智慧销售全流程信息化建设，详解艾莱依的产销协同实践！

在数字化浪潮的推动下，企业对于信息化建设的需求日益增长。特别是在智慧消费领域，如何通过产销协同提升效率、降低成本，已成为企业关注的焦点。

9月6日的帆软智数大会智慧消费分论坛上，艾莱依时尚股份有限公司 信息中心副总监 周飞翔 先生作为演讲嘉宾分享了艾莱依的产销协同探索与实践。他详细阐述了艾莱依如何利用信息化手段，推动产销协同，实现业务流程的优化和效率的提升。在本文中，我们将一起基于周飞翔的演讲探讨企业如何实现产销协同，这不仅为我们提供了实际操作的参考，也为同行业者的数字化之路提供了启示。

更多详细内容，推荐下载《智慧零售解决方案》：
https://s.fanruan.com/aknp3
分享行业真实的数字化转型案例，以及方案架构图

艾莱依集团始创于1997年底，总部设在浙江丽水，艾莱依集团分为两个板块，艾莱依时尚股份和艾莱依投资，艾莱依时尚是艾莱依集团核心的羽绒产业，下设服装，家纺，生产工厂，供应链，信息中心等公司。信息中心的战略是支撑各事业部业务数字化落地，成为艾莱依数字化转型的推动者。

艾莱依从2016年开始加大信息化系统的建设，从2016年到2020年处于基础系统建设阶段，导入了很多国际顶级的系统。2019年到2022年，在基础系统建设完善后，针对服装制造数字化层面进行了升级，目前已经将丽水服装制造工厂和六安家纺的制造工厂升级为数字工厂。在2022年之后，我们开始往数字化转型方向发展，将采集的各种数据用起来，让数据发挥价值。

从生产端到供应链到品牌，再到生产后端的销售，这个过程中有这么多业务环节，这么多事业部，如何实现产销协同呢？这里介绍一下我的思路。

首先要从思维和管理方式上做改变，IT和业务要达成思维上的一致，大家都认可这些系统里面的数据，才有沟通的平台，不然很容易扯皮。这个系统所产生出来的数据一定要和业务工作相关的，而且最后来评判这个工作好不好，有没有用，要通过系统里面拉出来的数据讨论。跟业务达成一致之后，我们推系统就会好很多。

除了业务自己管理的要求，我们IT也在建自己内部的系统，所有和业务之间承接的需求全部进系统，我们会评估需求的工时，在手机端或者PC端让业务确认，比如这个需求需要花费五个工时，成本要多少，会让业务签字确认。让业务知道IT服务是有成本的，未来这种费用会进入到事业部里面去，这样的话业务就会重视需求，不会乱提需求。

其次，数据来源端和数据的用途端是要打通的。在系统建设的过程中，采集数据的时候就要思考到后端数据怎么样应用。我们的数据来源也有很多种，有一些是实测数据，有一些是假定数据，但是核心是我们对这个数据获取的要求要搞清楚，比如数据精确性、及时性、准确性等等，这些要求跟后端的数据应用关联很大。

像服装行业，我们全国有一千多家羽绒服店，直营的占比较低，非直营店很多数据无法像直营店一样，卖一件衣服开一个单，无法实现及时录入数据，那数据的实时性就有难度，这时候就要前后匹配。如果你要求他把数据及时录进来，但在后端数据应用分析的时候，你反馈给店铺的数据分析不是及时的，比如每周才出一个报表，同时也没有给到客户或者说代理商一些数据上的指导和帮助的话，你再要求他实时录入数据，那要求太高了，成本也浪费了。

所有的数据链路都要有闭环，才能不让数据采集的前端成本都浪费掉。我们采集进来的数据，它可以产生几种行为，首先是指令的行为。我们店铺现在做的一种策略，比如说某一些款或者说某一个品类的衣服，卖一件就要给它店铺补一件库存，这个是数据产生的指令，销一补一，自动产生，他卖掉的同时，我这个单子就可以快速的流到仓库，今天就可以发出，明天就到他的店里，店铺就不会缺货，这样既减少了店铺的存储面积要求，也降低了店铺的库存压力。

第二种是报警的行为。假设店铺的库存剩余五件就要进行补货，系统就可以设置库存少于5件报警，报警就可以驱动下一个行为，具体要驱动什么样的行为，可以和业务讨论确定。

第三个是状态反映，比如说销售环节出现滞销款，可以反馈给我们，比如说有一件衣服五天没有卖过了，可以推送给商品总监或者说这件衣服的设计师以及营销总，他们可以马上进行会议分析，这些都是数据的应用。

