MC3云中台走进南京久利服饰

南京久利旗下的A-LINE女装品牌创建于1996年，创建伊始，就以其端庄、典雅、别致的风格赢得顾客群的青睐、在女装品牌中独树一帜。

　　A-LINE英文意思为“一线”，寓意着A-LINE胸怀成就一流品牌的美好愿景。A-LINE时刻关注全球新的潮流服饰资讯，准确把握潮流精髓，在服装的造型设计中倡导时尚、舒适的品牌理想，引入强烈的创新气息，以及更加精致的标新立异，彰显A-LINE创意魅力。

　　A-LINE产品系列定位于受过较好教育的OL一族，她们追求时尚、彰显个性、崇尚简约、富有文化品味。A-LINE产品风格超大程度地诠释了顾客群追求新城市文化的渴望与激情。

久利服饰是一家立足于南京的本土企业，最初跟百胜的合作是在2008年，当时我们涉足服装行业已经有10多年，在同行的推荐中认识到百胜软件，并从那时开始合作，使用与我们业务模式和业务发展方向契合度非常高的产品，当时来看非常先进，也很好的促进了我们的发展。后来，随着市场的发展，新模式的出现，全渠道成为企业发展的时代趋势，在这一背景下，我们选择进行企业信息化系统的升级建设。出于多年来使用百胜产品的良好体验及信任，我们再度选择百胜软件，在一次产品现场会议上，认识到MC3云中台这一全渠道SaaS化零售产品，这一产品的设计理念与我们对未来的规划不谋而言，当时我就深刻感觉到这就是我们一直想要找的产品：能满足我们在全渠道、数据统一等方面的业务需求，当即就果断地决定再次开启新的项目合作。2MC3云中台帮助久利实现了怎样的改变？

应该说最主要带来的改变有三点：

1）首先是实现了多个场景的全渠道业务打通，比如：天猫旗舰店下单后系统把审核完成的订单推给最适合的门店发货；顾客看中了满意的商品，但门店缺货这时候店员可以下网络订单，等等。等于将商品、订单、会员这些线上和线下数据打通了，可以帮助我们加快货品的扭转速度；2）其次是把我们之前分散在线上和线下的会员数据进行了清洗，形成了完整的客户画像，统一了线上线下会员的权益，同时通过系统营销工作流的设定，可以制定非常多的营销玩法，之前很多关于会员营销的构想，现在都可以通过系统来实现；3）最后就是使用这个系统之后，操作步骤及工作流程很清晰，数据链非常完善，操作人员普遍反映操作比之前便捷，通过这一段时间的使用，也确实帮助我们优化了业务流程。比如说采购流程，梳理之后，对于财务、供应商的对账，非常有帮助。

3对于未来有什么期许？

数字化、智能化是零售业发展的大趋势，也是当下比较热门的话题，而它主要的，就是数据。我们希望通过平台化大数据的分析，进行客户画像分析，实现精准客户营销，提升客户消费体验，完成企业智能化的“人货场”重构。

更多精彩内容请关注百胜软件公众号（Id：baisonsoft）

2021 年 6 月 25 日— 26 日，CGCA 中国消费品行业 CIO 大会于上海隆重召开。本次大会是中国消费品行业顶尖盛会之一，由中国零售行业 CIO 联盟与中国消费品数字化研究院联合主办，会议主题为 " 数字驱动，数智未来 "。

中国零售行业 CIO 联盟是零售、消费品、快消品 3 大行业最大的 CIO 联盟，主要是零售行业的 CIO、CEO、VP 等精英层组成，属于中国零售行业中品牌和零售人的高端人才交流学习平台。联盟成员 6000 多家 / 人左右，跨大零售行业中的 11 个行业（服装行业、医药行业、食品饮料行业、商超行业、酒行业、珠宝黄金行业、鞋行业、日用品行业、家居行业、电子消费品行业、化妆品行业），荟聚了每个行业 90% 以上规模企业的 CIO。

