【ArchSummit架构师峰会】基于大模型的基础框架、中台、应用层等专题全覆盖 >>> 了解详情
写点什么

专访华润啤酒首席数字官,探讨智能技术如何助力酒企数字化转型

  • 2023-09-04
    北京
  • 本文字数:4227 字

    阅读完需:约 14 分钟

大小:3.28K时长:00:01
专访华润啤酒首席数字官,探讨智能技术如何助力酒企数字化转型

近些年,智能技术正在深刻影响着消费零售业的各个环节,包括营销、运营、生产、供应链管理,技术在其中扮演着重要的推进作用。


至于技术是如何发挥作用、企业在数字化的过程中又是怎么判断技术的采用与否、采用什么技术?技术如何与业务配合?针对这一系列问题,InfoQ 数字化经纬近日与华润啤酒首席数字官郭华作了交流,希望能通过酒企的数字化实践为大家解答一二。


华润啤酒在国内啤酒市场销量领先多年,当下的发展重点在于实现质量发展。在这背景下,华润啤酒的生产、供应链、营销等方面都在发生剧变。郭华指出,如果缺乏技术的支持,那么实现业务转型的充分条件将无法达成。



从“去包袱、蓄能量”,到“放大器”


华润啤酒的技术应用是在业务转型和管理升级的推动下逐步发展的。”郭华表示,在数字化的进程里,内部并没有深入探讨智能技术本身,而是更多地从业务的角度出发,根据需求和问题来判断要满足或解决的内容。其思路是以业务目标为导向,先确定需要推动的目标,然后再寻找适合的技术或可利用的技术来实现这些目标。


提升内部管理效率

整体上,华润啤酒的数字化发展过程可以大致分为两个阶段。第一个阶段是 2017 年至 2019 年,该阶段的主要目标是“提升效率”,主要关注内部组织管理效率的提升、业务执行效率的提高,以及优化整体运营效益。


该阶段在内部被描述为“去包袱,蓄能量”,利用技术整合各个工具和系统。该阶段还需要确保能够提供大量的、有效的组织效率提升工具,以应对人员减少、工厂调整和组织架构调整等挑战。依靠技术手段,华润将各个关键业务领域,如订单、费用、渠道进销存、终端管理等,建设成全国性的平台,统一管理工具和业务团队,实现能力的共享和协同。


郭华强调,“在这个时期,如果没有技术和工具的助力,那么在业务急剧变化的情况下,是很难支持业务的转型的。”


加持业务增量


第二个阶段,从 2020 年至今,华润啤酒更多地关注技术的价值创造和对业务增量的辅助。在品牌高端化、消费者运营、产品结构调整以及相关多元化业务的探索方面做了大量工作。


该阶段也可以视为“技术产品化”阶段。在这一阶段,技术对基础性工作的支持和能力快速复用是至关重要的。因为各项能力如果不能够复用,就无法支撑公司的复杂运营工作。


郭华举例道,华润啤酒拥有成千上万的销售团队以及更大规模的渠道队伍,如果做任何事情都仅依靠口头传播,那么就会很难推进。因此必须借助技术将其工具化、产品化,并与整个团队相结合,才能实现“效应”的放大化。


其比喻道,此时技术的作用更像是一种“放大器”,结合了显微镜和望远镜的作用,可以将某些能力放大,同时也有助于将微观层面的操作与宏观管理相结合,使得管理更加科学化,让团队更清晰地看到未来的方向。


技术从五个维度助力业务数字化

明确了技术的所扮演的角色之后,华润啤酒需要哪些技术解决哪些问题?对于该话题,郭华认为可以从以下五个维度进行分析。



第一类是提升效率的技术,首先要审视业务的标准化程度以及业务发生的频率和概率,从中选择高频且大量可复制的场景,再去应用相应的技术工具或数字化手段。比如,在共享业务中,华润会广泛使用 RPA(Robotic Process Automation)或自动化机器人来优化流程。这种方式是将业务标准化,然后通过自动化替代人力,从而降低人工参与、提高准确性和及时性。


