在經歷多年的連鎖擴張和電商沖擊后，實體零售業在2020年再次經受了疫情的巨大沖擊，后疫情時代的實體零售已進入轉型深水區。

前幾年趕時髦，時常把“O2O、新零售”等新概念掛在口頭的某些企業，非但沒有殺出一條血路，反而出現了舉步維艱的困局，甚至不得不靠著拋售資產艱難度日。

當然，絕大多數實體零售企業雖不至于此，但同樣面臨著客流下滑、銷售下降、成本上升和利潤銳減的窘境。以《聯商網》對2021年一季度百貨業經營數據分析來看，與具有可比性的2019年相比，業績普遍下滑20%左右。

面對困局和窘境，實體零售業亟需盡快找到轉型升級的方向和路徑，但同時又不能“急病亂投醫”，盲目跟風追逐熱點。從失敗的案例來看，盲動的后果可能還不如“躺平”不動?？扇绻娴?ldquo;躺平”，在變化如此劇烈的市場環境下，落后就要挨打甚至被淘汰，同樣也是必然的結果。

在“動與不動”的兩難選擇中，我們有必要把自己所處的行業和企業放到國家未來的發展戰略規劃中去思考，從中汲取力量，尋找方向。

在“十四五規劃”和2035年遠景目標綱要中，國家已明確提出了“加快數字化發展”的建議，要求大力發展數字經濟，推動數字產業化和產業數字化，推動數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群。

作為第三產業的重要組成部分，實體零售業是否可以在未來五年的產業數字化浪潮中尋找到突破困境的契機，或許是行業從傳統低效走向智能高效的起點？

本文從實體零售“業務數字化”切入，提出以下五個問題，并逐一作出解答：

• “業務”如何實現“數字化”？

• “數字化”是否等于“數據化”？

•  如果不等于，怎樣才能“數據化”？

• “數據”如何才能“業務化”？

• 數字業務化后如何才能“數智化或智能化”？

也許在系統思考清楚上述五個問題后，實體零售“業務數字化與數字業務化”就自然有了答案。

01

電商格局趨穩

厘清兩個概念

什么是“業務數字化”？是以計算機或網絡能感知、識別、采集和存儲的方式，將各類業務活動中產生的信息規整為可統一處理、統一分析和統一使用的“數字化”信息。

什么是“數字業務化”？是以“數字化”信息為基礎，通過與傳統運營管理經驗和知識的結合，解構分析出“數字”的內在關聯關系，并進一步改進優化運營管理的過程。

“業務數字化”是“數字業務化”的前提與基礎，“數字業務化”是“業務數字化”的深化與延伸。“業務數字化與數字業務化”是一個螺旋上升持續改進的過程，業務產生數據，數據助力業務。

“十四五規劃”中國家只是提出了大的戰略方向，卻并未就如何實現“業務數字化與數字業務化”的具體方法，這需要各行各業及所屬企業因地制宜，大膽創新和探索，尋找到適合自身特點的實現路徑。本文以百貨業為樣本，全面闡述實體零售業“業務數字化與數字業務化”的實踐體會及心得，以期引起同行思考和探討。

02

“業務”如何實現“數字化”

一是業務數字轉型。百貨業務數字化，是將現有各個業務流程環節通過信息技術手段全部實現“數字化”，讓企業經營管理活動最終徹底擺脫手工操作的束縛。實體百貨的構成三要素是“人、貨、場”，在“數字化”方面三者的內容和表現形式存在較大差異，卻又密切關聯。其中：

“人”包括消費者和導購。在消費者端，現在絕大部分百貨企業利用微信、支付寶或者APP等自建工具，已經較好地實現了“數字化”。而員工端，越來越多的企業已經意識到了導購的重要性，并逐步將導購“在線化”，作為企業數字化運營管理的重要環節，輔助以激勵機制上的創新，部分企業嘗試利用銷售分傭機制積極挖掘品牌商導購的銷售潛力。

“貨”即是“商品”。由于百貨的“貨”售出前只是在“場”內陳列，所有權仍歸屬于品牌商，這使得“貨”的“數字化”成為一個看起來容易，實際卻涉及主導權利、利益關系的復雜問題。投入與產出的不對稱性，使得“貨”的“數字化”在現實中顯得尤為困難。沒有“貨”的“數字化”為基礎，百貨的在線銷售就無從談起，基于“貨”的供應鏈協同更是癡人說夢。