大会主办方邀请了 400+ 参会嘉宾，分别来自食品饮料酒类、美妆日化家清、服装鞋帽、珠宝黄金、家电家居、医药、3C 等行业的 CIO、CTO 等信息化相关负责人及行业知名信息化服务商。本次大会议程基于消费品行业数字化市场动态与最新趋势，以当今消费品和零售 CIO 从业者的诉求为核心，深入讨论和研究中国和全球消费品和零售数字化领域的行业前沿和热门核心话题，并为业界人士搭建学习、交流和社交的顶级、高端、专业平台，百胜软件受邀参会。

在会议分享环节，百胜软件首席咨询专家胥子毅从品牌企业数字化转型趋势进行分析，深度探究行业痛点与零售企业数字化转型困境，以百胜软件自身二十余年对行业的理解和服务经验，沉淀出支撑企业数字化转型与业务创新的中台系统作为解决方案，并辅以实际转型成功的案例分析，真正向各位与会嘉宾展示企业中台助力品牌企业数字化转型的可行性经验。

随着工业信息化的进程不断加快，品牌企业数字化转型趋势已经势不可挡。品牌企业想要持续发展，就必须要面对市场趋势，再针对于自身的实际情况做出足够长远的发展规划。在洞察趋势方面，可以从新消费的变化与进化着手，构建以用户为中心的数字化供应链，完成数字化营销闭环。并通过基础设施云化、触点数字化、业务在线化、运营数据化与决策智能化五部曲进行赋能，最终达成品牌企业数字化转型趋势分析。

对于零售行业数字化转型困境，胥子毅主要是结合市场与行业现状，再通过百胜软件自身的发展经验，从多个方面进行仔细阐述。其中具体内容包括，零售企业产品与业务范围覆盖过于宽泛，无法做到针对高意向群体的精准营销；货物本身库存压力较大，很难进行快速有效的周转；S2B2C 割裂，无法进行全渠道联动；业务端口与财务端口各自运行无法解耦，以及零售企业数字化转型缺乏一套较为成熟的信息技术系统进行支撑等。

百胜软件云起计划从 " 一云 "，" 多端 "，" 三中台 " 助力品牌构建数智新基建，E3+ 企业中台彻底打通零售企业数字化转型路径，DATAMAX 数据中台以大数据为基础，构建企业数据资产，深度解析企业运营数据，用数据驱动企业商业决策和战略落地。BSEIP 技术中台为微服务应用和数字化融合的企业级 PAAS 平台，帮助企业聚焦业务，加速数字化转型。百胜软件成立至今，已经成功服务企业 30000+。在案例分享环节，胥子毅以潮宏基如何从传统企业的经营模式，通过企业中台助力，逐步发展到用户为中心的数字化门店，最终达成转型升级。梦洁的全渠道私域营销，以品牌企业新零售模式为基石，通过企业中台与丰富的营销工具和场景进行赋能，成功打通线上线下渠道，助力梦洁搭建功能完备的私域流量池。

百胜软件除了在本次活动中做了精彩分享，还受邀参在展示区搭建展位，就前沿零售解决方案及百胜中台发展策略、产品介绍与服务模式如何助力品牌企业与零售企业数字化转型等问题，与各位前来参观交流的与会嘉宾进行深度交流与探讨。

为了表彰在数字化转型升级进程中，为行业发展做出突出贡献的诸多企业，大会议程在 25 日晚特地设立了品牌之夜的颁奖盛典。作为全渠道数字零售解决方案服务商，百胜软件推出 3T 战略（IT 系统服务、DT 数据服务及 OT 运营服务）帮企业实现数字化转型。并进一步打造企业中台，形成业务中台与数据中台融合的解决方案，E3+ 业务中台 - 共享业务沉淀 & 前端变化快速应对，E3+ 数据中台 - 构建企业数据资产；帮助融合企业的全期业务，实现业务的转型升级。大会主办方对于百胜软件的企业中台服务体系同样深度认可，并于颁奖典礼上授予百胜软件 " 年度最具价值企业中台奖 "。

