來源:聚龍雲科技（julongyun002）
各位領導，各位同仁大家好！首先感謝舉辦方給聚龍雲這樣一次機會，讓我們給大家分享一下我們聚龍雲在中臺上的一些思考。
我是理工類出身的，讀書讀了很長時間，能讀的書都讀穿了。所以最開始聽說“中臺”這個詞，從身心都是排斥的。為什麼呢？我讀博士的時候讀的是grid computing網格計算，等我畢業了就被稱作“雲計算”大火。後來我們講的AI是因為繼續學習產生AI，甚至我們講的區塊鏈也是因為拜占庭協議，共識算法。所以“中臺”這個叫法一出來，我就習慣性地認為又是一個新瓶裝舊酒的概念，會不會又是大廠出來收割韭菜的東西呢？
隨著我們對中臺產品技術方面不斷研究深入，不斷與客戶溝通了解，才發現事實並非如此。
1.“中臺”究竟是不是皇帝的新衣？
中臺其實是一種多維度的可重用，貢獻共享體系的建設。就像我們這一類給企業賦能的IT服務商，中臺是通過不同的IT技術進行賦能，最開始的可能是通過數據庫的技術，到net技術等等。我們聚龍雲的智慧中臺，是從IT支撐階段，到傳統的財務軟件、人力資源、CRM 、ERP軟件，然後到後面的IT融合，也就是我們可能之前講了很多的中間件，我們的交易中間件、消息中間件等等。
2.中臺發展的三個階段
那麼到現在這個階段，我們認為已經發展到第三個階段，第一階段——IT創新階段，我們通過IT技術，已經可以給企業帶來一些增值，帶來一些價值創新，那麼創新體現在什麼地方？為什麼會有這些創新？其實本質上是源於我們業務的創新。在我們傳統的業務執行過程當中，沒有像今天這樣產生了這麼大的互聯網的變化，到後來移動互聯的變化，從之前的傳統渠道，到我們後來的多渠道甚至是全渠道的線上線下一體化，全渠道會員就產生了，OMS（全渠道訂單管理中心）也應運而生了，這也是我們最初級的中臺形態。
到這個時候我們才理解到原來這樣才是一箇中臺，本質上是把前臺和後臺配速不一致的問題通過中臺來解決了。那麼中臺是怎麼解決的呢？是通過系統沉澱的能力。比如說我之前有訂單服務的能力，有結算能力，那麼把這個能力作為一種微服務去供給出來，就形成我們整個的一箇中臺的架構。
所以中臺從本質來說，是一個多維度的共享體系的建設，它的核心還是體現經營業績。因為IT本身來說，他如果脫離經營去談IT、談創新、談重構，那就是一個耍流氓的行為。那麼從中臺面臨的一些基本的挑戰來說，我很認同前面幾位專家說的，我們認為最根本的挑戰並不是技術挑戰，因為中颱不是衍生於某一個技術創新點，比如說某一個算法、某一個機器的變革、某一個性能的提升，它來源於一個架構的變革，架構的改變帶來了管理上的改變，管理上的改變帶來了組織上的改變，歸根結底最難的，是組織流程的變革。究竟怎麼讓一個公司組織能夠更好的去適應中臺，怎麼才能做到業務能力的沉澱和共享，這些變革可能比中臺本身的IT實現還來的更難一點。
那麼第二階段來說，我們很多傳統企業包括零售企業也好，製造型企業也好，他們都有強大的IT的支撐，可能是自建IT團隊，也可能是外包服務團隊，包括大數據團隊、AI的團隊或者區塊鏈的團隊，那麼這些高精尖的技術團隊往往需要和第三方廠商來進行配合，問題是這些技術的出現是有特定的場景和業務需求的，雙方配合存在著很大的難題，這個時候如果有一個核心中臺戰略，就可以避免這些問題了。
第三點也是最關鍵階段——中臺落地階段。所有的概念的出現，都是要讓產品所有的實施和服務進行最終的落地。如果不落地，一切都是鏡花水月，到最終只能形成一個無法收拾的爛攤子。後面我們會講，聚龍雲不同中臺模塊落地的具體案例。
3.聚龍雲“智慧中臺”