“場”即是銷售的空間和場景。隨著顧客消費更加習慣于“在線化”，百貨的“場”也必須快速實現線下線上多渠道同步運營。一方面，需要通過“數字化”手段，將原有“開票、支付、促銷、退貨、物流”等線下業務環節由手工轉化為“電子化”；另一方面，要建立起線上銷售的能力，最好能夠與第三方平臺無縫對接，將線上流量導入線下賣場，發揮實體百貨現成的“人”與“貨”的天然優勢。

現在行業內對具體如何實現上述三要素的“數字化”存在兩類誤區：

第一類誤區，認為只要用計算機手段，把現有業務重新實現一遍，即將業務流程和操作環節由手工操作改為計算機軟件或設備替代操作，就等于是“業務數字化”。

第二類誤區，認為只要搭建起一個小程序，或者上線一個APP，然后利用這些“數字化”工具與顧客互動，或者在線銷售商品、發送電子券，就是“業務數字化”。

如果思路不正確，傳統企業在推動“數字化”進程中，會出現“多做多錯”的情況，投入巨大，卻見效甚微，甚至出現“虧損”的局面。有一家消費品企業，在上市時即將 “數字化”作為企業轉型升級的重要抓手。但在“數字化”推進三年后，該企業的年利潤由上市之初的盈利一個多億，到了2020年的虧損一個多億。也許不能把企業轉型陷入困境全部歸咎于“數字化”，但近幾年在數字化方面的“all in”式巨額投入使得企業成本高企也是不爭的事實。難道“數字化”錯了嗎？當然不是！

“數字化”無過，問題出在“思維方式”錯位。

錯位一：將“銷售業績增長”作為“業務數字化”的首要目標。單純地把目標聚焦于“銷售”、追求“流量”，采取電商慣用的“補貼”方式，在自建的小程序或APP上開展在線銷售。短期內銷售業績可能呈現一定增長，但與此同時各類運營成本激增。一旦“補貼”取消，流量就自然消失，為維護數字化運營的團隊和系統卻要持續投入，表現出來的結果就是“業務數字化”拖累經濟效益。

錯位二：另行建立獨立的“數字化”工具，新工具與現有業務割裂，非但不能產生協同效應，反而是重復投入，相互制肘。比如許多企業建立的網上商城，往往是另外搭建一支經營團隊，使用另外的網上商城系統開展在線銷售，線上線下價格不統一，自己的線上業務對線下業務產生分流效應。

錯位三：以零售商單一視角推動“數字化”，很少甚至沒有考慮到其他各方(消費者、品牌商、導購、企業內部后臺部門等)的利益。“業務數字化”只是考慮如何增加零售商的銷售業績或者降低成本，但對于品牌商和導購人員來說，是工作量的增加，甚至是利益的流出，后臺工作量的加大，使得“業務數字化”只能利用零售商的市場優勢地位或高壓管理的態勢推進，參與者沒有持續執行的動力，這樣的創新和變革就很難持續下去。

以“貨的數字化”為實例，來說明如何實現“業務數字化”的帕累托最優。

對于百貨業來說，“貨的數字化”在“人、貨、場”三要素中難度是最高的，百貨雖然賣“貨”，但在售出前并不擁有“貨”的所有權。即便是行業頭部的數字化領先企業，“貨的數字化”完成率也僅為85%左右，只有極個別企業做到98%以上。為什么會這么難呢？主要還是思維方式的不同，決定了“數字化”實現難易程度的不同。

既有的“貨的數字化”思維方式：

由于百貨業多年來經營上早已習慣了各自為政，良好的經營業績已經使得百貨業習慣了從自身立場出發思考問題。在這樣的“路徑依賴”指引下，每家百貨店在進行“貨的數字化”時，都提出了自己獨有的“數字化”編碼規則。品牌商為了做銷售，不得不按照各個百貨店各自的規則對“貨”進行編碼，再由專人錄入信息系統。

對于一家百貨店來說，一個商品對應一個編碼，本沒有錯，也確實是實現了“貨的數字化”；然而對品牌商來說，自己生產出來的一個商品在N個不同的百貨店內因為編碼規則的不同，在“數字化”后卻成為了N個不同的“貨”，無形之中形成了“千店千碼”的“數字化”結果。這樣的后果是，不同的百貨店都在辛苦地開展“貨的數字化”，卻是重復勞動，做的人越多，數字化成本越高。