最后一个是建立标准。工厂有做一个实验，我们做了机连网，所有的缝纫机进行了物联网数据的采集，比如说服装制造有一个GSD工艺，一件衣服上做门禁或者口袋要耗时90秒，一个熟练工录了一个视频，我们怎么样判断一个员工能够达到这个标准呢？我们导入了机连网，把所有的数据给它采上来，一个工位上缝纫机一天扎针的时长是多少，结合吊挂的时间，我们可以分析这个工人的技能水平。这个衣服工艺加工完之后，我们期望把这个数据建立一个模型，一方面来监控产线上的员工，提升他们的生产效率，另一方面用于新员工入职时，判断他的技能水平。

产销怎么协同呢？从终端销售一直回过来到销售部门、商品部门、供应链、生产工厂，从以往的传统制造来说，肯定是步步往前的，销售中心分析了今年新款的销售情况后，他们会决策要不要追单，追的话追多少？然后再把这个决策指令给到前面，商品部门收到后端指令以后，他要对年度整盘货进行整合，再往前推，把指令下发给供应链，供应链根据款式、材料，下单给工厂。每一个部门都有决策，但这些决策而且是相互孤立的，并不是公开的。

我们要做的是把所有的决策沉淀到系统中，你的领导是怎么样决策的，你分析的时候是怎么样得出这个结果的，我们把前端销售以及他们做测算一些东西都同频给到前面的部门，也就是说一个数据出来的时候，我们希望前端几个部门能够同时启动，高效协同。

从销售端来说，我们这几年研究了一些算法，用来做销售端的预测和决策。尤其是这两年电商的快速发展，区别于传统的售卖模式，我们要不断的滚动开发新款、测试新款，整个链条就要做到快速。我举2个我们做的算法的案例：

聚类算法主要是为了解决电商款式的分级，分为A、B、C、D、S五类。聚类算法从步骤来说有五步：一是随机寻找K个特征空间内的点，作为初始的聚类中心，假设有150个款在卖，随便取三个点或者说五个点，扔到这堆数据里面不断的循环，最终循环成三个类别，每一个颜色和每一个颜色在一起，离它的那个点最近的，我们认为是同一类的产品。

我们用RPA机器人在线上不断地采集这些数据下来，然后再做聚类算法，左边是所有纬度的数据，右边是挑选确认需要参与聚类的纬度。比如说左边有二三十个纬度，业务要把哪几个他们认为重要的纬度挑出来，然后进行数据的运算。第二步将每一个纬度进行排名；第三步将每一个点中的排名信息相加；第四就是挑选最大值、最小值以及期间数据等三份的点，共5点作为初始质心，因为上面评级有五个级，这个是基本的逻辑。

我们用下图演示一下聚类算法，比如说上面蓝色的点就是所有我们在销售的款，我们随机扔了三个点下去，不断的循环，最后变成三个堆了，这个时候出来每一个类别。我们尝试这样的做法给予电商一些参考，如果他们和爆款是同一类里面的话，对他在追单的时候有一定的帮助。

有了前面数据的积累，我们用了线性回归的算法，以及一些算法工具的训练，我们做了商品销量的预测。利用去年同一个时期内跟今年各项参数类似的款式，来预测今年的款未来的销量的走势。那这个数据出来有什么用呢，并不是用来直接下单，而是给到供应链做参考，供应链根据销量预测数据来及时调整产线。

商品端是最重要的，商品端要拉通前端和后端流程拉通，管理规则要启动起来。比如说主推哪些款式，设计的品类款式是怎么样归类的等等。从业务侧来说要建立相关管理的规则、制度和流程，从IT侧来说要搭建好设备料系统，下单系统，生产系统等，借助数字工厂信息化的优势，达到数字化转型推动供应管理能力提升，实现生产效益的快速增长，不良库存的减少，综合成本的降低，最终达成产供销一体化。

供应链端，我们这几年在做目视化资源管理，什么意思呢？我们要让供应链的成品管理，采购管理和供应商的管理，他通过SRM系统进入他的中控台，能够看到他当前有没有紧急事件需要处理。系统的整体架构如下：

这是我们的成衣供应商看板，能够看到供应商的区域分布，排名数据等等，包括计划、待开发、已开发、产能的规划，我们在规划整个供应链以及整个产供的时候可以有计划的进行。

这是我们的成衣中控台，成衣中控台可以看到今日的新单，订单分配，我的任务，包括各种进度，出货的需求等等。每一个工厂接了什么单，有多少的数量，现在进度多少，入库的多少，各种什么什么多少，有没有什么预警，都呈现出来。除了成衣中控台，还有材料中控台，还有质中控台，供应链的各个板块我们都有中控台。

未来我们希望各个部门通过建立新的数据积累和模型沉淀，未来直接驱动我的工作，不需要每一个部门都来参与决策。当达到某个数据，直接通过模型，触发各个环节的工作，链接上下游。

从数据应用，信息化建设来讲，我认为未来的信息化是以数据驱动的信息化，我们一定要让数据自己会说话，自己会决策。让数据从辅助我们的人为决策，再到智能推荐决策，最终实现完全智能决策。

