tft每日頭條

 > 生活

 > 服裝行業存在問題及解決對策

服裝行業存在問題及解決對策

生活 更新时间:2025-02-01 11:51:03

服裝行業曾流傳過一句話:主動轉型升級數字化等于“找死”,不轉型就是“等死”

為什麼這麼說?

主動轉型數字化等于“找死”:早期試水數字化轉型的服裝企業在上完系統後,會發現業務人員基本不用,最後技術人員當“背鍋俠”,花錢還撈不着好。

不轉型就是“等死”:随着國内消費升級,需要全鍊路經營貫通,以及要供需平衡發展,因此要做到供應鍊體系适配,在這個大背景下服裝公司再不進行數字化轉型就等于是在“等死”。

其實,服裝企業在轉型升級方面,必須實現管理、技術和業務三個領域的全面轉型。但值得注意的是,從數字化轉型提出至今,企業一直聚焦管理數字化和技術數字化,少有針對業務數字化的探讨。

所以,今天帆軟君主要會圍繞業務數字化轉型,分享服裝公司業務數字化轉型的實踐思路。

私信「服裝業」,獲取完整解決方案。

服裝行業存在問題及解決對策(精準解決3大難題)1

————————————正文開始—————————————先了解:服裝行業在轉型升級方面面臨的三個問題

問題1:「模式」技術部門主導,業務部門輕參與

業務數字化轉型通常被認為就是搭建業務系統的過程,就像給房間配桌子、椅子一樣,隻要買回來就能解決問題。

然而通常情況就像上文所表述的那樣,系統上完了,由于業務人員在過程中沒有充分參與,上線後系統使用情況不理想(沒有達到預期的效果),最終往往是技術人員當“背鍋俠”。因此在轉型早期,業内的普遍認知是——主動轉型等于“找死”,不轉型就是“等死”

問題2:「内容」數據報表為主,業務分析欠缺

實踐過程中,業務部門提供的需求以日常使用的表單為主,然後技術部門在BI系統中去還原,這種方式相當于将線下的Excel表單遷移到BI系統中,将BI系統當做一個快速輸出表單的工具。

然而,由于業務部門對轉型的定位和方向不明确,提供的需求無論是從數量還是質量上,都沒有嚴格把控,導緻數據報表一堆,并且這些表單在發揮業務價值方面都沒有經過嚴格的調研驗證,最後事倍功半。

問題3:「成果」業務認可度低,實用價值不高

訪問量低:報表開發了成百上千張,但月人均訪問60 的隻有不足一半;

月活數少:數據平台上線半年多,月活人數占比低于30%;

管理困難:各業務模塊之間管理不規範,使用時定位不到具體問題;

再明白:業務數字化轉型的核心是搭建高可用的業務體系

高可用業務體系搭建,需要從以下三個方面進行把控:

「需求決定供給」:了解業務核心痛點,提高管理鍊路中的下層效率

業務數字化轉型過程中,管理層需求優先級最高,一般會被優先響應,其次才是業務層需求。實際上,業務層需求一定程度上代表企業日常經營,并包含了管理層的需求,因此,需求輸出的出發點是業務層,業務數字化轉型要了解業務的核心需求。

通過調研業務核心需求,結合管理層的管理訴求,搭建需求體系來提升需求處理效率、從而提升整個管理鍊路的效率。

「共性高于個性」:通過多方調研整合共性需求,凝練一對多的解決方案

當前,企業數據分析的主要方式還是Excel,各部門各模塊的業務人員都有日常使用的Excel分析報告來響應數據分析需求,這種因部門、業務模塊、個體差異而割裂的數據分析方式是低效的。

業務數字化轉型過程中,調研需求階段需要打破傳統的思維方式,突破部門、模塊、個體之間的壁壘,找出相似業務場景下的共性需求,通過多方調研整合需求,形成一對多的解決方案來提升需求響應效率。

「質量重于數量」運用需求調研方法,構建高質量業務框架

企業經常遇到這種問題——“為什麼業務提的需求都響應了,系統也上線了幾百張需求報表,但就是用不起來、業務還是不滿意呢?” 這是隻顧響應業務需求而不考慮需求質量造成的。

如前所述,業務層需求包含管理層的需求,這意味着業務層的需求容量是大于管理層的訴求的。對業務需求進行調研的時候,需要運用正确的調研方法對需求進行識别、分類、重新設計——即識别需求的應用場景,基于應用場景對需求進行歸類,同時提煉場景下的核心需求,圍繞核心需求将邊緣需求重新設計,形成基于場景的核心需求框架,這樣的業務框架是高質量的。

重點(如何實現):業務體系化的三大核心步驟

前文提到,高可用業務體系構建要關注的三大要點——需求、共性和質量,接下來圍繞這三個要點,我們來詳細介紹業務體系化的三大核心步驟:高質量業務需求提煉、高可用業務流程梳理、高效率分析體系構建。

step1:「高質量」業務需求提煉

高質量業務需求提煉,是指圍繞業務需求池,運用标準的調研方法,對其中的需求進行内容識别、應用場景分析、解決思路探究和改善建議思考,從而提升需求質量。在這個過程中,會綜合考慮報告的目的、現狀、問題和優化方案,要求調研人員積極引導,業務人員高度配合。

