美的，高速发展背后的数字化驱动力

2016年美的集团员工总数10.8万人，要驱动如此庞大体量的企业进行数据化运营从而实现精益化管理，绝非轻而易举、一蹴而就的事情。本次永洪小编有幸深度采访了美的集团成员公司，美云智数副总经理黄侃，为您揭示美的大数据运营的实践经验。

1. 数据运营是一种可培养的工作习惯

要让大家一起来构建企业的数据文化，还有更重要的是让企业形成有问题用数据来寻找答案的习惯。

业内的朋友都知道，黄侃是制造业知名的大数据专家，可是鲜有人知其实他的职业生涯并非从制造业开始。问黄侃是因为怎样的契机扎根于制造业，又选择了在制造业大数据领域不断探索的？他说，“我从1999年开始就一直在数据相关的领域工作，之前是在金融和通讯这两个行业差不多做了15年左右的时间。后来我希望看一看制造业，因为制造是整个产业发展的基石。金融和通讯整个数据的体系是比较完善的，而制造业在当时做数据化运营是很有挑战的事情。到后来我加入了美的，开始思考一个中国制造业标杆企业怎么样通过数据驱动整个企业运营。”

那美的当时是基于什么样的需求而组建了大数据体系呢？黄侃说：“一个企业发展到美的这个阶段，年产销在1500亿的规模，精细化的管理和精细化的数据驱动就变得格外重要，现在数据已经是企业的核心资产，如何利用好这个核心资产，让核心资产反过来推动企业更有序的和更健康的发展，是集团非常重视的事情，所以我们在美的成立了大数据体系。”

成立了大数据体系，又如何让大数据分析的价值被业务部门充分认可呢？黄侃认为：整个数据驱动的运营是只有起点没有终点的一件事情，美的大数据体系是一个推动者、执行和落地者。要让大家了解和认可数据的价值，首先需要每一个人的参与，尤其是每一个管理层的参与，大家一起来构建企业的数据文化，还有更重要的点是让企业形成有问题用数据来寻找答案的习惯。

图1 美的做了大数据的服务号，培养大家看数据的习惯（图片来自IT Value网站）

而即便管理层都认可了大数据分析的价值，对于大多数企业来说还是会经历大数据价值不太明朗的阶段，比如说基础平台已经搭建，而业务分析模型仍在摸索之中，又或者与业务流程的结合缺乏体系化思考，导致项目无法发挥价值等，对于大数据项目如何判断方向和控制其风险，黄侃给出美的的经验：整个大数据的推进过程，我们讲究循序渐进，把每个推进的过程，每个数据价值的释放分成很多的周期，然后逐步的释放出来。我们基本上是以月为单位去迭代，快得时候甚至于每周释放新的业务价值出来，让集团内部的业务用户，整个公司感受到数据的力量。对企业来讲做大数据项目虽然也可以贪大求全，比如我们会制定未来几年的发展蓝图，但在实施过程之中一定要注意逐步地和快速地释放数据价值，对企业内部大数据项目管理来说，项目进度的风控是非常重要的。

另外，即使在快速迭代的周期中，阻力本身是一定存在的，因为市场变化非常的快导致我们业务模型和业务关注点的变化也非常快。所以基本上无法给你充足的准备时间去做这件事情，这种时间的不充分会不会带来阻力？确实有阻力，但我认为更多的阻力是来自于你在运营过程中没有更好的为业务用户带来价值，这种阻力更多需要通过我们的团队去分析和思考，是不是你的数据文化出了问题？是不是团队的分析能力和对业务热点的把控能力出了问题？这个时候要做的是及时去调整内部团队的能力。

大型制造企业生产管理流程及其复杂，大部分的制造型企业并非没有实践的勇气，而是缺乏将大数据决策落地的能力。而在这点上，美的是在怎么做到的呢？黄侃表示，”如果大数据分析作为一个领域来说，其实它是一个非常复合型的领域，在这个领域内如果想要做成一点事情，帮到业务的进展，一定是基于好的技术基础，需要逻辑清晰，也需要业务本身的前瞻性，对业务和市场的理解，才有可能用数据驱动业务的发展。

