书亦烧仙草CIO王世飞：书亦烧仙草如何实现数据价值闭环？

王世飞

本文由书亦烧仙草CIO王世飞撰写并投递参与“数据猿年度金猿策划活动——2024大数据产业年度优秀CIO榜单及奖项”评选。

书亦烧仙草，四川茶饮品行业中知名品牌之一。始创于2007年，在奶茶行业兴起的时代，书亦烧仙草官网在短短几年的时间，迅猛发展，不断研发属于自己的品牌特色，自创立之日起至今，书亦烧仙草已在饮品行业占有很高的市场份额。

从2020年到2022年，“新基建”“上云用数赋智”《“十四五”数字经济发展规划》等政策的陆续出台，加之疫情三年的催化，数字化转型逐渐扩展至全国各行业。2023年，《数字中国建设整体布局规划》的印发以及国家数据局的正式挂牌，更是将数字化转型提升至更高的高度。而2023年ChatGPT的爆红，引发了“千模大战”，AIGC从C端场景体验快速向B端业务落地演进，为企业数字化转型注入了智能新动力，促使企业数字化转型升级为数智化转型。

在这样的大背景下，作为餐饮企业的书亦烧仙草也积极进行数智化布局。

注重元数据管理，确保数据统一性和一致性

过去的两年间，我们究竟达成了哪些成果呢？简而言之，核心在于保障数据的统一性与一致性，攻克数据孤岛难题，进而提升效率并强化协同效能。

在数据治理领域，元数据管理往往容易被边缘化，然而其对于人工智能生成效果却有着举足轻重的影响力。我们公司也曾深陷类似困境。起初开展数据治理工作时，我们察觉到存在一些原数据，但当时并未给予足够的重视。随着治理进程的逐步深入，我们才逐渐领悟到其重要性，并开启了逐步完善这一关键环节的征程。

事实上，在最初阶段，我们未曾预料到数据会在人工智能方向得到应用。然而，在实践过程中我们发现，唯有将数据治理妥当，人工智能才能输出正确且有价值的结果。

在与众多首席信息官、数据负责人以及供应商交流之后，我们了解到许多企业在数据治理方面存在不足，致使数据源缺乏统一性，指标定义与计算方式五花八门，最终对人工智能的应用成效产生了负面影响。

因此，在我看来，无论是进行人工智能预测，还是开展分析判断工作，其首要前提必定是做好数据治理，并且所涉及的数据必须精准且保持一致。

为了确保数据的清晰性与一致性，我们实施了一系列行之有效的举措。

以往，我们的菜单数据与商品数据分别在美团、饿了么等各个第三方平台上独立维护。这种分散式的管理模式极易引发诸多棘手问题，例如各个平台上所维护的数据之间时常会出现差异，而当这些数据回流至我们的系统时，我们却难以进行有效的甄别判断。

为有效解决这一难题，我们全力打造了业务中台、订单中台、菜单中台、商品中台以及门店中台。借助这些中台系统，所有数据均由中台系统统一进行下发，从而有力地确保了数据的统一性与一致性。即便在使用第三方系统的情况下，我们各个平台之间也不会产生数据偏差，极大地提升了我们的工作效率、数据的准确性以及协同水平，成功规避了数据孤岛问题的出现。这一切皆是我们历经漫长时间、艰辛努力开发系统所收获的斐然成果。

此外，我们公司在数据利用方面秉持着独特的理念，即数据并非仅仅被当作一种资产，而是要通过数据创造出更多的资产。

比如，通过对门店数据与供应链数据进行精细化管理，我们能够更为出色地开展营销活动并优化产品。当数据精准且一致时，我们便能更为轻松地剖析哪些商品与菜单的组合能够创造出更大的价值。然而，这种全方位的深入分析唯有在数据一致性与协同性得以切实保障的前提下才能够得以顺利实现，否则部分分析工作将难以有效推进。

总体而言，我们凭借构建并完善业务中台系统，成功化解了数据不一致的问题，同时也为更为深入的人工智能数据分析与优化工作奠定了坚实的根基。尽管当前尚不能断言我们已经达到尽善尽美的境界，但我们始终在持续不断地提升这一领域的管理水平，砥砺前行，以期在数据治理与人工智能应用的道路上取得更为卓越的成就。

引入大模型产品，提升运营效率

自2024年起，公司积极引入大模型产品，旨在进一步推动数据管理水平的提升与运营效率的优化。

本年度，正式引入了大模型指标管理与智能分析产品。依托这一先进的平台，我们得以对全国近7000家门店的各项运营指标展开实时且精准的监控，涵盖销售额、销售量、客流量以及客单价等关键数据。

