“会数据同学”首站走进雅戈尔,看老牌男装品牌如何用“数据+AI”华丽转身

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
简介: “会数据同学”首站走进雅戈尔,看老牌男装品牌如何用“数据+AI”华丽转身



在中国男装的品牌江湖中,来自宁波的雅戈尔以其45年的深厚积淀,占据了举足轻重的地位。作为中国纺织服装业的领军企业,雅戈尔不仅在衬衫市场占有率上一度位居全国第一,更在1998年成功登陆上海证券交易所,成为资本市场的一颗璀璨明星。从高端服装制造起家,雅戈尔不断拓展其商业版图,涉足金融、地产、纺织、贸易等多个领域,成为中国民营企业500强之一,截至2022年底,雅戈尔集团总资产高达974亿,净资产达到418亿元。

然而,正如同所有老牌企业一样,雅戈尔近几年也遭遇了宏观经济逆风和品牌形象再造等挑战,数字化,成了雅戈尔的“又一春”。2016年,在雅戈尔创始人李如成先生指引下,雅戈尔数字化由商业智能时代迈入“数据中台时代”,逐步构建起业务中台、数据中台与财务共享中心三大中台。


步入宁波雅戈尔总部的“时尚之星”展厅,一块数据大屏非常醒目,实时呈现集团全域销售动态,各营销分支业绩排名与各渠道营收对比清晰可察,彰显出企业对市场脉搏的精准把握。续行至其5G工厂内,全自动吊挂流水线上的布料有序游走,工位前端的可视化电子屏实时更新生产进度。融合5G、AI及机器人技术后,实现视觉检测智能化,显著提升检测效能与产品质量。产品反应速度由原15天大幅缩减至5-7天,批量订单生产周期亦缩短35%,单工位生产效率提升达25%,尽显科技创新驱动下的精益制造实力。

而这一切改变,都始于2005年雅戈尔对科技趋势的前沿判断和眼光。

“我们公司对于数字化很重视,2005年开始数字化,2008年就开始引入商业智能BI的概念,2019年开始引入数据中台,中间累积了近20年的经验”,雅戈尔集团大数据负责人竺显波开玩笑说,“但这中间我们也踩了很多数字化的坑。”

在4月24日阿里巴巴瓴羊和雅戈尔共同举办的“会数据同学”活动上,雅戈尔分享了其过去20年,如何携手瓴羊的Dataphin和QuickBI通过数据和AI双管齐下,对内,提升业务方的用数和看数效率,对外,用数据提供开店决策和精细化运营,用更低的成本提升转化率、简化长达4亿行的表格和提升门店平效

雅戈尔数字化转型的三大阶段


雅戈尔CIO王歆将雅戈尔的数字化转型分为三大阶段:基于核心业务的基础设施建设、业务驱动的数字化、实现战略引领。

在第一阶段,雅戈尔重点进行了基于核心业务的基础设施建设。2018年,雅戈尔建成了中国服装行业第一家智能工厂,MES系统监控下的生产线,激光投影仪取代了人工裁片,吊挂架自动匹配西服与西裤,生产全过程透明可控,西服生产周期从45天缩短至32天。这一切,都离不开数据的支撑和治理。

数据能否真正应用于业务、并在未来实现战略引领,核心在于「数据质量」。数据不会骗人,但难以统一的数据标准、不规范的业务流程,都可能造成数据污染——一旦数据失真,就无法为业务决策提供实际参考价值。

雅戈尔所面临的挑战在于其多元化的业务架构——多品牌战略、多渠道经营以及多层次组织体系,导致数据需求维度繁复交错,加大了数据处理的复杂度。公司旗下除主品牌外,通过自主创立、并购或合作等途径,成功构建起包括高端男装MAYOR、绿色生活品牌HANP(汉麻世家)、美式街头潮牌UNDEFEATED、顶级户外品牌HELLYHANSEN以及休闲运动品牌HARTMARX在内的多元化品牌矩阵。这些品牌各自设立独立事业部,并配备专属物流与财务团队。但不同角色需要关注的数据维度不同,品牌高层管理者需掌握从大区至门店各级别的销售动态,而物流部门则聚焦与其职能相关的数据。

image.png

雅戈尔集团CIO王歆

数据治理是数字化转型中的一项“脏活儿”,但雅戈尔却将其转化为了企业的核心优势。面对多品牌、多渠道、多层级组织带来的数据复杂性,雅戈尔与财务部门共同制定统一的数据标准和口径,经过清洗与筛选后,数据会在集团内公告,无异议后才会被采纳,作为绩效评比的参考依据。