2. 大数据如何聚焦业务价值

基于这些数据，我们怎么样把数字化运营建立起来，怎么样更好的改善我们的产品企划，生产制造的环节，产品质量以及客户服务，这是整个数字化运营或者是数据驱动企业运营过程之中非常重要的目的。

说到技术能力与业务理解的结合，就不得不提到美的的数据工作团队，究竟他们是如何分工，实现了哪些又是怎样实现这些应用场景呢？黄侃介绍说：“我们会有内部数据团队，基于美的自身运营，研、产、销和各个环节所产生出来的数据进行分析；还有就是外部数据团队，基于互联网数据的应用尤其是用户数据进行分析。传统的制造业可能会采取层层分销和渠道销售的模式，导致我们更多的只接触到渠道商和代理商，而感知不到自己的终端用户。这个时候用户数据就为我们提供了非常重要的切面，帮助我们了解市场的真实需求。另外，数据作为一种复合型的工作，这个团队除了技术人员外还需要负责数据清洗、转换、建模的部分，需要业务团队的配合，所以美的大数据体系的融合是业务加数据的融合，这也是美的大数据非常有特色的地方。基于内部数据、外部数据包括用户数据这些维度构成了我们美的大数据的数据源，从底层的数据到上层的应用规划，以及构建驱动方式，用数据驱动整个美的的企业运营。在美的我们有跨事业部的联合工作小组，基本上季度或者月度会开会沟通大数据相关的问题。那究竟如何用数据分析帮助业务提升呢？黄侃分享了三个具体的应用场景：

案例一： 理解用户需求、打造爆款产品

美的有一款产品总是卖不好，而市场上竞争对手的销量却非常大，其实这家厂家不是一个很大牌的厂家，它只做一款产品——电烤箱，美的的东西为什么卖不过这样的友商呢？通过数据跟踪后分析大数据团队发现有很大的问题。

图2 大数据分析分析收益——优化产品，贴近用户，提高利润

第一，产品尺寸。因为美的这款产品以前是以外销为主的所以尺寸比较大，但是国内用户没有那么大的房子也没有那么多的人口，他不需要这么大的产品来为他服务。市场上的主流产品是25寸和32寸，而我们的产品是38寸，所以这个会有偏差。

另外一点，从功能上来说国内的用户比较讲究独特和美观，有些功能或许你觉得用处没有那么大，但是这些功能是客户进行商品选择时非常重要的决策因素，我们怎么去改善它？通过大数据把功能和竞争对手进行对标进行分析，就可以告诉研发部门应该做，哪些不做。

还有，从市场角度来说，整个产品的运营考量是非常重要的，到底这款产品主打什么，是主打烧烤、主打烘焙还是其他？我们会对产品进行市场用户需求的评测，从用户的角度，通过用户的心声做建模，来看说用户到底想要什么。

这几个点全部改完以后，三个月的时间这款产品重回市场第一。

案例二： 完善产品细节、投诉率降低40%

美的有一款新的家用产品投入到市场，质检通过率返修率都没有什么问题，但是对在电商平台上抓取的用户评价数据进行分析，分析结果显示用户的吐槽率是比较高的。但通过用户回访，客户自身也说不清什么原因，就是反映产品漏了配件。这个很显然就是售后部门和产品部门的博弈了，在产品质量层面是没有问题的，该检查的也检查过，但投诉和丢失配件的评价依然存在，一时间也找不出来到底是哪个环节出现了问题。

但数据是不会骗人的，这个吐槽和投诉率就是实际存在的。最后数据部门和制造设计部门通过认真分析和对以往用户回访用户所反映出来的问题，以及还原用户在使用该产品的场景过程中，找到了这个问题的一个疑似原因：在该产品的设计包装中，包装箱上面的泡沫盒有一些配件，包装箱底层的泡沫盒也有一些配件。用户习惯是拿出上面的泡沫盒，再拿出产品，一些用户就忽略了底层泡沫盒中放置的配件顺着箱子就给扔掉了。

