应链规划与设计|物流整体解决方案

那么这是我们计划模块的一些设计,暂时就不详细的展开了,就是说对于我们传统的信息化来讲,刚刚所说的问题,可能不是最下面的这个执行层的东西,然后也不仅仅局限于上面的可视化的这样一个层面,或者说跟供应商之间的信息得更加的透明化的这样一个阶段。

它需要的还是从商品的角度,从企划研发,这个从plm系统开始,就能够有各种属性。然后市场部在那边,或者说商品那边,运营那边能够有更多的店铺的各方面的数据,能够真正上来。然后把人这块营销这块分析人的很多三个之间的标签,这样能够更好的去做计划系统。

那这些这些整个的刚刚说的那个人货场这些基本的东西不打通的时候,其实你的计划很难做。这块怎么做都是不对。串联起来,它可能更多的需要其它的一个大的战略调整,一个因为之前的时候分散的去做一件事,那么大家思想要都分散,然后共同的去计划从头到尾穿着起来,这样每个人都能看到别人,才会知道它的决策,大家考虑哪些因素,这个供应链上的透明和信任才会比较好。

供应链管理|物流供应链规划与设计|物流整体解决方案

所以基于上面的整个的一个大概的一个思路,我们用这样的一个图,最上面的这个战略层,它就是更多的表述的是需求,是大脑的这种感觉。

这个需求是要有感知的,这个感知是感知的肯定是人的需求,但是一定要落到商品上。

然后包括我们说的场,门店到底该放什么货。那么这一块就会有人的标签、货的标签、场的标签之间的这样一个不断不断人货场三个真的匹配。然后下面的战术层,那么主要还是需求计划和供应计划,最强调的是脉络的打通。

我前面有一套明确的商品的东西是都能看得到,不是在某个人脑子里,不在某个人计算机excel里,而是大家都知道所有情况才能够真正的推导需求和供应的一个协同。

对于企业基本上已经到了这个阶段,因为这一块的瓶颈很明显,像刚刚前面介绍的服装业,确实我也很看好它未来的趋势。

但是呢如果说这种大脑层级和静脉的这种协同层级没打通的时候,他其实库存风险确实很高,然后去做很多的这个投入的时候,确实会有失控的问题存在。库存到底怎么控制,把自己得真正的运营指标想要做好,那一定是商品需求供应全面的全面打通。所以这是上面的两层。

下面这个时候下面的执行层的问题才会减少很多。执行层更多是,到底货是晚交了迟交了,或者是这个今年的天气走向异常,那执行层也要考虑、分货的时候也要考虑。所以现在这些都进入模型的话,这个整个的供应链的效率才会真正的提高,最终提升。所以在执行层可能更多的是效率的分析。

那么这张图再次去强调一下,店铺画像、商品画像,我觉得是挺迫切。因为用户画像所有人所有企业都已经认同了这个重要性很大,但是商品和店铺的这个重要度在企业内部还真的需要一定的推动力才能实现。

商品真的是要从头到尾的去穿商品画像,店铺这块就和整个的市场运营有关。所以作为传统的这个渠道部门或者市场部门,那么对于这块可能都是自己有很多的经验性的认识,但是这些认识可能有些是非常好的,一定要一定要固化下来。

一些可能是需要数据给你反复验证的。所以这样一个反馈还没有建立的时候,那么全是人的经验。它对于我们整个需求链的一个模式来讲,还是很重要的一个技术工作。也是我们看到很多企业信息化还正在努力的这个过程中,认为缺失很多数据。其实也不用很多,只要能人货场串起来就好。

我们这个视角去看需求链。确实这个需求链它其实比较适合零售。制造业企业没有那么大的压力要去将商品,需求供应全面打通,零售的压力确实很大。

尤其是后面这么多的渠道,这么多的链路能接触到消费者,那你其实需要研究每个链路适合的一些商品是什么,然后它的需求量到底会怎样,再之后的。

所以被动型的、预见型的,最后都希望达到的是比较智慧型的,能够精准地知道消费者的需求是什么,把它转化成合适的商品。

所有的后端的供应链的整个的运作,全部是围绕品牌的定位和商品的一个整体的规划,再去更好的去匹配好我们的供应链资源。

我们供应链这边也是胡总也是很及时的在供应链的整体的怎么跟前端配套非常多的落地的好办法。所以当这个整个的前后端真正穿起来的时候,我觉得在零售企业,我们也能做到像7-11一样。

所以我们现在是是营收相应的可能还会有瓶颈存在,所以会更多的去考虑它的多品牌,以及他如何更好的去让更多的消费者知道和了解。那么这个是它的经营上的一个大的东西,那么落到供应链这个角度,他们确实非常希望前面有一个好的发展,我们后面配套的把成本做下来,把利润做上去。

罗邮oiBP智慧需求链时尚品解决方案,致力于为时尚品零售提供供应链大数据挖掘和应用的全套预测与决策解决方案。专为中国时尚品零售企业实现智慧计划与决策而打造。

主要是对时尚品零售企业线上线下的订单行数据、CRM数据、行业大数据、天气数据、区域消费群大数据等进行分析和挖掘,利用机器学习算法建立运算模型,销售季前对商品需求进行智能预测,进而指导分销商和自营公司的订货会订单决策、商品的销售季上市计划、铺货计划和分货计划。

然后结合库存策略推演系统和销售季内的滚动需求预测及畅平滞的智能划分,对所有门店进行自动补货和智能追单决策,并对节假日和大促的促销计划进行优化。

最后,销售季前、季中和季后会将上述商品计划与需求计划与生产资源、物流资源和面辅料库存资源进行对接和协同,实现商品体系、营销体系和供应体系的完美匹配。

具体表现为如何铺货到店并确保爆品不断货、滞品不积压,如何杜绝爆仓、如何让促销更加有效、如何让物流体系更加高效、如何减少大幅打折和售罄率不理想以及如何确保面辅料不断货和生产高效等问题,从而有效支撑时尚品零售企业的多品牌发展、多业态开拓和全渠道零售。已为Lily女装、飞亚达手表、特步电商等时尚品企业提供服务。