但有了趁手的好工具,“脏活儿”也可以变“白月光”。
从2019年开始,雅戈尔开始使用瓴羊的智能数据建设与治理Dataphin,从头逐一梳理雅戈尔长达3亿行的Excel报表和多达30T的数据量,重新定义和拉齐雅戈尔的数据指标和维度,并且提供分布式的数据处理方式,灵活增加调配存储和算力,大幅提升了雅戈尔的数据使用效率和开发速度。

Dataphin如今整合了10多个系统,底层清洗了900多个表,400多个指标,600多个报表真实反映雅戈尔的业务情况,这大幅降低了业务部门和IT部门之间的沟通成本,并且整合了雅戈尔的跨部门全域数据,梳理出了清晰的数据架构。

“我们在瓴羊的数据中台统计数据支点,指向大概4万多条,每一个定义都非常清楚。这让我们数据在业务上产生纷争的时候,无对无错,一目了然。”王歆说。

业务数据需求可以通过瓴羊QuickBI搭建数据报表来满足,现在更是叠加了智能问数的功能。以前,老板巡店时要带着一叠报表问东问西,问销量问库存问成本,现在老板只需要打开手机或平板电脑,动动嘴即可访问数据中台,实时查看店铺的360全景。

关店开店?优惠券怎么发?数据来决定


在打好数据地基的前提下,雅戈尔可以更加专注于业务发展,其数字化转型进入第二阶段——业务驱动。雅戈尔的数据中台基于门店、会员和商品标签,实现了更精准的触达,从而提升了年消费额和活跃度。竺显波提到:“数据首先要对业务真的有效。”雅戈尔通过标签分析,避免盲目群发导致的低转化率,实现了精准运营。

以优惠券的复购为例,以往雅戈尔发送优惠券的转化率是一个业务痛点。如今在AI中台根据历史数据、商品信息和客户数据,做了购买意向程度的排序,如今只需要花费以往十分之一的成本即可触达,转化率显著提高。这背后其实就是数据的力量。

而在开店方面,基于数据中台和智能商业系统,数据也提供了巨大助力。
雅戈尔通过数据发现小店的平效并不好,开始实行”关小店,开大店”策略,公开数据显示,截至2023年9月,雅戈尔的自营门店1750家,较年初净减少103家;营业面积44.83万平方米,则与年初基本持平,自营门店的面积在扩大,店均销售同比提高21.70%。

“通过历史小店的平效数据较低与当前大店挑战战略后的高平效数据对比,可以证明公司的策略是有效的。这意味着公司选择的店铺面积和经营模式能够带来更好的业绩表现,而不仅仅是简单的技术操作。”竺显波说。

当AI重新唤醒数据价值


最后,在雅戈尔的第三阶段“实现战略引领”,基于数据的AI带来了全新的商业价值。

“当AI融入商业,如春风拂过大地,唤醒了沉睡的价值与潜力。数据就是沉睡的价值,AI是唤醒数据价值最好的利器。”王歆说。

展望未来,雅戈尔的数字化转型将会专注在四大维度:以系统集成为命题,以AI贯穿为主线,以行为数据为洞察,以碎片时间为生产,做更多智能化的应用。

提及和瓴羊的合作,王歆认为数据智能领域还非常新,虽然现阶段还不是最完美的,但雅戈尔愿意和瓴羊持续开展更多尝试。

在“会数据同学”走进标杆企业的系列活动中,雅戈尔不仅展露其数字化建设硕果,更构筑起一个互动交流与知识共享的平台,助力广大企业借鉴并汲取数字化转型的智慧与实践经验。数据同学会·会数据同学活动由瓴羊联袂清华大学数据治理研究中心等机构倾力打造,旨在汇聚行业实战精华与前瞻洞察,通过产学研深度融合,共促数据行业发展。未来,“会数据同学”将进一步深入汽车、酒水食品等领军企业,持续为更多企业的共创学习之旅添砖加瓦。