图3 美的—产品投诉问题分析流程

后来设计部门对该产品的包装设计进行了改善，重新投放市场，之后通过每日的数据追踪和分析，该产品的投诉率直线下降了40%左右，这是一个非常典型的利用数据发现问题，结合业务判断问题的场景。

案例三： 用户画像与精准营销

我们在很多大数据自媒体、各种大数据沙龙活动中经常听到用户画像、精准营销，这几个词。但是为什么除了一些大的电商、互联网平台之外，我们身边的很多企业很少有看到他们有用过。原因非常简单，用户画像、精准营销、商品推荐这些需要的是一个海量的数据资源基础——商品资源、用户基数、用户行为和标签属性资源等这些资源的结合。没有这些资源，无法真正做到用户认知，也没有这么精细的分类产品去进行推送。

但美的是握有这些资源的，美的目前拥有近1.5亿带手机的唯一身份用户，每天以至少12万的数据在递增。并且最重要的是，用户购买的记录、购买渠道、地域、使用偏好等等信息全部标签化。一条用户记录可以打上近600个标签和多级标签属性，一个完整的360度的用户画像就被刻画出来，基于这些用户标签再来做精准营销、商品推荐成功的几率就会非常大。

图4 美的—用户画像全景视图

而最重要的是，这些用户画像推荐模型会帮助服务一线导购，包括售后。这就完成了从线上线下整个立体空间对用户进行了解和定位，以前需要是什么、目前在关注什么、后面可能需要什么，可能需要美的提供什么样的服务，大数据平台统统清楚。当然，实际的服务过程一定因为具体执行人（导购、售后客服）的因素有所体验不同和偏差，但是从整体上来看，对产品的引导和服务是具备很强的指导性的。

而这一切也是依靠大数据平台来做到的，数据有进也有出，进去的是数据，出去的是信息，并且有非常有价值的信息。

在美的，这种非常具有业务价值的从大数据平台中发掘出来的案例有好几百个，真正的做到了用数据说话，这种内部大数据项目的建设无疑是非常成功的。这些例子说明了什么呢？整个大数据体系不仅仅看一个报表，一个数据，更多的是基于这些数据，我们怎么样把数字化运营建立起来，怎么样更好的改善我们的产品企划，生产制造的环节，产品质量以及客户服务，这是整个数字化运营或者是数据驱动企业运营过程之中非常重要的目的。

3. 选择合作伙伴，美的的标准和远见

最重要的，这个企业能不能在整个数字化运营的推进过程之中和我们一起来去不断的完善产品，优化产品，对我们的需求能够快速的响应，对我们的服务要求能够很好的满足。

图5 敏捷开发，永洪助力美的实现集团化数据应用统一管控

谈及与永洪的合作，黄侃曾说：“我个人觉得数据可视化是非常专业的领域，这个领域你想做深做精，能够达到我刚才说的“简”字，非常困难。所以我们选择了一家非常好的合作伙伴。”而这次他再次分享了他在产品选型上的思考：“美的和永洪的合作是从2015年开始的，美的整个大数据体系的构建底层数据非常严谨，从前端可视化和应用来讲比较灵活，灵活包括几个方面：第一，需要非常灵活的部署以及用户的业务场景能够非常好的被可视化工具来满足。第二，它能够帮助用户，除了IT用户以外能够帮助业务用户，能够快速的搭建整个业务分析和可视化的场景，这一点来说是我们非常看重永洪的一点。第三，美的大数据体系客观的讲它应用的程度以及时用户群是非常大的，现在美的大数据体系用户数有2.5万人以上，你想一个产品、一个工具能够满足到这么多人，甚至每个人有自己不同的使用习惯和使用的兴趣爱好，能够满足到它，所以这个产品它本身张力要足够，这点是永洪做的很出色的地方。最后一点也是最重要的，因为我们以前也用一些国外厂商的产品，比较看重这个企业能不能在整个数字化运营的推进过程之中，和我们一起来去不断的完善产品、优化产品，对我们的需求能够快速的响应，对我们的服务要求能够很好的满足。”