以商品銷售報表為例,運用5W1H分析法,簡要闡述高質量業務需求提煉過程,具體步驟如下圖。

服裝行業存在問題及解決對策(精準解決3大難題)2

圖1 高質量業務需求提煉

通過分析得到如下的信息:

  • 目的:表單是商品運營人員在周例會上做商品銷售跟進使用;
  • 現狀:主要通過明細查看的方式來了解各項指标達成,追蹤異常情況;
  • 存在的問題:表單使用場景固定,手工周期性制作,表單主題多,但與此同時帶來的問題就是主題不明确。
  • 優化方案:主題進一步明确,做數據分級、權限分級、數據預警。
step2:「高可用」業務流程梳理

高可用業務流程梳理,是指圍繞具體業務場景,對需求(代指提煉後的需求,後文類似)進行主題識别,梳理出該場景下完整的、滿足PDCA原則的業務鍊,同時針對每個鍊節點,構建滿足鍊路分析的閉環業務流。

仍以商品管理場景為例,闡述從需求到業務鍊、業務流程的梳理步驟,具體描述如下:

1、從需求到業務鍊。根據商品管理場景下的需求主題,将傳統的商品全生命周期管理工作流細化為圖2.1所示的6個業務鍊節點:季前備貨/銷售計劃、收到貨/調撥管理、銷售管理、庫存管理、産品銷售複盤、采購規劃、訂單制作/調整,然後将需求歸入對應的節點中;

服裝行業存在問題及解決對策(精準解決3大難題)3

圖2.1 從需求到業務鍊

2、從業務鍊到業務流程。以銷售管理節點為例,根據商品在銷售管理中的流動方向構建銷售管理的閉環業務流,并将需求細化到各個業務流程中,對于已有需求不能滿足業務流分析的部分予以補充,結果如圖2.2。

服裝行業存在問題及解決對策(精準解決3大難題)4

圖2.2 從業務鍊到業務流程

通過對需求到業務鍊,到業務流程的梳理,實現了商品銷售管理業務流的搭建。再将上述方法應用到整個商品管理,乃至全模塊的業務場景下,最終實現企業全業務模塊場景流程的梳理。這樣梳理得到的業務流程是高可用的。

step3:「高效率」分析體系構建

高效率分析體系搭建,是指面向全業務模塊需求,運用精細化管理理念,對其中含多分析主題的需求進行分拆、合并(完善),從而構建出滿足規範化、精細化、個性化的需求,實現整體需求的低冗餘、高效率。

以商品銷售管理場景下的“銷售綜合分析”需求和“分類銷售情況分析”需求為例,闡述需求合并的具體路徑(分拆類似)。結合3.1中的5W1H分析法,我們得到如下結果:

服裝行業存在問題及解決對策(精準解決3大難題)5

圖3 需求分析結論

通過對結果進行分析發現,兩個需求的應用場景類似,都是分析商品的銷售情況,可以進行如下合并操作,并進行一定的優化:

  • 維度:區分産品、渠道和時間維度。
  • 産品維度:品牌、産品季、波段、系列、大類、中類、小類、款号;滿足綜合分析和品類分析需求的同時,細化到了對單款的分析;
  • 渠道維度:渠道、區域、客戶類型、店鋪性質;将渠道細粒度下沉到門店級别,滿足不同角色的需求;
  • 時間維度:統一調整為自定義時間範圍。
  • 指标:原有指标保留,完善增加訂貨金額占比、零售目标額和售罄率。
  • 場景設計:引用層級管理的理念,将需求按照産品維度設計成三層,通過權限管理來控制頁面權限和數據權限,實現需求的一對多應用。
  • 可視化需求:核心KPI指标的圖表展示,趨勢達成類數據的圖表展示等(本例暫不考慮這點)。

最終合并後落地的效果如下圖所示:

服裝行業存在問題及解決對策(精準解決3大難題)6

圖4 需求合并結果

與之類似,在分析體系構建的過程中,将精細化管理的理念應用到整個需求池中——合并同質需求、分拆異質需求,最終實現整個分析體系的低冗餘、高效率。

高質量、高可用、高效率,是數字化轉型後期企業對業務體系化建設的必然要求,也是衡量業務數字化轉型成果是否落到實處,能否為企業發展帶來價值的衡量标準。

圍繞以上三個核心要點,企業在業務數字化轉型過程中取得了一些顯著成果。

Case1. 國内某知名體育用品集團,緻力于構建全渠道多品牌的營銷體系,自2017年開始嘗試轉型,由于初期方向上存在一些偏差,高成本帶來低成效;19年正式引入數字化BI工具啟動業務數字化轉型,聚焦「業務核心需求」,從單品牌切入,搭建零售、商品、會員、門店、渠道五大核心模塊,并從中提煉出成熟的路徑,逐步往其他品牌覆蓋。數據便捷性和準确性得到提升的同時,也提高了業務人員效率。

Case2. 上海某國際運動品牌零售商,2020年啟動業務數字化轉型項目,專注業務分析體系搭建。通過需求池的精準調研設計,提煉「共性需求」,整體需求「質量大幅提升」——需求冗餘度下降40%,可視化分析占比提升60%。業務人員配合積極性和使用意願高漲。


評論并私信「服裝業」,即可查看完整解決方案。,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关生活资讯推荐

热门生活资讯推荐

网友关注

Copyright 2023-2025 - www.tftnews.com All Rights Reserved