1704273620
1704273621
智能数据冠军企业通过以下5个步骤，获得优化产品线的能力：
1704273622
1704273623
1.系统性分析购物车信息；
1704273624
1704273625
2.获得灵活调整产品供给和产品定价的能力，并且能够衡量调整结果；
1704273626
1704273627
3.关联产品门类数据，以便于进一步优化产品线；
1704273628
1704273629
4.缩短使产品供给与产品定价相互匹配的时间（从按周到逐日，再到实时调整）；
1704273630
1704273631
5.基于上述4个步骤的经验，构建一套基于数据的，对其他市场、工厂、企业等领域具有推广性的优化流程。
1704273632
1704273633
如果连锁商店能够坚持品牌定位管理，那么对商品门类和产品种类的细分将取得成效。
1704273634
1704273635
产品种类、产品定价细化的作用是有限的，这并不难理解。因此，尤其是连锁商店，还应该关注网点品牌定位的问题。如果一家位于柏林或慕尼黑的网点，在箱包区出售日默瓦行李箱，但是哈根和吉森市内的网点，却在售卖不知名品牌的行李箱，那么对消费者而言，这家连锁商店的品牌定位将日渐模糊。
1704273636
1704273637
采用不同的形式去强化产品细分，这对大多数贸易企业来说都有好处，我们在这一点上是有共识的。如果连锁商店能够坚持品牌定位管理，那么对商品门类和产品种类的细分将取得成效。再以一家大型食品商店为例，这家商店对它的客户群体以及客户需求进行了持续性的细化分析，然后这家商店将可实现根据不同网点主要客户群体类型，将每家分支网点进行功能定位，将网点分为日常网点、中等网点和高档网点三类。然而，这只是第一步。
1704273638
1704273639
根据不同的行业，采取不同的细化形式，这是十分有必要的，因为不同行业的网点，其功能可能是截然不同的。银行网点就是一个很好的例子，汽车行网点也是。以前，人们在买某一辆车之前，平均要去车行逛4次，而现在，车主基本上去一次车行，就能决定是否购买。通过产品配置软件、网络浏览和汽车行的官网查询产品信息，这个过程在“客户旅程”中占比越来越大。显而易见，从客户的角度出发，汽车行的功能定位发生了根本性变化。其实，早在一二十年前，汽车生产商就意识到了物理网点功能定位的问题。当时，几乎所有的生产商都在考虑多销售渠道战略并赋予物理网点新的功能定位。但是当时，我们对“到底哪种物理网点定位才是符合未来发展趋势”的认识还很少。从汽车生产商和销售商的角度，谋求物理汽车行网点的替代性转型，仍然需要尝试和探索。
1704273640
1704273641
所有智能数据解决方案都需要遵循的一个根本原则是，要处理好投入与产出的关系，这也同样适用于上文提到的方法和措施。在实际工作中，要想处理好投入与产出的关系，能够衡量和量化产出是大前提。此时，基于数据的产品线优化就显得十分必要了，因为只有基于产品优化细分，我们才能够为解决方案的每个阶段设计合适的对照组试验，进而才能够从根本上推动转型。
1704273642
1704273643
DDI，这三个字母在全世界数字化复兴时期获得了广泛关注。DDI是Data Driven Innovation的缩写，即数据驱动创新。在理解或者介绍数据驱动创新这个概念时，人们往往会提到其带来的破坏性影响。我们承认数据的破坏性影响力，并且在《我们的数据》一书中详细描述了数字能够产生破坏性影响力的原因。与此同时，我们也相信，改变人们对数据影响力的看法只是时间的问题，人们会意识到，在某些领域使用某些数据，将会给世界带来改观，将对企业及其市场、销售部门产生积极影响。只是现在，人们还热衷于关注数据驱动创新带来的破坏性的威胁，而不是进步。
1704273644
1704273645
数据驱动创新可分为三个层面：