上海百胜软件股份有限公司成立于 2000 年，是全渠道数字零售解决方案服务商，业务涵盖企业中台、数字零售、电子商务、移动应用、云服务、RPA&AI、大数据应用、仓储物流等领域的产品和服务，打造一站式企业数智化生态服务。百胜软件与旗下 25 家分子公司及全国 200 多家星联服务机构，为客户提供专业及时的服务支持，安全保障 30 多万家实体门店和 5 万多家网上商店的数智化运营。新零售时代百胜软件，仍将致力于为中国零售企业提供全渠道数智零售解决方案，帮助客户实现数智化转型和商业创新，成就智慧品牌，创造非凡价值。

为期两天的中国消费品行业 CIO 大会，在 26 日下午圆满结束。感谢活动主办方的参会邀请，在接下来的发展道路上，百胜软件仍将恪守成就客户，追求品质，超越自我，拥抱变化的经营理念不断努力奋进。继续以引领企业数智化创新为目标，推进零售企业数智化基础设施更新换代，成为中国零售行业数智化转型升级的引领者！

AI 能力在产业端的规模化落地是否存在可能?第四范式用五年时间给出了答案——在金融、零售、医疗等行业领域积累了超过八千家行业客户 AI 落地业务经验。

“数据治理难、科学家稀缺、业务价值不佳以及算力成本负担重，是企业 AI 转型中四个最常见的坑，”第四范式创始人兼 CEO 戴文渊谈道，“这些问题归根结底是因为缺少基于规范和标准的基础设施。”

为此，他们从实战经验中提炼出一套完整方法论——从底层操作系统到基于自研 AI 加速卡的一体机，从模型开发工具到业务开发工具——并将其标准化地复制给更为广泛的产业客户与市场需求。

第四范式创始人兼CEO戴文渊

“是的，我刚从客户那里出来”。

电话那头，赶着搭高铁的胡时伟气喘吁吁，“他们是一家面向大学生的 APP 公司，平时日活也就百万左右，疫情期间达到了四百万，线上流量爆增，需求非常典型。”

胡时伟是第四范式的联合创始人，同时也是公司技术层面的首席架构师。这几个月以来，频繁穿梭于不同客户之间成为第四范式各个负责人的日常。

第四范式是一家面向人工智能机器学习平台的公司，来自于一帮年轻的研究人员，特别是的，他们曾为百度、今日头条等中国顶尖的互联网公司打造了最早一批的深度学习技术框架，手握彼时产业端稀缺的 AI 业务开发经验。

2014 年底，他们创立了自己的公司“第四范式”，并展现出惊人的成长速度和落地能力。五年的时间里，他们在金融、零售、医疗等行业领域积累了超过 8000 家行业客户。今年 4 月，第四范式完成 C 轮总计 2.3 亿美元融资，估值约为 20 亿美元。

据 IDC2019 年《中国机器学习开发平台市场评估》显示，第四范式在机器学习平台市场占有率位于第一，领先于 BAT、微软和 AWS 等公司与平台。

在这背后，是机器学习模型与框架等偏向底层的 AI 能力走向业务端的突破，是 AI 价值切实落地到面向用户的场景里。

一、疫情催生流量格局剧变，如何解围?

2020 年，席卷全球的新冠疫情当属影响最大的市场变量，隔离与封城让线下产业举步维艰;而与此同时，线上办公新增 3 亿人，观看直播的人次达到 500 亿，一场线下用户向线上流量的大规模迁移或许只发生在一瞬间。

黑天鹅突如其来，促使线下经营者和线上流量主都不得不对重新深思 “在线化” 主题，胡时伟和同事们接触多了太多这样的声音。

“一方面，他们迫切地想要活下来;另一方面，如果能活下来，他们必须思考要做出哪些改变。”

在胡时伟看来，他们所面临的共同挑战主要集中在三个层面：

移动化以后，如何找到用户;

找到用户以后，如何经营用户;

