来源:聚龙云科技（julongyun002）
各位领导，各位同仁大家好！首先感谢举办方给聚龙云这样一次机会，让我们给大家分享一下我们聚龙云在中台上的一些思考。
我是理工类出身的，读书读了很长时间，能读的书都读穿了。所以最开始听说“中台”这个词，从身心都是排斥的。为什么呢？我读博士的时候读的是grid computing网格计算，等我毕业了就被称作“云计算”大火。后来我们讲的AI是因为继续学习产生AI，甚至我们讲的区块链也是因为拜占庭协议，共识算法。所以“中台”这个叫法一出来，我就习惯性地认为又是一个新瓶装旧酒的概念，会不会又是大厂出来收割韭菜的东西呢？
随着我们对中台产品技术方面不断研究深入，不断与客户沟通了解，才发现事实并非如此。
1.“中台”究竟是不是皇帝的新衣？
中台其实是一种多维度的可重用，贡献共享体系的建设。就像我们这一类给企业赋能的IT服务商，中台是通过不同的IT技术进行赋能，最开始的可能是通过数据库的技术，到net技术等等。我们聚龙云的智慧中台，是从IT支撑阶段，到传统的财务软件、人力资源、CRM 、ERP软件，然后到后面的IT融合，也就是我们可能之前讲了很多的中间件，我们的交易中间件、消息中间件等等。
2.中台发展的三个阶段
那么到现在这个阶段，我们认为已经发展到第三个阶段，第一阶段——IT创新阶段，我们通过IT技术，已经可以给企业带来一些增值，带来一些价值创新，那么创新体现在什么地方？为什么会有这些创新？其实本质上是源于我们业务的创新。在我们传统的业务执行过程当中，没有像今天这样产生了这么大的互联网的变化，到后来移动互联的变化，从之前的传统渠道，到我们后来的多渠道甚至是全渠道的线上线下一体化，全渠道会员就产生了，OMS（全渠道订单管理中心）也应运而生了，这也是我们最初级的中台形态。
到这个时候我们才理解到原来这样才是一个中台，本质上是把前台和后台配速不一致的问题通过中台来解决了。那么中台是怎么解决的呢？是通过系统沉淀的能力。比如说我之前有订单服务的能力，有结算能力，那么把这个能力作为一种微服务去供给出来，就形成我们整个的一个中台的架构。
所以中台从本质来说，是一个多维度的共享体系的建设，它的核心还是体现经营业绩。因为IT本身来说，他如果脱离经营去谈IT、谈创新、谈重构，那就是一个耍流氓的行为。那么从中台面临的一些基本的挑战来说，我很认同前面几位专家说的，我们认为最根本的挑战并不是技术挑战，因为中台不是衍生于某一个技术创新点，比如说某一个算法、某一个机器的变革、某一个性能的提升，它来源于一个架构的变革，架构的改变带来了管理上的改变，管理上的改变带来了组织上的改变，归根结底最难的，是组织流程的变革。究竟怎么让一个公司组织能够更好的去适应中台，怎么才能做到业务能力的沉淀和共享，这些变革可能比中台本身的IT实现还来的更难一点。
那么第二阶段来说，我们很多传统企业包括零售企业也好，制造型企业也好，他们都有强大的IT的支撑，可能是自建IT团队，也可能是外包服务团队，包括大数据团队、AI的团队或者区块链的团队，那么这些高精尖的技术团队往往需要和第三方厂商来进行配合，问题是这些技术的出现是有特定的场景和业务需求的，双方配合存在着很大的难题，这个时候如果有一个核心中台战略，就可以避免这些问题了。
第三点也是最关键阶段——中台落地阶段。所有的概念的出现，都是要让产品所有的实施和服务进行最终的落地。如果不落地，一切都是镜花水月，到最终只能形成一个无法收拾的烂摊子。后面我们会讲，聚龙云不同中台模块落地的具体案例。
3.聚龙云“智慧中台”