如果“貨的數字化”完成后，短期內看不到銷售業績的改善，從事相關工作的一線人員士氣就會受到打擊，“貨的數字化”變成了大家共同的包袱。同時，“千店千碼”的“數字化”結果，使得同一件商品無形中變成了N件商品，隨后銷售產生的數據沒有“統一”分析的可能性。

新型的“貨的數字化”思維方式：

那么，是否存在以降低各方成本為前提的“貨的數字化”方法呢？經過對現實業務的研究，加上新型數字化技術和手段的運用，這種低成本高效率的方法是存在的，只是需要百貨企業調整既有的以自我為中心的思維方式。

品牌商的每件商品在生產出來后，都有自己的條形碼，這是在生產出來時就必然會編制完成的，如同人在出生時即擁有的身份證號碼，這是每件商品在進入供應鏈環節的唯一識別碼。零售商要拋棄“甲方思維”，在自己的信息系統中，建立起以商品唯一識別碼為基礎的“貨的數字化”信息，并采用互聯網的“共享經濟”思維，建立起“貨”的公共信息庫(可以稱之為“商品云”)。

每位導購都可以是“商品云”的建設者，每家百貨店只要將自己的業務系統連接到“商品云”，無需重復投入，就可以享受“貨的數字化”成果。未來還可以進一步推動品牌商與百貨店的信息系統打通，在商品生產源頭即可完成“貨的數字化”，并實現全供應鏈共享。

思維方式的改變，使得既有思維主導下的“千店千碼”改變為“千店一碼”，“貨的數字化”參與各方負擔大大減輕。如果仍是有N家門店，“貨的數字化”成本將由N變成了N分之一，N的值越大，分攤的成本越低。如果未來能實現全供應鏈共享，“貨的數字化”成本將趨近于零，真正實現了各利益相關者的“帕累托最優”。

完成上述“業務數字化”后，是否就可以實現“數字業務化”？實際情況并沒有這么簡單，“業務數字化”需要產生“數據”來推動“數字業務化”。按照常規的方法，是對業務活動產生的數據進行整理、清洗，然后才能成為真正可用的數據。

03

“數字”如何實現“數據化”

“數字化”是否等于“數據化”？

“業務數字化”只是完成了業務活動信息的“數字化”存儲。

一方面，此時的數字是非標準格式的數據，是不統一、無規律、較分散的。定義是什么？邏輯是什么？業務人員不知如何識別，難以開展數據統計與分析，更無法發現隱藏其后的本質問題。

另一方面，百貨企業往往擁有多個業務系統，由不同供應商提供，各系統間數據不關聯、不共享、不全面，普遍存在“數據孤島”現象。在分析某個指標時，需要跨越多系統進行查詢匯總，“數字化”協同效應不高，甚至導致經營管理費用增加，決策效率低下。

顯然，業務的“數字化”還不等于業務的“數據化”。那么，怎樣才能“數據化”呢？

“數字”存儲后，更重要的是使用，只有真正能應用于業務的“數字”才能稱為“數據”。“業務數字化”的下一步便是要實現“數字數據化”，通過對“數字”的清洗、整理、編碼，使原始數字變為業務上可識別、可使用、可分析的數據。

一是從“低效數據”向“高效數據”轉化。結合業務需求，選取目標數字，通過統一的規范標準進行整合處理，匯總成格式標準統一、能夠量化業務的數據指標。

依然以“貨”為例，對不同商場而言雖然同一品牌商品的編碼在供應鏈中實現了統一，但不同品牌之間，在面料、顏色、尺碼、規格等商品基礎信息方面，由于不同品牌商的商品內在編碼規則是不一致的，仍存在“千牌千碼”的現象，匯總成格式標準統一、可量化、可分析的業務數據指標仍需要花費大量的成本，因此這些在分析上有價值的數據卻成為低效數據。

以顏色為例，不同品牌商根據自己的理解對顏色的表示進行編碼設定，如“白色”，在現實的分類中就存在WHITE、white、W、白、bai……等n種表示方式。對于人而言，我們可以通過主觀認識將其歸類為“白色”，但是對于計算機的二進制編碼而言上述n種表示方法就成為了n種顏色。此時的數據不具有統一性，這類“低效數據”也就不是可供分析的 “高效數據”。