如何竞争获取用户的碎片化时间。

“比如传统零售业，店家熟知如何选址才能会有丰富的人流;到了线上，就是有效流量获取的问题，而这可能是线下店主所完全不了解的。”胡时伟说道。

此外，传统线下行业的竞争仅限于商圈，同品类的店铺，但到了线上，竞争泛化为无差异的用户的时间竞争。这些竞争或许发生在今日头条与银行应用之间，也可能是电商与阅读类应用的竞争。业务与交易的过程被打碎，用户的注意力稍不留意就被偷走。

种种挑战，无论是对于初涉移动互联网的线下店家，还是年轻的线上流量主，要想快速提出有效的解决方案都不是件容易事。

胡时伟，第四范式联合创始人兼首席架构师。

胡时伟和同事们想出了办法。不过主角并不是他们，而是封装了人工智能能力的功能包——“相当于为每家企业提供一个 VIP 专员为他们解决业务问题”。

具体来看，这些问题被梳理为增长、留存、变现三大类，每一类问题都关联了相应的自动化功能，比如要实现用户留存，可以通过关联推荐、热点推荐、千人千面等智能推送能力提升活跃度。

这些功能的影子最早出现在今日头条等信息流里，它们正是出自第四范式的早期团队。现在它们被定义地更加清晰和准确，其适用的场景也从内容领域拓宽到各行各业，成为第四范式面向企业用户的首个业务系统应用——天枢。

事实上，第四范式的这些单点能力已在多个领域落地并取得了不错成效，包括为在餐饮领域，百胜餐饮(KFC 母公司)提供 APP 点餐推荐功能，使其客均单价得到提升。在媒体领域，第四范式累计服务上千家媒体客户，每天为 2 亿人次提供千人千面的浏览体验。

二、管理 AI 业务的第一步：让数据 AI Ready

要让人工智能的能力轻松落地到客户端。在应用之下，还需要更为底层的能力支撑，以降低算力和建模的高门槛，让数据成为人工智能系统真正可用的数据。

第四范式将这样的平台能力集成为「AIOS」操作系统，脱胎于全流程 AI 平台「先知」——从最初解决数据建模问题，到实现模型快速上线，以及现在提供端到端的方案——该平台成为驱动第四范式能力升级的重要引擎。

和面向个人计算用户的 Windows 操作系统类似，「AIOS」操作系统主要面向企业用户，用于人工智能业务的管理，它类似于一套数据中台的系统应用，不过这里的「数据」有些特殊——它们是 AI Ready 的数据。

胡时伟解释，基于这种被特殊定义的数据形式和产品化模式，能够为企业的业务数据和机器学习系统之间架起一座桥梁，以解决人工智能落地实际业务过程中的「数据治理」的难题。

这套理论听来有些晦涩，数据还有「AI Ready」和「非 AI Ready」之分?这和「数据治理」有何关联?

胡时伟进一步解释，所谓「数据治理」，即指在 AI 数据的采集和传输过程，进行治理和规范化，很大程度上对应了数据清洗和数据集成等工作。实际上，这些环节在 AI 落地应用过程中耗费了大量人力和时间，因为 AI 应用的本质就是数据的问题。

回顾过往的市场与客户经验，胡时伟坦言，「从传统案例来看，机器学习这件事情，失败的概率其实非常大」。但他同时指出，这其中 90% 以上的苦恼都集中在数据问题，有时客户甚至无法意识到是自己的出了问题。

按照数据 AI Ready 的思路，「数据治理」的核心就在于将「非 AI Ready」的数据转换成「AI Ready」数据。胡时伟将其比喻为「用 Word 打开 PDF 格式文档的乱码问题」，第一步便是先转换成对应的正确格式文档。

而第四范式团队的创新之处就在于，首次将何为机器能够读懂的「正确格式文档」定义清晰。胡时伟将其称之为「AIOS 最为重要的设计之一」。

「将大幅降低 AI 业务和其他 IT 系统之间的连接成本」，他说道，「用企业内部的数据形态去构建成 AI 数据，与之对应的 AI 业务就能自动地连接其他数据资源。」

而这恰恰是现有的传统数据管理与分析软件所无法实现的功能盲区，因为传统管理软件与 AI 业务管理软件的管理目标和服务对象不同，形成了原理和架构上的差异——前者无法理解数据一致性和有序性问题。