第二类是赋能型的技术。以供应链为例,通过应用算法来平衡现有需求和供应之间的关系,当前华润啤酒的供应链计划和仓网规划都运用了大量的计算逻辑和算法来进行资源配置和优化。郭华表示,这一类技术本质上是解决一些结构性难题,比如调整业务的分工合作、优化流程,以及在组织层面培养一些中心化的能力。


第三类技术主要关注提升业务团队的管理质量,使其更准确、可量化和精准。华润啤酒会在终端拜访环节应用 AI 技术,一方面提升了访销效率,另一方面获取了终端客户的信息以及竞品信息,同时也可以进一步确保业务团队在终端操作方面更为准确。另外这类技术的应用场景还有产品追溯,华润开展了白酒“五码关联”、啤酒“三码关联”等举措。


第四类技术主要侧重于企业内外部的交互,增强上下游合作并应对各种边际问题,比如沟通效率的提升、信息共享,传递品牌能力等。具体而言,华润啤酒做的供应商协同平台、经销商大客户平台、三级会员体系以及消费者运营 CDP(客户数据平台),这些应用的目标都是为了解决企业与外部相关方之间的合作难题,提升大客户的能力,为其提供专业培训,将终端操作规范化为标准操作流程(SOP)并以工具固化等等。


最后一类技术解决的则是企业决策能力和决策质量的问题。以提升数据质量和加强数据应用为例,将不同类型的数据产品化,构建各种“驾驶舱”,将数据能力嵌入业务决策中,从而提升市场判断、业务感知和执行策略的准确性。具体场景包括终端和经销商费用配置的精益化分析,还有消费者运营中的标签构建和群体划分等,这些都需要大量的数据分析和决策支持。


“总的来说,一些大家比较耳熟能详的数据中台,在数据层面用的追溯技术、图像识别等,以及一些与国家战略相关的信创技术,在上述五个方面都会涉及到。”郭华总结道。


技术应用路径跟业务状态紧密相关

面对不同作用、不同类型的技术,如何将其应用到业务当中的各个关键环节?与上文所述的核心逻辑一致,在华润啤酒数字化的进程里,技术的应用路径还是跟业务的状态和阶段紧密相关,先解决系统整合问题,然后解决经营管理、资源配置和决策支持等问题,以适应业务的不同发展阶段。


以生产环节为例,第一阶段技术主要解决管理上的整合问题,通过标准化来提高效率。华润啤酒原来有 98 家工厂,经过产能优化后还有 63 家。但这 63 家工厂一开始并没有按统一的标准进行管理,导致工厂之间的可比成本和质量一致性难以做横向的对标。



此外,尽管销售侧的业务复杂,但早期的策略就是在 ERP 中定制化开发大量销售模块,这也导致系统变得过于庞大和沉重,后期无法满足业务需求。


为了解决整合的困境,华润啤酒对原有的 ERP 系统做了优化,采取了“上合下沉外延”的策略。比如,将 ERP 中不擅长存在的功能剥离出去,如将计划部分上合并入 S&OP,以避免数据频繁交互、核对不准确等问题。

解决整合问题之后,生产领域数字化的第二阶段着重于提高管理效率,如通过工业数据采集、设备资产管理、生产成本分析等工具来精细管理工厂的核心资产和关键资源。此外,也关注如何通过技术优化产线计划和排产,解决产能、资源配置等问题,实现产销联动能力。


另一方面,华润啤酒也在通过自动化手段提高工厂作业效率,包括立体库、AGV 等,实现厂内作业整体联动,从而提高效率。


不忽略技术,也不夸大技术

在探讨企业数字化所面临的挑战时,多数企业都认为最难的、最大的挑战并非技术。同样地,在落地技术应用中的过程中,技术也不会是唯一的挑战,组织、文化、数据也都是需要解决的难题。