這里需要找到一個通用且公認的標準來對各品牌商的顏色碼進行“轉碼翻譯”。即以國際標準的pantone色卡為基準，將各品牌商的顏色編碼與pantone色卡建立對應關系表，然后通過計算機將本來不統一的數據，在整理和清洗后，形成設計、生產、銷售等各環節都能統一認知的標準顏色編碼。經過上述轉換，將本來的“千牌千碼”變成了“千牌一碼”。

以上僅是以顏色為例，相對于面料、尺碼、規格等基礎信息，也可以采用同樣的思路進行“轉碼翻譯”。在此基礎上生成的“高效數據”，實現了與不同主體、不同渠道、不同門店、不同商場的“商品”基礎信息共享；可以精準分析顧客需求，有效降低費用，提升利潤水平，并推動供應鏈上下游的協同發展，至少可以助力實現效率上的“三個優化”。

1、設計優化。商品數據中可提取出暢銷款式與顏色，設計師便能分析市場情況與顧客偏好，優化款式、顏色與面料這三大服裝設計要素，做出與顧客需求匹配度更高的商品。

2、生產優化。有了精準的尺碼數據后，就能將其轉換為具體的身高體重數值，從而了解客群體型，訂貨時不再憑經驗“拍腦袋”，而是通過數據指導生產結構與訂貨決策。

3、配送優化。不同地域的消費需求存在一定差異，品牌商可結合商品數據，針對不同區域的顧客特征與購物習慣，對各專柜進行配貨結構優化。

二是從“數據孤島”向“數據融合”轉化。在“業務數據化”后，許多百貨企業也在思考如何將數據業務化的問題，但是由于各類信息系統建設周期不同，甚至建設主體不同，大量數據處于分散分布的狀態，“數據孤島”現象成為業務數據化后的另一個“數據壁壘”。

許多企業或進行內部自我摸索，或轉向外部專業人士合作，希望通過實施數據中臺，上線智能BI……來實現“數據融合”?？梢酝ㄟ^“一個平臺”與“兩個統一”的方法，來完成數據體系化集成，為進一步開展數據分析與決策創造了條件。

1、一個平臺?；跇I務流程，經過加工、整理與融合，將數據系統性地組織起來，重新構建一個綜合性的數據平臺，實現全面化、結構化、一體化的數據展現，更好地輔助業務人員理解數據、分析數據。

對于百貨企業，既可從經營場所維度關注不同門店的經營動態；也可從業務條線維度查看營運、業務、招商等部門的運營情況；還可向下鉆取細分，查看不同樓層、各個崗位的分析指標。最終將品牌商、商品、顧客等企業經營核心要素以清晰的數字、多樣的維度、生動的圖表集成于一個平臺，掌握全方位立體化的企業運營情況，實現經營決策的“在線化、移動化和智能化”。

2、兩個統一。即統一基礎數據來源，打通MIS、E-MEC、客流、租賃、CRM等系統，對海量、多源的數據進行統一采集、計算、加工，將每個業務“孤島”有機串聯起來。“人、貨、場”數據的整合統一，將員工從收集數據、整理數據等低效事務中解放出來，進而把時間精力花在最有價值的業務分析與決策上。

統一分析指標主題，清晰梳理現有業務邏輯，明確指標維度與統計口徑，避免由于多頭定義現象導致的認知歧義問題。同時結合業務需求，圍繞實際場景，對分散于各系統的數據進行主題模塊的重新搭建。在模塊可復用的基礎上，員工無需反復切換系統界面，由統計轉向快速分析，開展多維度、多場景的運營分析及預測。

04

“數據”如何才能“業務化”

數字完成數據化后，又出現了“只看不用”的現象，即堆砌了大量數據與圖表，卻只是浮于表面、一看而過，沒有進行深入的思考分析，更沒有將數據價值應用到業務上。

其實，數據并不是終點，而是另一個起點，即將數據分析結果再次應用于業務，回歸經營本質，驅動業務增長。就像沃爾瑪經典的“啤酒與尿布”(超市里購買尿布的消費者往往同時購買啤酒)案例一樣，數據不僅能讓我們追溯過去，更能把握當下，甚至預測未來。