胡时伟以金融领域中机器学习对于欺诈行为的识别举例：机器学习通常需要从数据库调取历史交易数据进行学习和建模，用于判断和检测新的交易。但很多时候，由于历史数据在数据库中进行了格式处理，所以机器无法再辨认。(金融领域是第四范式最早开拓的优势市场，目前 80% 以上的头部银行都是第四范式的客户。)

除了在系统底层的设计思路革新之外，第四范式还提供了一套十分简易化的自动化建模平台——HyperCycle，基于团队积累的高维机器学习框架与 AutoML(自动机器学习)算法，将 AI 数据的分析过程简化为行为、反馈、学习、应用四个步骤。

与满是代码行的编程界面有所不同，HyperCycle 的界面和 IU 设计简洁易懂。

相比此前谷歌云、微软云等云计算推出的 AutoML 线上服务，胡时伟认为，HyperCycle 工具软件的成熟性与适用场景更为广泛。

三、从全生命周期看 AI 应用：谁才是「算力短板」

接触的客户与场景越多，对于 AI 应用落地的难点与痛点理解便越深刻，而在之中，算力已经成为 AI 落地话题绕不开的话题。

不止步于软件与算法能力的锻造，尤其在接触了广泛与深入的客户需求讨论后，这两年第四范式开始向硬件层面探索，并与今年推出第二代 SageOne 算力平台——SageOne 和 SageOne 领航两大系列，后者完全基于中国 AI 基础设施的软硬件设计。

第四范式副总裁郑曌在接受机器之心采访时表示，SageOne 领航算力平台最早由客户提出，满足对于数据的敏感性、合规性、安全性的更高需求。

目前，SageOne 领航通过硬件与软件、算法的高效适配，能够在性能上与国际主流计算平台性能对齐。郑曌透露，目前合作伙伴包括华为、寒武纪、海光等。

此外，SageOne Advance 系列加入了第四范式自研人工智能加速卡 ATX900。经过全面测试验证，在风控反欺诈、反洗钱和智能营销等场景的性能比传统 AI 构建方案平均提升 4-10 倍。

与市面上已有的 AI 软硬一体加速方案不同，第四范式更看重从 AI 应用的全生命周期着手找到算力短板，并将之攻克。「传统方案主要聚焦在训练和推理两个环节的性能优化，但我们发现，AI 业务对于算力的需求贯穿了整个 AI 全流程生命周期。」

以数据数据准备环节为例，在软件层面与 AIOS 系统的数据治理优化相对应;在硬件层面，通过 ATX900 设计提出针对性的优化提速方案：包括提升 FE 过程中数据落盘的压缩效率，性能最高提升 10 倍;自研 GBDT 模型训练加速(FlashGBM)，加速 GBDT 模型训练速度;采用自动调惨技术，自动优化模型训练超参数，最高提升高达 19 倍等。

通过一系列的软硬件深度优化，SageOne 对比传统算力服务器设计，在保证性能一致的基础上，将算力成本降低至 1/10。据介绍，在某连锁餐饮企业实际应用场景中，SageOne 以 8 台替换了 88 台通用服务器集群。

郑曌表示，目前行业客户对于 AI 应用与基础设施的建设需求多种多样，拓宽产品的维度提供更为完整的解决方案是市场的需求所在。比如从横向维度来看，互联网成熟度较高的客户倾向于软件方案，非互联网客户因为基础设施薄弱，加入 AI 应用之后算力成本势必成为其负担，便需要完整的软硬一体方案。

整体来看，第四范式所提出的整套 AI 落地软硬件产品逻辑在于，从底层系统出发，从实际算力短板着手，填平算力与技术的沟壑，提供从数据到建模，从数据到应用的「傻瓜式」开发工具。

他们打破了新增 AI 业务与企业现有 IT 业务的高墙，得以让 AI 数据与计算在企业系统里自由穿梭与融合。我们有理由相信，AI 技术终将走下神坛，成为企业客户真正触手可及的业务能力。