具体而言，指标平台在企业落地实施过程中呈现出如下核心场景与显著价值：

其一，统一分析语言。往昔，各部门在计算诸如在营门店数、门店盈利率、门店运营成本等指标时，所采用的方法千差万别，这直接导致数据缺乏一致性，部门之间的数据相互矛盾冲突，数据的准确性也饱受质疑。而借助指标平台，各部门能够运用统一规范的分析语言，有效消除了数据冲突现象，确保各部门对数据形成统一且准确的认知理解，为企业决策提供了坚实可靠的数据基础。

其二，统一分析思路。成功构建起服务于战略目标管理的经营指标体系。依据业务目标，对指标进行精细化分解（例如按照区域、渠道等维度），并设定明确目标且实施全程监控，有力保障了企业战略目标的稳步推进与切实落地，使企业运营方向更为清晰明确，资源配置更为合理高效。

其三，多层级下钻。针对如城市、门店、渠道等关键影响因素，能够深入开展深度分析，精准探查数据变化背后的原因。该平台具备强大的灵活性，可对结果列表进行多维度分析，包括维度的自由设定、影响因素方向的灵活调整以及topN 因素设置等方面的深度剖析，为企业挖掘潜在问题与优化运营策略提供了有力工具。

其四，统一数据资产。在指标平台上线之前，公司的BI系统存在多达2000多个数据集，致使服务器负载过重，报表运行极为缓慢，业务部门对此怨言颇多。我们也曾考虑通过增加服务器资源来缓解这一问题，但这不仅成本高昂，而且无法从根本上解决问题。而指标平台上线后，我们对逻辑体系进行了全面梳理与优化，成功精简至300多个数据集，服务器资源使用率大幅降至40%以下，报表运行速度得到了质的飞跃，显著提升了企业数据处理与分析的效率。

通过达成上述四个重要统一，公司的数据分析与挖掘能力得到了极大幅度的提升，同时也为未来大模型的深度应用筑牢了根基。

在服务器资源负载显著减少之后，从我们整体的分析视角来看，最为深刻的一个体会是：起初，团队成员们疲于奔命地应对各个业务部门的报表需求，然而在指标平台上线之后却惊觉，绝大部分的报表实际上毫无价值与意义。过往我们所从事的大量工作，实则是重复且低效的。随着指标平台的成功上线以及指标体系的稳固确立，我们无需再耗费大量时间与精力去制作那些无用的报表。

从这一角度审视，我们整个团队的角色定位发生了显著转变。以往主要精力集中于报表制作，而如今更多地是深入思考：如何通过数据挖掘找到全新的机会点，而这些机会点又能否助力企业实现更为卓越的发展。这一转变不仅提升了团队的工作效能，更为企业在激烈的市场竞争中探索创新与突破提供了新的契机与可能。

餐饮品牌数智化转型的挑战与成效

尽管在数据预测领域当下已获取了一定程度的进展，然而在我看来，数智化转型的征程依旧任重而道远。

回溯至两年前，我们曾尝试借助数据来预测哪些品类具备畅销的潜力，又或者哪些新品有望在市场上大放异彩，可最终的成效却差强人意。从实际的实践经验来讲，这类预测的精准达成颇具难度。我们清晰地认识到，数据能够在判断门店是否依照标准规范运营方面发挥作用，并且可以自动生成相应的改进任务，但是面对诸如预测新品销量这类更为复杂且充满变数的任务时，数据的能力尚显不足。毕竟其中所涉及的干预因素纷繁复杂，就如同运用AI技术去预测股市行情一般充满了不确定性与挑战。

所以，即便在数据预测以及AI应用方面已经收获了初步的成果，餐饮行业的数智化转型之路仍然荆棘丛生，尤其是在应对复杂业务场景时，如何促使数据与瞬息万变的市场动态实现深度融合，仍需耗费大量的时间并历经多轮技术迭代升级方可达成。当然，我们也始终在深入思索，怎样凭借技术的持续更新迭代，逐步提升预测的精确性，并在动态变化的市场环境里挖掘出更具价值的深刻洞察。

此外，AI技术在餐饮企业中的应用，正持续引发一系列意义深远的变革。

在这两年的实践历程中，我们深切感悟到，数据本身并不会自然而然地产生价值，唯有付诸行动才能够催生出价值，数据必须紧密地与业务以及实际场景相互融合，才有可能实现突破。往昔，我们所在的部门仅仅扮演着“数据输出者”的角色，主要职责便是提供数据，然而我们却发现，即便数据具备一定的价值，业务部门也未必会据此采取实际行动。为了扭转这一局面，我们积极与业务部门携手探寻数据应用以及数智化的突破要点，不仅提供数据资料，还共同研讨解决方案、调整业务流程，并推动系统的优化变更。

过去，各个部门各自为政、独立开展工作，而如今我们与业务部门并肩合作，全力挖掘能够促使数据产生价值的应用场景，这已然成为我们工作的核心要点。也就是说，在推进这些工作的进程中，我们与业务之间的契合度变得愈发紧密无间。