我們聚龍雲的中臺稱之為“智慧中臺”。我們的中臺設計都是從數據出發，包括內部數據，外部的數據，有企業的自身產生的數據，從客戶那裡收集的數據等，聚集到我們的中臺之上，然後應用到不同的場景中。在這個過程中，數據沉澱在中臺各種應用中，它可以服務於各種不同的場景。
這個中臺裡面可能包含常規的我們講的業務中臺、常規的數據中臺、常規的技術中臺、常規的組織中臺等，我想這些概念在座的CIO們這已經聽了100遍了，我就不多做贅述了，我跟大家分享幾個聚龍雲在新零售行業實踐的案例吧！
4.聚龍雲案例分析
（1）智慧貨架
我們有一個叫智慧貨架的案例，我先講一下便利店這個行業背景。我們通過調研瞭解到中國大概有600多萬家便利店，其中有12萬家便利店是屬於連鎖企業，去掉加油站的可能不到10萬家。那麼剩下98%以上的便利店都是非連鎖企業，我們的一二線城市的便利店大多是以連鎖零售企業為主。我們去店裡買東西，其實有一個很有意思的現象，就是幾乎很多人都是看到什麼就會買什麼，是怎麼理解這個事情呢？
大家仔細觀察就會發現，如果你去一個連鎖的超市、便利店你會發現它的冷櫃一定擺在這個店最裡面。為什麼呢？因為你去想喝水，想吃涼的，對於現在很熱的人來說是剛需，便利店就利用這一用戶心理，通過拉長客戶動線距離，希望他們在買水的過程當中順便買點別的商品來提高企業收入。
但是同樣是冰箱冷飲，如果是街邊的夫妻老婆店，就會發現冷櫃都是擺在店鋪門口的，因為老闆怕你看不到這個冷櫃，不到店裡買東西了！
所以在這個過程當中就形成了一些潛移默化的規則、模式和套路。在便利店裡賣東西這件事看似簡單，實際上真正操作起來有很多問題。比如我找個地兒賣東西，那麼怎麼才能找到最合適的地方？那就涉及到一個選址的問題，選址究竟用哪種方式更靠譜呢？是通過調查問卷，通過高德百度的數據，還是通過街邊走訪得出呢？
現在選到一個好的地址了，我們應該在這個位置上賣什麼產品銷量最好呢？一個簡單的小店裡面可能有三五千個sku，究竟怎樣的選品才是最佳的？這時候就需要做店鋪畫像，做商品的分類了。
商品分類做好了，這些東西應該怎麼做陳列呢？當我做陳列的時候怎麼設計店內的動線？怎麼才能讓客戶走我設計的路線並且購買更多的產品呢？
以上這些都是問題，但是這些問題都很難有最優解，最多隻能找到一個次優解，那麼次優解的根據是什麼呢？往往來自於管理者的個人經驗，來自於企業長期沉澱的積累，但是這些個人經驗積累究竟怎麼做才能在不同區域進行復制大範圍使用呢？
通過AI的技術，通過機器學習的技術可以很好地解決這個問題。便利店在貨架上陳列的商品，行業內叫棚格表，每個貨架上擺什麼東西，每個東西賣多少錢，這些問題歸根結底都是坪效問題。我們說新零售關注的三個點——人效、品效、坪效。坪效在我們看來不是針對於店鋪的面積來換算的，比如說這個店是100平200平，每平貢獻多少毛利，而是店內每個貨架貢獻多少毛利，比如店內陳列了100個貨架，每個貨架貢獻100塊錢，這才算你真正的坪效。如果有的貨架貢獻的毛利非常高，有的貢獻毛利非常低。我們在實際的場景當中發現過一個小的便利店，大概有三四十個貨架，毛利比較高的貨架每天貢獻銷售額可能在七八百，毛利非常低的可能只有幾十塊錢，這個時候就需要研究只貢獻十幾塊毛利的貨架究竟是商品陳列的問題、選品的問題（顧客對貨架上的東西不感興趣），還是便利店動線設計出現問題，客戶根本到不了這個貨架？
分析得出結論之後，就需要對假設進行一一試錯，這個時候就需要收集數據進行分析了。那麼問題來了，怎麼獲得這個數據呢？
