在伊利對外展現的不斷進化的產品底層，這家國民乳制品企業已經建立起了精密、龐大的以數據中臺為底層的數智化模型，真正做到了“以數據為業務導向”。

　　如今，這不僅是伊利的故事，更是中國一眾大型供應鏈企業的新故事。

　　作者|皮爺

　　出品|產業家

　　一瓶牛奶的營銷活動應該怎么做——是傳播產品定位，強打奶品品牌，還是價格戰?

　　對伊利而言，這些僅為眾多考量因素中的冰山一角。“之前我們面向消費者的規則和標簽可能是6—8個，現在是60—80個，未來甚至我們有可能會做到1000個。”伊利數字科技中心總經理尚直虎告訴我們。

　　這種足夠細顆粒度的洞察，體現到終端是伊利對不同消費者人群的精細化需求滿足，基于數據對前端的產品和市場行為進行更為科學化的營銷“排兵布陣”。

　　這是“數智伊利”的一個縮影。

　　對于伊利，外界的認知有所不同。對消費者而言，人們熟悉且驚嘆的是伊利的不斷破圈，比如在過去的多年時間里，包括金典、安慕希、金領冠等一個個伊利系明星品牌的崛起，再比如最近邀請陳魯豫作為伊利巴黎觀賽大使等等，這些都逐漸成為伊利這家國民乳制品企業在市場上的新符號。

　　但對于數字化領域的從業者，他們更直接感受到的則是伊利創新背后的數據支撐與AI含量。

　　對伊利等一眾中國企業而言，其數智化挑戰相較中小企業和新興企業難度要大的多，從供應鏈的復雜性到企業內部流程的優化，針對如乳業此類具有獨特行業特性的領域，都是一座座大山。

　　這也導致了一個普遍情況：即在過去的多年時間里，對這些大型供應鏈企業而言，數據體系建設、業務升級改造等數智化工程進展緩慢。

　　但伊利是個個例。在伊利對外展現的不斷進化的產品底層，如今這家國民乳制品企業已經建立起了精密、龐大的以數據中臺為底層的數智化模型，真正做到了“以數據為業務導向”。

　　它做對了什么?又或者說，如果從乳制品這樣一個極具產業特色的方向出發，伊利基于數據的數智化建設體系對一眾傳統賽道企業，乃至當下千行百業里的其它供應鏈企業能有哪些啟發?

　　這不僅是伊利的故事，更是中國一眾大型供應鏈企業的新故事。

　　一、“一個數據的新起點”：

　　從數據中臺做起

　　“我們是在2022年接到的邀請，伊利邀請瓴羊一起來合作建設數據中臺。”瓴羊智能科技(下稱瓴羊)相關負責人告訴產業家。這是伊利內部在過去兩年勢在必得的首個數智化戰略要地：數據中臺體系。

　　從企業數智化轉型的視角來看，數據一直被稱為“金礦”，即只有在數據層面有精細化的體系，對應到產品和業務側，才能真正做到科學指導，進而驅動前端業務升級。

　　這并不是一件容易的事情。以阿里巴巴和瓴羊為例，互聯網企業引進數據中臺通常較早，由于大部分的互聯網企業數據本身就建在云端，數據的整理和存儲通常都較為清晰，進行數據中臺的建設順理成章。

　　但伊利則不然。首先從供應鏈看，乳制品對應的產業供應鏈幾乎可以稱之為最復雜的供應鏈之一，其上游可以延伸到最小單元的奶農、牧場，下游對應到消費者端的門店、經銷商、渠道商、線上商城等等，中間更是涉及到一系列包括研發生產、線上工廠、生產線精益管理等等環節。

　　因此，數據中臺的建設難度非常高。

　　“比如像內部的煙囪林立，再比如我們一直沒有沉淀高質量的數據，最重要的是最早伊利缺乏這方面的人才建設，這些都是難題。”尚直虎表示。

　　伊利代表著中國一批走在數字化建設前沿的傳統供應鏈企業，在過去多年時間里，這些企業已經引入了包括MES、ERP、財務以及底層的數據倉庫、中間件等很多數字化建設體系。

　　但在數智化階段，這些固有的IT投入往往也帶來一些新問題。比如數據分散不統一、零散散布在各個部門，又比如傳統IT系統、傳統數倉缺乏對數據的精細化沉淀和整理。

　　以及還有新的問題，例如供應鏈兩端(上游材料端和下游消費者端)數據收集不完備，以及在各個供應鏈節點和業務系統中數據標準不一致等等。這些新老問題，都是伊利數智化路上的阻礙。

　　這也是伊利找到瓴羊的核心原因。即盡管瓴羊本身在乳制品供應鏈側不具備相應的產業能力，但其基于數據體系的治理和建立有豐富的實踐，雙方可以一起“做加法”。

　　雙方的合作一拍即合。“差不多是4月份開始，我們開始一起協同做集團數據中臺，包括數據采集、清洗、加工、結構化等等。”瓴羊項目負責人告訴我們。

　　其中最難的點在于數據清洗和數據標準的對齊。“在海量數據中，哪些數據是有價值的，我們需要‘挑選’出來;此外，這些數據到底有沒有價值，它背后對應的標簽和維度是什么，在不同的場景里它的表達和價值是不一樣的，這些我們也需要和業務線一個個對。”

　　而對伊利而言，隨著瓴羊的合作展開，傳統乳業的思維和互聯網思維開始不斷發生碰撞磨合，對數據驅動業務價值的感知也日漸清晰。

　　二、從數據到業務：

　　“會員+供應鏈+人才”