在数据治理方面，我们实现了根本性的转变。以往由技术部门占据主导地位的治理模式，如今已转变为业务部门深度参与其中。我们精准确定了与企业经营直接关联的数据领域，将目光聚焦于关键指标之上，有效规避了泛化治理所潜藏的风险。在构建指标体系的过程中，业务部门的全程参与有力确保了前端业务需求能够与后端技术实现无缝对接，从而显著提升了数据治理的实际成效。

我们还引入了主数据管理系统与指标系统，并同步制定了配套的制度规范，以此确保数据的一致性。通过明确数据负责人以及流程管理细则，切实保障了数据的准确性。在治理进程中，我们深刻领悟到，仅有数据是远远不够的，业务流程的变革同样至关重要。我们全力打破流程中的断点，将各个流程环节有机串联起来，确保数据与业务流程相互匹配一致，进而实现效率的提升、减少信息不对称的现象，大幅降低了会议中的质疑声浪。

就我个人而言，这一整个过程无疑是一次严峻的挑战。身为CIO，我的角色定位发生了显著的转变。如今，CIO不仅需要具备扎实的技术功底，还必须深刻洞悉业务需求，与业务部门紧密协作共同推动数智化转型。CIO需要紧紧围绕业务场景精心制定战略规划与技术方案，确保技术能够切实有效地支撑业务目标的达成，进而提升企业的整体运营效率。

大数据和AI在餐饮领域的未来作用

在餐饮零售行业的未来发展进程中，大数据技术与数智化转型无疑将肩负起极为关键的使命，成为推动行业变革与进步的核心力量。伴随数智化应用在经营活动中循序渐进地深入推进，其所能产生的显著成效正日益彰显，这种趋势在未来3至5年的时间跨度内将表现得尤为突出。大数据与AI技术的深度交融，势必将进一步重塑餐饮行业的运营模式与格局，为企业带来更为精准、高效的决策支持体系以及全方位的运营优化策略。

其一，数据在企业决策制定过程中所占据的地位将愈发举足轻重。回顾往昔，餐饮企业大多侧重于依赖诸如收银系统等基础设施来维持日常业务的正常运转。然而，随着企业规模的持续扩张以及市场竞争的日趋白热化，数据所蕴含的战略价值开始逐渐崭露头角，并日益凸显其不可替代的重要性。时至今日，从企业的高层领导到中层管理人员，以数据为驱动的决策模式已然成为提升运营效率、增强市场响应能力的关键所在。展望未来3至5年，随着数智化技术的深度渗透与广泛应用，企业对于数据分析的依赖程度将会进一步加深，数据分析将全方位地指导企业的日常运营实践以及长远发展规划，成为企业在市场浪潮中稳健前行的导航灯塔。

再者，AI与大数据的有机融合必将构成未来发展趋势的核心要素。借助AI技术的强大赋能，企业能够对海量数据展开更为深入、透彻的挖掘与分析工作，从而显著提升决策的精准度与科学性。传统的人工多维度分析方式往往面临效率低下的困境，并且在分析的深度与广度上存在着一定的局限性，难以满足现代企业在复杂市场环境下对于决策依据的严苛要求。而AI系统的引入，则犹如为企业的数据处理工作注入了强大动力，不仅能够极大地提高数据处理的速度与效率，还能够从浩如烟海的数据中精准洞察潜在问题的根源所在，为企业决策提供更为坚实、可靠的依据与支撑。

随着技术的持续迭代与创新进步，企业将逐步具备更为敏锐的市场洞察力，能够更加精准地捕捉市场趋势的微妙变化、深度洞悉消费者的多元需求以及精准识别运营过程中的瓶颈环节，进而据此实现资源的优化配置，全方位提升服务质量与客户体验，塑造企业在市场中的核心竞争力。

依我之见，在未来3至5年的时间区间内，大数据与AI技术必将在餐饮零售领域释放出更为强大的能量，其影响力将在决策支持与运营优化等关键层面得到更为淋漓尽致的展现。面对这一不可阻挡的发展潮流，企业务必保持高度的敏锐性与前瞻性，持续聚焦并加大在数智化技术领域的投入力度，积极构建完善的数据驱动型运营体系与决策机制，以此确保自身在竞争日益激烈、变幻莫测的市场环境中始终能够抢占先机，保持领先优势，实现可持续的稳健发展与长远繁荣。

·关于王世飞：

王世飞，书亦烧仙草CIO，负责公司的信息技术方向，确保技术战略与业务目标保持一致，从而推动公司的持续发展和创新。在海外及和上市公司担任过高级信息技术管理职位，拥有超过二十年的行业经验。相信信息技术不仅是支持业务运作的重要工具，更是推动企业变革、创造竞争优势的关键力量。