相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
27天前
|
消息中间件 人工智能 Kafka
AI 时代的数据通道:云消息队列 Kafka 的演进与实践
云消息队列 Kafka 版通过在架构创新、性能优化与生态融合等方面的突破性进展,为企业构建实时数据驱动的应用提供了坚实支撑,持续赋能客户业务创新。
267 24
|
2月前
|
消息中间件 人工智能 运维
事件驱动重塑 AI 数据链路:阿里云 EventBridge 发布 AI ETL 新范式
“一个简单的数据集成任务,开始时总是轻松愉快的,但随着业务扩展,数据源越来越多,格式越来越乱,整个数据链路就会变得一团糟。”陈涛在演讲中指出了当前 AI 数据处理的普遍困境。扩展难、运维难、稳定性差,这三大挑战已成为制约 AI 应用创新和落地的关键瓶颈。针对这些痛点,在2025云栖大会期间,阿里云重磅发布了事件驱动 AI ETL 新范式,其核心产品 EventBridge 通过深度集成 AI 能力,为开发者提供了一套革命性的解决方案,旨在彻底改变 AI 时代的数据准备与处理方式。
308 25
|
2月前
|
人工智能 搜索推荐 SEO
【1分钟解密】如何让 AI 大模型推荐你的品牌
随着AI逐渐取代传统搜索,企业如何让AI“看见”并“信任”你?GEO(生成式引擎优化)应运而生,它不仅是SEO的延伸,更是让AI主动推荐你的关键策略。通过优化内容结构、提升权威性与可读性,GEO助力企业在AI生成的答案中占据一席之地,赢得未来流量入口。
148 5
|
21天前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
1938 41
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
迁移学习:让小数据也能驱动AI大模型
迁移学习:让小数据也能驱动AI大模型
269 99
|
16天前
|
人工智能 开发者
从技术到品牌:一个AI指令,让开发者也能写出动人的品牌故事
开发者常擅技术却困于品牌叙事。本文分享一套结构化AI指令,结合DeepSeek、通义千问等国产工具,将品牌故事拆解为可执行模块,助力技术人快速生成有温度、有逻辑的品牌故事框架,实现从代码到共鸣的跨越。
97 5
|
25天前
|
机器学习/深度学习 人工智能 监控
拔俗AI智能营运分析助手软件系统:企业决策的"数据军师",让经营从"拍脑袋"变"精准导航"
AI智能营运分析助手打破数据孤岛,实时整合ERP、CRM等系统数据,自动生成报表、智能预警与可视化决策建议,助力企业从“经验驱动”迈向“数据驱动”,提升决策效率,降低运营成本,精准把握市场先机。(238字)
|
25天前
|
传感器 人工智能 监控
拔俗多模态跨尺度大数据AI分析平台:让复杂数据“开口说话”的智能引擎
在数字化时代,多模态跨尺度大数据AI分析平台应运而生,打破数据孤岛,融合图像、文本、视频等多源信息,贯通微观与宏观尺度,实现智能诊断、预测与决策,广泛应用于医疗、制造、金融等领域,推动AI从“看懂”到“会思考”的跃迁。
|
25天前
|
机器学习/深度学习 人工智能 算法
拔俗AI智能营运分析助手:用技术破解企业“数据焦虑”
AI智能营运分析助手破解企业“数据多却难洞察”难题,通过自动化集成、定制化模型、可视化输出,助力中小企业实现低门槛数据驱动决策,提升营运效率与精准度。
|
25天前
|
机器学习/深度学习 人工智能 搜索推荐
拔俗AI体征营养指导系统:从数据到建议的技术闭环
AI如何读懂身体并给出科学营养建议?本文从开发者视角揭秘三大核心技术:多源异构数据融合,构建个性化推荐引擎,以及反馈驱动的持续学习系统。通过打通“感知-决策-反馈”闭环,AI真正实现千人千面的动态营养指导,成为可进化的健康伙伴。(238字)

热门文章

最新文章