1704273646
1704273647
1.数字化技术创造全新的产品和服务；
1704273648
1704273649
2.在数据的支撑下，将会孕育出前所未有的商业模式；
1704273650
1704273651
3.在数据的辅助下，通过反复的对照组试验，逐步优化既存的产品、服务和流程。
1704273652
1704273653
1704273654
1704273655
1704273656
在与企业家交流的过程中我们发现，大多数企业决策者都对前两个层面极其感兴趣，而对第三个层面关注太少。一家德国汽车生产企业不断地思考，如何能够生产出无人驾驶汽车，这自然是有意义的。同样，保险公司的产品研发部门去考虑，在汽车司机可以通过地理数据服务器将他们驾驶车辆的信息和行车信息实时地发送给保险公司的情况下（即使现在还做不到这样），是否可以研发出一个新的个人保险险种，这也是有必要的。
1704273657
1704273658
然而，智能数据冠军企业往往会从第三个层面着手，并且在流程长效优化方面倾注最多的资源。例如下列四项智能产品创新案例：
1704273659
1704273660
☆一家大型的运动鞋生产企业引导其客户使用个人跑步App。通过研究App使用数据以及特定款式鞋类的销售数据发现，购买某一款顶级跑鞋的消费者，在使用跑鞋方面存在极大差异。基于此种认识，这家企业改变了这款跑鞋的产品定位，将购买这款跑鞋定义为健康生活方式的象征，并且针对特定的消费群体展开了相应的广告宣传。通过这种方式，这家企业促使特定消费群体的生活方式更加健康，另外，通过改变产品定位和市场宣传这两种手段，企业的营业额获得了大幅提升。
1704273661
1704273662
☆有一家德国大型家用电器生产企业，对自身产品在东欧地区的销售表现不满意。于是，这家企业尽可能搜集了自己和竞争对手产品的市场、价格以及产品特征等数据。这些数据一部分来自数据库，另一部分由一家专业的产品标准管理组织提供。通过数据分析发现，在对产品购买决策影响较大的产品特征方面，东欧和西欧地区是截然不同的，差异之大远超这家德国生产商的想象。在认识和把握这种差异性方面，亚洲的竞争者似乎表现得更好，或是有更好的数据信息支撑。比如，一个蓝色的、黄油块儿大小的LED（发光二极管）灯泡，俄罗斯的消费者就会愿意多付出50欧元去购买。一个小小的产品特征改良，可能就足以提高产品在客户心中的价值表现。
1704273663
1704273664
☆对一家电信供应商来说，消费者最关心的产品特征就是，手机信号的接收质量是否良好。可惜的是，建造和运营通信网络的成本，偏偏是这个行业最大的成本支出科目。一家阿拉伯地区的通信网络供应商在早年便面临市场挑战，网络传输能力的建设跟不上快速增长的市场需求。这个问题使这家通信网络供应商面临客户因不满意通信质量而加速流失的风险。因此当时，这家通信网络供应商的决策层在建设和运营网络方面追加了数十亿美元的投资。如果这个案例发生在一个智能数据项目中，我们会建议这家企业的决策层首先去差别化地关注一下区域客户潜力，然后参考每个通信基站覆盖区域内的客户价值贡献，以及服务满意度尚高的客户群体的追加销售潜力，再来规划网络扩建的进度。这样做的话，只需要利用海杜普（Hadoop）软件就可以提取分析交互数据，成本支出可能也就5位数。相比数十亿美元的追加投资来说，岂止是合算可以形容的。
1704273665
1704273666
☆“Emmas Enkel”是小型便利店的迭代产物，即那种新式的、很小规模的、根植于当地消费需求的零售店铺。这些店铺要从8万多件商品中挑选出几千件适合于地区销售的商品，仅依靠直觉恐怕是不行了。现在，它们持续性地关注并利用销售数据，从而做到使所售商品与服务的小区域内不断变化的市场需求相匹配。
1704273667
1704273668
1704273669