怎樣才能發揮數據價值，實現數據驅動業務增長呢？關鍵在于數據分析。人的經驗在很多情況下是不準確的，數據分析則是一種較為客觀準確的手段——明確分析目的，梳理邏輯框架，采用適當方法，找出業務規律，最終產出基于運營數據的業務洞察、數據模型與運營策略。數據分析既能為企業的傳統業務帶來增量機會，更有機會拓展和衍生出新的業務增長點，為企業發展提供全方位賦能。下面介紹兩種“數據業務化”的思路：

一是數據分析后的再業務化。單一的數據沒有分析意義，多個數據組合才能發揮最大價值，并再次應用于業務。我們可以通過探索式數據分析，運用對比、聚類、關聯等分析方法，對已有數據進行拆解組合，尋找揭示數據之間的相互關系、特征規律與分布模式，從中獲得業務洞察，并以此為基礎開展后續的精細化運營。

以會員運營為例，“業務數字化”的長時間積累后，企業沉淀了大量高質量的會員數據。這時便可以運用數據分析方法，根據會員的基礎信息、行為信息以及消費信息為其建立并打上特征標簽，再通過不同標簽組合完成對客群的細分，感知會員行為與市場趨勢，從而實現對不同客群的有效觸達與精準營銷。

其中，RFM分析是一種經典的數據分析方法，通過提取最近一次消費時間(Recency)、消費頻次(Frequency)、總消費金額(Monetary) 這三個標簽，將每個標簽分為高低兩種維度，構建象限坐標系，把會員按價值細分成八個不同特征的群體。RFM分析通過多個數據的組合，揭示會員的分布特征、價值狀況和創利能力，為業務人員提供精細化運營的事實依據。

二是數據與理論結合后的再業務化。探索數據規律時，還可以結合經濟學、會計學、統計學等理論知識，構建用于經營決策的數據模型——運用科學的原理和方法來研究和優化業務，降低決策不確定性,最大化業務效果。數據模型結合相關理論公式，將數據以結構化的形式有序地組織起來，并尋求一個用數量表示的最優化答案，使業務問題由定性分析逐步發展為定量分析。

以盈虧平衡模型為例，聯營模式決定了百貨在定價促銷時，往往希望加大促銷力度以吸引顧客，而品牌商則希望獲得盡可能低的扣點，這時就需要雙方之間進行博弈。然而，近年來商業環境的巨變導致傳統供應鏈分崩離析，如何更好地分析零售商供應鏈關系成為擺在百貨面前的業務難題。這其中涉及到許多財務理論，可以將經營數據代入“盈虧平衡點”的理論框架進行運算，精準計算出博弈雙方的利益平衡點。這樣在商務談判時，百貨店可以做到“心里有底”，對談判的風險情況及對各個因素不確定性的承受能力進行科學預判，力爭以毛利額最大化為前提開展定價和促銷。

上述“數據業務化”的實質是將業務經驗、知識轉化為有效的決策模型，將人們從手工歸集信息且憑經驗決策，推動走向實時數據展示和高效智能決策。實體百貨業未來的發展方向，應該是將業務經營活動通過“數字化”與人工智能、5G等前沿技術深度融合，從而實現“業務數智化”。

05

 “數字化”如何實現“數智化”

理想狀態，是通過“機器學習”不斷優化現有業務模型，從而對整個“業務數字化與數字業務化”持續優化，最終達到“數智化”及邊際效益最大化。

“數智化”是知識傳承。

什么是“機器學習”？人類的學習是一個人根據過往的經驗，對一類問題形成某種認識或總結出一定的規律，然后利用這些知識來對新的問題下判斷的過程。“機器學習”與人類學習相仿，通過數據的輸入，根據各式各樣的算法進行整合，最后得出適當的模型并對其進行不斷優化，利用模型對新的情形給出最優的判斷。

機器學習最為出名的案例是“AlphaGo”——戰勝圍棋世界冠軍的人工智能機器人。它的成型，首先便是通過三萬多幅棋譜的輸入作為基礎；通過算法自我學習整合得到增強的策略網絡，探索哪個位置同時具備高潛在價值和高可能性，最后決定最佳落子位置。實體百貨的“數智化”，就是要在“數字業務化”的基礎上產生海量數據，通過計算機程序與人們多年來積累的經驗、知識相結合，打造出符合百貨業務的“AlphaGo”。