对于该话题,郭华进一步表示,驾驭技术和工具的背后是人,人对技术的误判和态度,才是最大的挑战之一。积极态度可能导致过度理想化,忽略管理、业务等方面的客观条件,从而使技术应用效果不佳。而消极态度可能导致对技术的忽略,导致与竞品的竞争处于落后位置。


除了组织能力的问题,郭华提出第二个比较棘手的难题是数据。数据是数字时代的“生产资料”。华润啤酒也无可避免地面临一些传统快消企业所面临的数据挑战。


首先,内部数据的历史遗留问题是质量低下,数据散乱,导致技术应用受限;其次,面向外部数据,存在获取难、成本高、质量差、精度不足等问题。


历史数据质量问题可以通过建立数据治理体系解决,包括流程、组织、平台体系,从而实现数据的常态化管理。但要解决外部数据获取难的问题,则没那么容易,既需要考虑技术成本的问题,还需要考虑终端和合作方不愿意把数据透明化的行业性难题。


例如,消费品企业希望实现渠道对品牌的透明度,那么需要关注销量、库存量、价格和客情等高质量数据。然而,这些数据背后还涉及到利益分配问题。终端为什么要提供这些数据,提供这些数据会让企业的运营变得更透明,但对于终端来说也许就意味着其可操作的空间被削减了。


“这个不是纯粹的技术能解决的,我觉得不能去忽略技术,但是也不能夸大技术。”


除了数据获取难之外,郭华表示判断数据可用性也是个难题。对于采集哪些数据以及该利用这些数据,许多企业是不清晰的。


比如,品牌想要收集消费者的行为数据、过程数据和订单交易结果数据,以获得更多洞察。然而,消费者的行为数据是具有不确定性,这些数据可能并不足以准确指导运营动作。以电商为例,如果一个消费者购买了一件商品,后续再向他推送相同的商品就大概率是无效的。因此,企业在采集行为数据时可能会面临高成本、但效果不佳的问题。此外,消费者的动机数据往往无法获取,比如消费者是否正在进行家庭装修、学习烹饪等,而这些动机数据才是对业务具有重要意义的。


虽然在判断用户动机这点,短视频平台作了很好的示范,即采用按用户浏览内容的概率推送内容。“然而,这种方式也可能将用户局限在信息茧房中,限制了他们的信息的拓展能力。”

产学研需进一步联动

毫无疑问,消费品行业正身处数字化的浪潮,企业纷纷希望通过引入新技术来提升效率、优化用户体验、拓展市场等,但同时也面临成本门槛和应用门槛的难题。


郭华以图像识别技术为例,解释了通用技术在不同垂直行业的应用需求,以及在特定环境下的瓶颈问题。他说,“如果有专业人士深入研究食品饮料行业在图像识别方面的特定诉求,举一个例子,产品包装中的环境因素会严重影响识别率。因此在不同的光照条件和温度下,图像识别效率可能会下降,难以保持稳定。”


然而,他指出,目前没有多少人尝试解决这类问题,大多数只是将其拍摄成照片,然后通过图像引擎训练来近似描绘。虽然这种方法可能提供快速的结果,但它的准确性和实际意义有待商榷。


其进一步指出,许多技术服务公司都没有深入解决这些痛点和问题,而是只是在通用技术上拼价格,这实际上不是真正的降低成本,而是恶性竞争。


此外,其直言业界在产学研结合方面的表现并不好。技术型公司常常试图找到试验田,商业公司则更关心解决问题、增加收入或降低成本,而学术界希望发展新的理论。“三方有各自的需求,本来这些需求是可以统一起来的,但是由于整合不足,大家往往各自为战,没有形成协同合作。”