数据可视化其实是一个非常深入的课题，我们在整个数据运营过程之中，数据可视化是最终把整个数据运营的结果展现出来的，非常重要的载体。现在美的从生产条件，生产线的可视化，整个工厂的可视化，到我们整个研发过程的可视化，到整个营销过程，整个库存、营销、应收、应付，整个过程动态的可视化，我们基本上整个全链条已经实现了。

另外，确实永洪是整个大数据体系里面，可以说是唯一一个商业者做可视化的产品，也期待未来进一步深入的合作。

4. 美的，以及中国智能制造的崛起

面对中国制造的难度，中国制造本土化的实践经验是非常重要的。

2017年3月5日第十二届人大会上，大数据第4次进入政府工作报告。作为《中国制造2025》的配套政策，去年工信部已经出台了《大数据产业“十三五”规划》，为大数据产业的发展提供了明确的时间表和路线图。

我问黄侃，就整个制造业来说，中国财经报道也推出了《中国智能制造》的专题报道，特别是在东莞，像美的、红领、劲胜，都已经是在各自细分领域的智能制造的典范，甚至很多国外的制造业厂商也会来参观学习，美的以及以美的为代表的的中国智能制造目前处于怎样的水平？

黄侃坦诚的表示：首先我非常看好制造业这个行业，因为制造业是我们经济的基石，现在我们提倡所谓中国制造2025，国外在提工业4.0，这些都表明国内对于生产制造业的关注程度达到了前所未有的阶段，我也相信实体产业正在的回归，实体产业的受重视程度已经到了较高的阶段。美的作为制造业的一员，发展到如今的规模，是因为美的是一家非常精进的企业，不断的在拓展自己的产品领域，也不断的挑战自己经营的体系，这一点是非常重要的。对于国内来说，我认为照搬国外不是非常的现实，为什么呢？因为中国制造它的困难程度、复杂程度会比国外的制造要高很多，国外的制造业其实很多时候更多偏向于整装，有更多的零部件是外包给上游的供应商来做，比如说宝马汽车，它全部外包以后把零配件在自己工厂里面全部组装起来，做一个整装的工作。

对于国内的制造业来说，因为中国制造的特点在于整个成本以及整个供应链所有环节中考量，意味着什么呢？意味我们除了整装是最后一个环节以外，我们会有深度部装的工作。所谓深度部装的工作，我们很多时候会从最细密度的原材料，可能从塑料的颗粒到钢板开始做起，最终形成一台产品。在美的，你可以参观美的武汉智能工厂和南沙的智能工厂，你会发现它是从一个塑料片，从一个塑料最基本的原材料到一个钢板，最终在一条生产线上，最后成为一台空调出来。

这意味着什么呢？意味着中国制造的难度，中国制造本土化的实践经验是非常重要的，因为国外很多先进的经验移植过来并不能解决我们所有的问题。美的在整个智能制造行业里面，应该是处于国内比较领先的地位。而据我所知刚才你提到的一些标杆制造企业也包括美的，应该说在国际上也算比较领先的。

5. 美云智数的愿景

我们想用美的在整个制造业这块的企业信息化经验，给整个行业带来一些参考价值。

2016年11月，源于美的流程IT核心团队的深圳美云智数科技有限公司正式成立。

图6 黄侃在美云智数深圳产品发布会上发表演讲

我问他，有没有想过成立了美云智数之后会做成什么样的企业？黄侃说，美云智数的愿景是为泛制造业的企业提供全价值链的，一站式的企业云服务产品和解决方案。企业的数字化运营，对于每个企业来说都是迫在眉睫的事情，我们想用美的在制造业的企业信息化经验，在智能制造、大数据、数字化运营，在企业移动化等各方面的实践经验，给行业带来一些参考价值。3月3号我们在深圳开发布会，今年我们会启动全国的推介和产品的发布，这次没有机会一起参加的朋友，可以参加我们4月份上海，5月份厦门，6月份北京的活动，相信美的在这方面的实践，能够给到其它的制造行业有更多的借鉴。

本文感谢美云智数副总经理黄侃对本次采访的大力支持。感谢黄总！

案例部分，感谢天善智能联合创始人吕品提供相关资料。