值得一提的是，帆软作为国内领先的数据软件服务商，深耕数字行业十八年，能够依托于自身数字化产品，为各行业企业提供数字化转型解决方案。针对企业的产销协同需求，帆软能够为企业提供从商品、销售到供应链的全链路数字化解决方案，帮助企业构建数据驱动的决策体系，实现业务流程的智能化。通过精细化运营和数据的深度整合，企业不仅能提升内部管理效率，还能增强市场响应速度，在竞争激烈的市场中保持优势。下面具体来看帆软的支撑链路。

针对企业在电商销售中面对的问题，帆软结合成熟的数据工具和丰富的消费行业经验，推出了电商一体化解决方案。借助电商一体化解决方案，能够为企业提供全面的、高效的、定制化的电商精细化运营支持，实现运营目标。具体来说，电商一体化解决方案有以下价值：

电商一体化解决方案帮助企业建立一个标准化的数据仓库模型，整合和存储多渠道数据，确保数据一致性和可访问性，为分析和决策打下坚实基础。同时，方案能够根据企业需求进行定制化调整，无论是优化数据结构还是支持特定业务流程，都能灵活适应，确保数据仓库模型能够最大限度地服务于企业运营。

方案不仅提供工具，还提供成熟的数据分析方法论，指导企业从海量数据中提取有价值信息。这些方法论涵盖用户行为分析、销售趋势预测、库存管理优化等。同时，提供相应的数据分析产品，如数据可视化工具、预测分析模型、自动化报告生成器等，帮助企业直观、快速地理解和应用分析结果。

方案能快速部署标准化的数据分析底座，包含企业运营所需的基本数据模型和分析框架，迅速适应业务需求。同时，提供通用分析看板，集成关键性能指标（KPIs）和实时数据监控，使管理层能一目了然地掌握业务运行状态，及时调整和优化。

商品端的快速响应数据整合至关重要，需要实现前端与后端流程的无缝对接，并激活相应的管理规则。这包括决定主推款式、设计品类款式的分类等。在业务层面，需要建立一套完整的管理规则、制度和流程；而在IT层面，则需构建设备料系统、下单系统、生产系统等，利用数字工厂的信息化优势，推动供应链管理能力的数字化转型。这将促进生产效率的快速提升，减少不良库存，降低综合成本，最终实现生产、供应和销售的一体化。

对此，帆软提出了经营管理、供应链管理、营销管理、人力管理等十大主题的解决能力，并从数据底层的数据源打通直到数据抽取、整合分析和前端展示，提供了一站式的解决方案。

运用精益管理思想，专注于降低成本、提高效率和减少浪费。通过对各个环节的投入产出进行监控和分析，配合数据下钻实现根因定位，定向改善。

通过对计划下达，执行监控，异常预警，执行反馈等不同环节阶段进行整体监控实现大供应链整体的运营管控，与管理协同。 通过围绕着样品生产设计，新品研发设计，工艺改进管理，技术文件管控等多块内容进行统一管控。

在供应链管理中，采购环节的全面分析至关重要。这包括从采购计划的上报和查询管理，到采购寻源和采购行为，再到合同管理以及付款的全过程。通过这种综合管理分析，能够为管理和决策者提供从采购计划订单到合同分析，以及缺件情况等多维度的统计分析信息。

在库存管理方面，通过对仓库和货位的帐务管理，以及入库和出库类型和单据的管理，可以及时反映各种物资的仓储和流向情况。这为生产管理和成本核算提供了重要依据。库存分析进一步为管理和决策人员提供了关于库存资金占用、物资积压、短缺或超储情况等多维度的统计分析信息。

在供应链销售方面，它与市场营销不同，更侧重于基于供应链的销售管理模型。这涉及到核心企业与销售商之间的信息交互和协作机制。通过这种合作，供应链中的企业和销售商可以在市场竞争中实现更紧密的合作，从而获得更大的利益。

周飞翔先生的演讲不仅为我们展示了艾莱依在产销协同方面的深入探索，也为我们提供了数字化转型的宝贵经验。从IT与业务的协同思维，到数据的闭环应用，再到预测算法的研究，艾莱依的实践为我们指明了方向。未来，随着数据驱动的信息化建设不断深入，我们有理由相信，企业将能够更加精准地把握市场脉搏，实现更高效、更智能的产销协同。

帆软软件深耕数字行业，能够基于强大的底层数据仓库与数据集成技术，为企业梳理指标体系，建立全面、便捷、直观的经营、财务、绩效、风险和监管一体化的报表系统与数据分析平台，并为各业务部门人员及领导提供PC端、移动端等可视化大屏查看方式，有效提高工作效率与需求响应速度。

更多详细内容，推荐下载《智慧零售解决方案》：
https://s.fanruan.com/aknp3
分享行业真实的数字化转型案例，以及方案架构图