　　如果說從0到1的數據中臺建設驗證的是數據對于伊利的價值，那么接下來伊利需要做的另外一件事情是，從1到99的業務價值釋放。

　　對于這點，尚直虎有自己的理解。“相較于數據本身，我們其實更強調通過數據來消費者創造價值。比如我們從整個產業鏈的過程當中，利用數據和技術來升級我們的產品品質;再比如，我們利用數據和算法生成不同的配方，去滿足消費者的口味需求;以及我們可以利用數據和技術，更好地將產品送到我們消費者手上等等。”

　　“我們主要幫助伊利做的是跨端數據的收集、整理，完成后可以做到定向圈層、定向人群的精準投放，而這也是瓴羊基于長期以來在零售和電商行業的積累，融合阿里20年以上的會員運營經驗沉淀得來的方法論。”瓴羊項目負責人告訴我們。

　　具體來看，瓴羊通過對伊利全域會員進行分層人群標簽和定位，將其會員拆解成高達60到80種不同的消費人群，真正做到了極致個性化的“微”營銷。

　　除卻數據驅動型市場營銷策略的有效性得到證實外，數據驅動的力量也逐漸滲透到伊利其他業務板塊。比如伊利人力數字化、供應鏈金融的體系建設。

　　在人力數字化方向，基于數據中臺，伊利實現了對人才供應鏈全鏈路數據收集、清洗、結構化，通過梳理出人才標簽與人才畫像，可以更高效地輔助業務選人用人、人崗適配，進而建設完備的人才體系。

　　而后者則是傳統的供應鏈金融方向，在數據中臺的加持下，整合產業鏈上下游相關信息，打造數字化乳業產業鏈金融體系，伊利可以更有的放矢地提供給全鏈路合作伙伴必要的支持，如奶農、牧場和供應商等，保證伊利可以在風險基準線之上最大程度地使用好供應鏈金融的能力。

　　還不僅于此。在這些方向之外，一系列具體業務側的需求和驅動也被伊利和瓴羊加速改造了。以最核心的供應鏈方向為例，基于數據中臺的底層模型，伊利在供應鏈上下游(原材料、渠道商、消費者等)協同、庫存管理等“一盤貨”的方向進行了更進一步的優化升級，供應鏈效率再度提升。

　　但如果把視角往回拉，這是一個知易行難且漫長的建設過程。

　　首先，對于各個業務場景而言，如果需要數據加持，其底層必須具備充分且準確的數據樣本。比如前文提到的營銷活動，其不僅需要消費者側的數據，也更需要供應鏈側的數據體系。

　　比如供應鏈金融，其對數據的要求在保證兼備供應鏈細分節點和金融資產屬性的前提下，還需要把控風險和安全模型。以及在供應鏈“一盤貨”的方向，在數據中臺的體系里，企業必須加輸入足夠精細化、標簽化的不同環節數據，比如庫存、供應商能力、原材料價格等等，才能真正做好供應鏈智能管控。

　　同樣再比如伊利建設的數字孿生工廠，其對應的數據工程更為龐大，在供應鏈本身的數據外，更需要和環境、業務流程、人員排布等數據維度相結合，最終通過元宇宙、VR等新技術進行前端展現。

　　在數智化轉型的進程之中，伊利的各業務領域表面煥新，得益于數據引領的持續迭代，而隱匿于這一進程深處的，則是一系列復雜且動態發展的數據供應鏈。其中涵蓋的數據凈化、數據處理、乃至數據結構化的精密作業，無時不刻不在加速推進，構筑起支撐業務蓬勃之下的堅固基石。

　　三、釋放數據金礦的“伊利方法論”

　　實際上，在過去幾年時間里，伊利在數智化方向的建設一直處于“出圈”狀態。

　　2023年，伊利推出了業內首款GPT應用產品——YILI-GPT，率先將AIGC技術應用于乳業領域;此后，全球乳業首個超寫實數字人“金婰”誕生，與此同時，前文所提到的行業首個元宇宙數字孿生工廠也被伊利放到臺前，讓消費者“零距離”見證伊利液態奶生產全過程。

　　這些在AI側、產品側、業務側的不斷進化，背后提供支撐的是愈發完備的數據中臺體系。

　　這也恰是瓴羊等DaaS服務商帶來的價值。“作為一家實體的企業，我們深知互聯網企業在數字化一塊有更加豐富的經驗實踐，所以其實一直很期待像瓴羊這樣的合作伙伴，能持續在數據驅動業務以及大模型方向，給到我們更多啟發。”尚直虎表示。

　　一個客觀的表達是，伴隨著數據價值釋放方式的進化，瓴羊等企業已然不再是一個“鏟子”的角色，更像一個“點石成金的礦工”，幫助企業梳理、建立具備真實商業價值的數據體系。

　　瓴羊以其綜合性的產品矩陣，全面覆蓋數據工程生命周期的管理需求，從Dataphin的智能數據治理、Quick BI的商業智能洞察，到Quick Audience的精細用戶運營策略與Quick Service的智能化客服解決方案，乃至其創新的瓴羊港平臺，凸顯了其在數據架構領域的深厚支撐力。這一綜合體系為伊利等企業加速部署數據中臺與相關轉型項目提供了高效、一體化的助力，加速企業向數據驅動型商業模式的轉變。

　　當前，眾多乳制品及中國傳統零售與供應鏈企業面臨的一項緊迫需求，是將長期積累的海量數據轉化為推動數智化轉型的科學可視化數據中臺。伊利即為典范，通過持續的業務升級與創新，其實現了以數據中臺為核心驅動力的蛻變。這一“數據至業務再到產品”的轉型路徑，為同行業提供了可借鑒的模版。