我们聚龙云的中台称之为“智慧中台”。我们的中台设计都是从数据出发，包括内部数据，外部的数据，有企业的自身产生的数据，从客户那里收集的数据等，聚集到我们的中台之上，然后应用到不同的场景中。在这个过程中，数据沉淀在中台各种应用中，它可以服务于各种不同的场景。
这个中台里面可能包含常规的我们讲的业务中台、常规的数据中台、常规的技术中台、常规的组织中台等，我想这些概念在座的CIO们这已经听了100遍了，我就不多做赘述了，我跟大家分享几个聚龙云在新零售行业实践的案例吧！
4.聚龙云案例分析
（1）智慧货架
我们有一个叫智慧货架的案例，我先讲一下便利店这个行业背景。我们通过调研了解到中国大概有600多万家便利店，其中有12万家便利店是属于连锁企业，去掉加油站的可能不到10万家。那么剩下98%以上的便利店都是非连锁企业，我们的一二线城市的便利店大多是以连锁零售企业为主。我们去店里买东西，其实有一个很有意思的现象，就是几乎很多人都是看到什么就会买什么，是怎么理解这个事情呢？
大家仔细观察就会发现，如果你去一个连锁的超市、便利店你会发现它的冷柜一定摆在这个店最里面。为什么呢？因为你去想喝水，想吃凉的，对于现在很热的人来说是刚需，便利店就利用这一用户心理，通过拉长客户动线距离，希望他们在买水的过程当中顺便买点别的商品来提高企业收入。
但是同样是冰箱冷饮，如果是街边的夫妻老婆店，就会发现冷柜都是摆在店铺门口的，因为老板怕你看不到这个冷柜，不到店里买东西了！
所以在这个过程当中就形成了一些潜移默化的规则、模式和套路。在便利店里卖东西这件事看似简单，实际上真正操作起来有很多问题。比如我找个地儿卖东西，那么怎么才能找到最合适的地方？那就涉及到一个选址的问题，选址究竟用哪种方式更靠谱呢？是通过调查问卷，通过高德百度的数据，还是通过街边走访得出呢？
现在选到一个好的地址了，我们应该在这个位置上卖什么产品销量最好呢？一个简单的小店里面可能有三五千个sku，究竟怎样的选品才是最佳的？这时候就需要做店铺画像，做商品的分类了。
商品分类做好了，这些东西应该怎么做陈列呢？当我做陈列的时候怎么设计店内的动线？怎么才能让客户走我设计的路线并且购买更多的产品呢？
以上这些都是问题，但是这些问题都很难有最优解，最多只能找到一个次优解，那么次优解的根据是什么呢？往往来自于管理者的个人经验，来自于企业长期沉淀的积累，但是这些个人经验积累究竟怎么做才能在不同区域进行复制大范围使用呢？
通过AI的技术，通过机器学习的技术可以很好地解决这个问题。便利店在货架上陈列的商品，行业内叫棚格表，每个货架上摆什么东西，每个东西卖多少钱，这些问题归根结底都是坪效问题。我们说新零售关注的三个点——人效、品效、坪效。坪效在我们看来不是针对于店铺的面积来换算的，比如说这个店是100平200平，每平贡献多少毛利，而是店内每个货架贡献多少毛利，比如店内陈列了100个货架，每个货架贡献100块钱，这才算你真正的坪效。如果有的货架贡献的毛利非常高，有的贡献毛利非常低。我们在实际的场景当中发现过一个小的便利店，大概有三四十个货架，毛利比较高的货架每天贡献销售额可能在七八百，毛利非常低的可能只有几十块钱，这个时候就需要研究只贡献十几块毛利的货架究竟是商品陈列的问题、选品的问题（顾客对货架上的东西不感兴趣），还是便利店动线设计出现问题，客户根本到不了这个货架？
分析得出结论之后，就需要对假设进行一一试错，这个时候就需要收集数据进行分析了。那么问题来了，怎么获得这个数据呢？