兩種方式，像以前是手工抄寫表格，商品在上面擺完之後，店員定期去盤點。現在我們是通過AI的方式，我們通過手機拍照的方式就可以把這個貨架成果表直接獲取，大概只需要幾秒鐘的時間，然後通過和ERP的總體數據結合，這樣就可以即時分析出這段時間這個店不同貨架的坪效。
那麼在這種情況下，我們可以對整個平臺進行改造，當你做了一個貨架調整，擺放調整，你是怎麼知道是好還是不好的，這就需要後面的大數據做支撐，也是我們智能貨架想做的一些核心的事情。那麼當然了便利店的缺貨理貨也可以通過視頻拍照的方式來解決。
這裡我補充一點，現在很多企業對於貨架管理都應用AI技術，但是這也帶來大量的成本。我們的目的就是儘量在成本最低的情況下讓企業更高效的提高收益。我們聚龍雲在智慧貨架方面，不需要增加任何硬件設備，只需要通過手機拍照、通過小程序的方式就能把貨架的整個理念推廣到企業中去。操作簡單又能減低成本，提高企業營業收入。
（2）會員域即個性化推薦的應用
第二個要分享的就是我們的會員域的應用，即個性化推薦。過去十幾年我們都經歷過電商平臺不斷探索精準化營銷的一個過程，這個發展歷程也很有意思。最開始我們收到紙質的傳單，再往後收到的是電子的優惠碼代金券，但在這個階段，我們實際發出的海量的代金券，它的轉化率還是很低的。
舉個例子來說，大家在店裡買東西常會遇到一個情形，比如我買瓶酸奶在收銀的時候，銷售員跟我說什麼東西半價，或者是說什麼東西滿減，要不要花很少的錢買一個？大部分情況我們對這個消息都是拒絕的，為什麼呢？不是因為我們不想佔便宜，而是快要結賬的時候店員才跟我們說這個消息，如果我這麼做了就有種被他們牽著鼻子走的感覺，感覺智商被戲弄了。
但是如果剛好是我們手裡已經選好的東西告訴我第二件半價，我們大概率會選擇購買，因為我本身就是衝著這個商品來的。所以說同一營銷對象在面對不同的內容得到的結果是完全不同的，這個時候就需要對用戶進行一個畫像。
很多企業都想做會員體系，這裡簡單說一下我們對會員體系的理解。通常像航空公司、星巴克這樣的公司搭建的會員體系，從他公司設計的第一天就已經開始了。他們很適合做會員體系，因為售賣的商品都是他們自家的，做會員體系就很簡單了。
但是有些公司做會員體系就相對比較困難了，比如便利店。因為他們商品大多數是毛利很低的貼牌商品，自營商品非常少，這個時候做會員體系的支撐就很弱。因為客戶很多對商品品牌的感召力比較弱，他們更多的是衝著店裡的商品來的。比如如果這個店是個國際大牌，我可能會進去一下。但是便利店，客戶一般是衝著店裡的可樂或者香菸去的，所以對於這種快銷類的會員體系搭建，就需要對用戶去做更精準的畫像，給大家提供更均衡的商品，所以我們會通過用戶的標籤進行操作，一個用戶買商品的標籤要像買服裝一樣，但是肯定比衣服標籤多得多。
我們也要通過對用戶的消費行為數據分析，把用戶喜好、用戶特徵做成用戶標籤畫像。
而這個標籤畫像我們更希望不僅僅是通過完整的AI技術，增加一個人臉識別的攝像頭對每個店來說可能都要幾千塊錢上萬塊錢的成本，如果單純依靠AI技術成本相對比較高。我們會同時通過他的消費的習慣，通過他的店鋪的所在位置，他是一個社區店，還是地鐵邊的店，還是寫字樓店，不同類型人群進行細分。那麼通過這樣的實踐，我們會發現我們實際的轉化率變得越來越高，同時店內客戶粘性不斷提升，客戶願意來到店內，及時打開我們小程序去獲得優惠信息，及時消費，這個效果的反饋是非常明顯的，並且投入成本也非常低。
（3）門店的銷售預測