“數智化”是模型優化。

以精準營銷為例，目標是在消費者中形成最優的“價格策略”，即形成消費者效用最大、營銷費用效率最優的營銷策略。在“業務數字化與數字數據化”過程中，日積月累留下的各類數據，如消費者特征、購買商品等，都是機器學習的基礎。隨之對不同特征的消費者群體制定個性化的營銷策略，實現“千人千面”便是“業務數智化”。這樣周而復始，模型本身不斷優化，數據達到動態平衡，實現計算機的自我學習，得出最優的營銷策略結果。不同的消費者得到了對自己而言效用最高的優惠，而企業又將營銷費用效率達到最優，最后提升企業的邊際利潤。

不僅是精準營銷，還有前文所述的“盈虧平衡模型”，以更加精準商務條款提高商務博弈的有效性；依靠“數智化”，百貨企業還可以建立“費用模型”，使得各項經營管理費用的邊際效益最大化；“數智化”還能幫助企業建立其他模型，幫助企業持續改善各類關鍵經營指標，并最終實現凈利潤的鞏固和提升。

06

業務數字化與數字業務化

需要全行業共同努力

“數字化”探索對任何一家企業而言，都將是巨大的費用支出。在“業務數字化”層面，要盡量“標準化、統一化、共享化”，如建立行業通用的基礎信息庫，有效降低各家企業的“數字化”成本；而在“數字業務化”過程中，則要以數據確權和信息安全為前提，盡可能“個性化、多元化、在線化”，發揮出“數字業務化”的溢出效應。

建議由政府主管部門或行業協會牽頭成立行業數字化聯盟，推動全行業乃至整個供應鏈共同推動“業務數字化與數字業務化”進程，具體可以從以下四方面著手。

一、建立“商品云”。通過“業務數字化”，行業數字化聯盟可以推動實現“千店一碼、千牌一碼”，構建起具有行業特點、可共享、可下載、可復制的“商品云”。每家百貨店都可以通過“商品云”有效降低“商品數字化”成本，并以此為基礎實現設計、生產、配送等各管理環節優化。

二、建立“分類云”。商品分類也屬于行業的公共基礎信息之一，國家稅務總局現有4000多個商品分類編碼，但在實體百貨業的使用過程中還遠遠無法滿足需求?？稍诂F有國家稅務總局商品分類編碼體系的基礎上，更加細化商品分類，這將有助于行業建立起統一的商品分類“數字化”規則。

三、建立“標簽云”。在零售業的數字化標簽方面，以往人們較多關注的是“會員標簽”，這在不同的零售主體之間，標簽體系也是千差萬別的，如果能有一套通用的“標簽體系”，并實現行業共享，對百貨業的大數據分析將產生更大的推動作用。同時，還可以建立“商品標簽”、“賣場標簽”等多維度的公共信息標簽體系，未來的大數據分析將是建立在海量數據基礎上的智能化分析。

四、建立“圖片云”?？膳c品牌商共建“圖片云”，采用共享經濟模式，品牌商負責商品的統一拍攝、處理、上傳，百貨企業只需支付極少的成本即可獲得圖片下載權限用于在線展示。品牌商可以統一傳播最佳的品牌形象，百貨企業則不僅能夠獲得高質量的商品圖片，還能大幅降低圖片數字化成本。

這四朵“云”將為百貨業提供具有通用屬性的“柴、米、油、鹽”，如何利用這些公共資源做出數字化的“美味佳肴”就看各企業自己對業務理解深度和應用能力。

有人說，新的時代值得用“數字化”將所有的傳統業務重做一遍，但是簡單的“數字化”重復再現是遠遠不夠的，更需要大膽創新，小心試錯，盡可能將人工智能、大數據等新技術與實體百貨業深度融合，才有可能激活實體百貨已經略顯僵化的機體，并浴火重生。

當今時代，幾乎每個企業都在“吶喊”著大數據是未來的趨勢，未來是大數據時代，但是真正能夠過濾乃至分析數據的企業卻鳳毛麟角。

對此，聯商網知了殼將舉辦《企業如何應用大數據精準營銷及數據分析》培訓公開課，課程涉及到的內容有企業的數字化管理、互聯網數字營銷、產品經理的數據分析模型等。同時，還有精彩案例解讀以及參訪上海漕河涇印象城的機會。歡迎報名參加！