两种方式，像以前是手工抄写表格，商品在上面摆完之后，店员定期去盘点。现在我们是通过AI的方式，我们通过手机拍照的方式就可以把这个货架成果表直接获取，大概只需要几秒钟的时间，然后通过和ERP的总体数据结合，这样就可以即时分析出这段时间这个店不同货架的坪效。
那么在这种情况下，我们可以对整个平台进行改造，当你做了一个货架调整，摆放调整，你是怎么知道是好还是不好的，这就需要后面的大数据做支撑，也是我们智能货架想做的一些核心的事情。那么当然了便利店的缺货理货也可以通过视频拍照的方式来解决。
这里我补充一点，现在很多企业对于货架管理都应用AI技术，但是这也带来大量的成本。我们的目的就是尽量在成本最低的情况下让企业更高效的提高收益。我们聚龙云在智慧货架方面，不需要增加任何硬件设备，只需要通过手机拍照、通过小程序的方式就能把货架的整个理念推广到企业中去。操作简单又能减低成本，提高企业营业收入。
（2）会员域即个性化推荐的应用
第二个要分享的就是我们的会员域的应用，即个性化推荐。过去十几年我们都经历过电商平台不断探索精准化营销的一个过程，这个发展历程也很有意思。最开始我们收到纸质的传单，再往后收到的是电子的优惠码代金券，但在这个阶段，我们实际发出的海量的代金券，它的转化率还是很低的。
举个例子来说，大家在店里买东西常会遇到一个情形，比如我买瓶酸奶在收银的时候，销售员跟我说什么东西半价，或者是说什么东西满减，要不要花很少的钱买一个？大部分情况我们对这个消息都是拒绝的，为什么呢？不是因为我们不想占便宜，而是快要结账的时候店员才跟我们说这个消息，如果我这么做了就有种被他们牵着鼻子走的感觉，感觉智商被戏弄了。
但是如果刚好是我们手里已经选好的东西告诉我第二件半价，我们大概率会选择购买，因为我本身就是冲着这个商品来的。所以说同一营销对象在面对不同的内容得到的结果是完全不同的，这个时候就需要对用户进行一个画像。
很多企业都想做会员体系，这里简单说一下我们对会员体系的理解。通常像航空公司、星巴克这样的公司搭建的会员体系，从他公司设计的第一天就已经开始了。他们很适合做会员体系，因为售卖的商品都是他们自家的，做会员体系就很简单了。
但是有些公司做会员体系就相对比较困难了，比如便利店。因为他们商品大多数是毛利很低的贴牌商品，自营商品非常少，这个时候做会员体系的支撑就很弱。因为客户很多对商品品牌的感召力比较弱，他们更多的是冲着店里的商品来的。比如如果这个店是个国际大牌，我可能会进去一下。但是便利店，客户一般是冲着店里的可乐或者香烟去的，所以对于这种快销类的会员体系搭建，就需要对用户去做更精准的画像，给大家提供更均衡的商品，所以我们会通过用户的标签进行操作，一个用户买商品的标签要像买服装一样，但是肯定比衣服标签多得多。
我们也要通过对用户的消费行为数据分析，把用户喜好、用户特征做成用户标签画像。
而这个标签画像我们更希望不仅仅是通过完整的AI技术，增加一个人脸识别的摄像头对每个店来说可能都要几千块钱上万块钱的成本，如果单纯依靠AI技术成本相对比较高。我们会同时通过他的消费的习惯，通过他的店铺的所在位置，他是一个社区店，还是地铁边的店，还是写字楼店，不同类型人群进行细分。那么通过这样的实践，我们会发现我们实际的转化率变得越来越高，同时店内客户粘性不断提升，客户愿意来到店内，及时打开我们小程序去获得优惠信息，及时消费，这个效果的反馈是非常明显的，并且投入成本也非常低。
（3）门店的销售预测