第三個就是門店類的銷售預測，我們給大概有1000家連鎖便利店，做了一個累計三年的大數據的分析，通過大數據的分析得出，一家常規的便利店，平均每天來客數大概在200到300自然人群，每人平均約買兩個商品，那麼一個店面差不多400到500的單品的銷售，1000家店每天差不多就有幾十萬，一年就一個多億，三年就六七個億的銷售數據。我們通過這些項目數據結合天氣、當地的人群、店鋪的商品的狀況、節假日，甚至細到每次週一還是週日的日期的變化，我們做了一整套大數據的模型。通過模型對於常規的快消品動銷率預測，我們可以達到78%以上的準確率。
這個東西有什麼意義呢？我們實際上很多快消品，它的經營關鍵並不只是經營，首先它的品牌，其次受限於它的配送半徑，很多商品的物流成本佔了它整體運營成本的大頭。那麼如果我們有精準的商品銷售預測的話，會根據不同區域、不同人群、不同季節對不同商品的補貨量進行動態調整，極大的提升了庫存的週轉率，降低商品的補貨成本。
尤其對於生鮮品這些動銷比較高商品，我們需要提高它的補貨週期，一天兩配、三配，對於低溫的商品，這些商品動態銷售量比較低、物流成本比較高，我們希望它三天一配，五天一配，以此降低物流成本和人力成本。
那麼剛才我提到的三個場景，其實坦率講都是數據來源多渠道這些方式都給甲方不帶來很多不必要的成本。只需要企業開放數據，運用我們的模型很快就能梳理出來，下圖是我們整體的一個信息化解決方案的框架。
5.聚龍雲中臺的解決方案
（1）三大中臺之間的關係
前面說過，我們聚龍雲的智慧中臺包括三大中臺：數據中臺、業務中臺、技術中臺。我們認為數據中臺為神，數據中臺是所有的核心，他能驅動所有業務最核心的部分，他是引擎；業務中臺為形，他只是多業態全渠道的運營，業務中臺是他的骨幹；技術中臺是一切的基礎，沒有技術中臺微服務架構的支撐我們是不可能運行這麼龐大的系統的。
（2）聚龍雲中臺的解決方案
在這裡簡單分享一下我們解決方案。這個是我們數據終端產品的一個應用場景圖，我們分兩類，一類是分析類的，一類是業務類的，那麼從會員商品、門店、電商、員工都包含在內，那麼上面這部分可能從現有的系統裡面，我們通過搭建數據湖，搭建數倉大數據的服務就可以得到。
那麼下面這部分是我們也需要通過一些外部的數據，通過一些機器學習的算法來匹配得到的，那麼分為業務類和分析類。那麼我們現在主攻的方向是在業務類的方向，給門店提供AI的賦能，包括甚至一些區塊鏈的溯源、區塊鏈的防衛等。
（3）中臺落地最重要的是實施
最後一點，因為我們本身是一個數字化服務的提供廠商，所以我們也簡單聊一下實施落地，因為20年前開始我是做中間件的諮詢出身的。
大家都說產品很重要，但實際上實施更重要。這裡我做一個簡單的比喻，假設我們給客戶做產品和實施，整個過程就是希望把客戶從A點送到B點。在這個過程中，產品就相當於我們配的那輛車，好的產品相當於瑪莎拉蒂，低端的產品相當於小的麵包車，實施商就相當於司機。假如開瑪莎拉蒂的是一個駕駛技術很差的司機，一路磕磕碰碰驚險萬分；而開小麵包車的是個老司機，對路線熟門熟路，一路四平八穩的到達終點。那麼，我相信絕大部分人最後更願意選擇開著小麵包車的老司機，而不是開著瑪莎拉蒂的新手司機。只要實施到位了，我們不斷提升產品性能（更換更好的車）就沒都沒那麼難了。
6.關於聚龍雲
我們北京聚龍雲科技有限公司，是一家專注於中臺的公司，公司秉承的“聚焦智慧商業，融合商業智慧”的理念，運用行業尖端的大數據技術、人工智能技術、物聯網技術、區塊鏈技術，目前為止已經為幾十家國內外知名企業的中臺戰略進行服務，並且有成功交付的案例。
如果有興趣可以隨時聯繫我們，謝謝大家！
更多精彩點擊官網：julongcloud.com
閱讀更多 聚龍雲 的文章