因此,郭华希望一些平台型的机构、以及行业中的头部企业可以去推动整合不同的需求,这将有助于促进产业界、学术界和商业界之间的合作,达到更好的数字化协同效应。


欢迎关注「InfoQ 数字化经纬」公众号,我们将持续为您推送更多、更优质的数字化案例内容和线上线下活动。

公众号推荐:

跳进 AI 的奇妙世界,一起探索未来工作的新风貌!想要深入了解 AI 如何成为产业创新的新引擎?好奇哪些城市正成为 AI 人才的新磁场?《中国生成式 AI 开发者洞察 2024》由 InfoQ 研究中心精心打造,为你深度解锁生成式 AI 领域的最新开发者动态。无论你是资深研发者,还是对生成式 AI 充满好奇的新手,这份报告都是你不可错过的知识宝典。欢迎大家扫码关注「AI前线」公众号,回复「开发者洞察」领取。

2023-09-04 15:243140

评论

发布
暂无评论
发现更多内容

极客-大数据-作业4 Hive

西伯利亚鼯鼠

用微服务架构方式交付云服务产品

用友BIP

容器 微服务 专属云

2021最新Java中级面试题目汇总解答

策划Java工程师

Java 程序员 后端

2021年大厂Java面经

Java 程序员 后端

2021年春招Java面试题

Java 程序员 后端

2021年阿里Java高级面试题分享

策划Java工程师

Java 程序员 后端

2021最新Java开发者学习路线

策划Java工程师

Java 程序员 后端

取经之旅第 55 天,Python OpenCV 透视变换前置知识轮廓坐标点

梦想橡皮擦

8月日更

手撕环形队列系列三:多生产者并行写入

实力程序员

程序员 数据结构 C语言 编程开发 环形队列

DDD 领域驱动设计·学习应用·二

小诚信驿站

领域驱动设计 领域 领域驱动模型DDD 中台架构 领域驱动

百度第25季黑客马拉松再秀“技术基因”,累计产生创意超7000个

科技热闻

springcloud 微服务日志写入kafka

Rubble

kafka Spring Cloud 8月日更

2021年最新Java大厂面试题来袭

策划Java工程师

Java 程序员 后端

2021年阿里Java高级面试题及答案

策划Java工程师

Java 程序员 后端

2021必看-Java高级面试题总结

策划Java工程师

Java 程序员 后端

2021我的Java路要怎么走

策划Java工程师

Java 程序员 后端

一次Http Get请求健壮性问题的排查过程

liuzhen007

8月日更

netty系列之:netty中的ByteBuf详解

程序那些事

Java Netty nio 程序那些事

十大排序算法--希尔排序

Ayue、

排序算法 8月日更

2021年字节跳动+京东+美团面试总结

Java 程序员 后端

手撸二叉树之二叉搜索树的最近公共祖先

HelloWorld杰少

数据结构与算法 8月日更

企业需要拥有自己特色的DevOps

用友BIP

Docker 容器 DevOps 微服务

上K8s,研发团队如何从容一点?

行云创新

容器 k8s

容器云平台和Kubernetes之间不得不说的那些事

用友BIP

Kubernetes 容器

【LeetCode】有效三角形的个数Java题解

Albert

算法 LeetCode 8月日更

面试官:展开说说,Spring中Bean对象是如何通过注解注入的?

小傅哥

spring 小傅哥 注解注入

2021年抓住金三银四涨薪好时机

Java 程序员 后端

2021最值得加入的互联网公司有哪些

策划Java工程师

Java 程序员 后端

kubernetes入门:简介与基础操作命令

小鲍侃java

8月日更

【Flutter 专题】78 图解 Android Native 集成 FlutterBoost 小尝试 (一)

阿策小和尚

Flutter 小菜 0 基础学习 Flutter Android 小菜鸟 8月日更

2021年最新大厂Java面试笔试题目

策划Java工程师

Java 程序员 后端

专访华润啤酒首席数字官,探讨智能技术如何助力酒企数字化转型_机器学习/深度学习_罗燕珊_InfoQ精选文章