第三个就是门店类的销售预测，我们给大概有1000家连锁便利店，做了一个累计三年的大数据的分析，通过大数据的分析得出，一家常规的便利店，平均每天来客数大概在200到300自然人群，每人平均约买两个商品，那么一个店面差不多400到500的单品的销售，1000家店每天差不多就有几十万，一年就一个多亿，三年就六七个亿的销售数据。我们通过这些项目数据结合天气、当地的人群、店铺的商品的状况、节假日，甚至细到每次周一还是周日的日期的变化，我们做了一整套大数据的模型。通过模型对于常规的快消品动销率预测，我们可以达到78%以上的准确率。
这个东西有什么意义呢？我们实际上很多快消品，它的经营关键并不只是经营，首先它的品牌，其次受限于它的配送半径，很多商品的物流成本占了它整体运营成本的大头。那么如果我们有精准的商品销售预测的话，会根据不同区域、不同人群、不同季节对不同商品的补货量进行动态调整，极大的提升了库存的周转率，降低商品的补货成本。
尤其对于生鲜品这些动销比较高商品，我们需要提高它的补货周期，一天两配、三配，对于低温的商品，这些商品动态销售量比较低、物流成本比较高，我们希望它三天一配，五天一配，以此降低物流成本和人力成本。
那么刚才我提到的三个场景，其实坦率讲都是数据来源多渠道这些方式都给甲方不带来很多不必要的成本。只需要企业开放数据，运用我们的模型很快就能梳理出来，下图是我们整体的一个信息化解决方案的框架。
5.聚龙云中台的解决方案
（1）三大中台之间的关系
前面说过，我们聚龙云的智慧中台包括三大中台：数据中台、业务中台、技术中台。我们认为数据中台为神，数据中台是所有的核心，他能驱动所有业务最核心的部分，他是引擎；业务中台为形，他只是多业态全渠道的运营，业务中台是他的骨干；技术中台是一切的基础，没有技术中台微服务架构的支撑我们是不可能运行这么庞大的系统的。
（2）聚龙云中台的解决方案
在这里简单分享一下我们解决方案。这个是我们数据终端产品的一个应用场景图，我们分两类，一类是分析类的，一类是业务类的，那么从会员商品、门店、电商、员工都包含在内，那么上面这部分可能从现有的系统里面，我们通过搭建数据湖，搭建数仓大数据的服务就可以得到。
那么下面这部分是我们也需要通过一些外部的数据，通过一些机器学习的算法来匹配得到的，那么分为业务类和分析类。那么我们现在主攻的方向是在业务类的方向，给门店提供AI的赋能，包括甚至一些区块链的溯源、区块链的防卫等。
（3）中台落地最重要的是实施
最后一点，因为我们本身是一个数字化服务的提供厂商，所以我们也简单聊一下实施落地，因为20年前开始我是做中间件的咨询出身的。
大家都说产品很重要，但实际上实施更重要。这里我做一个简单的比喻，假设我们给客户做产品和实施，整个过程就是希望把客户从A点送到B点。在这个过程中，产品就相当于我们配的那辆车，好的产品相当于玛莎拉蒂，低端的产品相当于小的面包车，实施商就相当于司机。假如开玛莎拉蒂的是一个驾驶技术很差的司机，一路磕磕碰碰惊险万分；而开小面包车的是个老司机，对路线熟门熟路，一路四平八稳的到达终点。那么，我相信绝大部分人最后更愿意选择开着小面包车的老司机，而不是开着玛莎拉蒂的新手司机。只要实施到位了，我们不断提升产品性能（更换更好的车）就没都没那么难了。
6.关于聚龙云
我们北京聚龙云科技有限公司，是一家专注于中台的公司，公司秉承的“聚焦智慧商业，融合商业智慧”的理念，运用行业尖端的大数据技术、人工智能技术、物联网技术、区块链技术，目前为止已经为几十家国内外知名企业的中台战略进行服务，并且有成功交付的案例。
如果有兴趣可以随时联系我们，谢谢大家！
更多精彩点击官网：julongcloud.com
閱讀更多 聚龍雲 的文章
