2020年中国乳制品行业数据中台研究报告

      据《中国奶业年鉴》数据显示，2018年中国乳制品市场规模达到3590.41亿元，同比减少5.3%；总销量3099万吨，同比增长1.0%。这组数据可以清晰地看出中国乳制品行业的现状，即规模大、增长停滞，这是一个成熟市场的标志，也是乳制品行业面临的一个痛点。

      在《2020年中国乳制品行业数据中台研究报告》中，亿欧智库总结了乳制品行业面临的三大痛点：增长、升级、多样化。这三点分别代表了总体销售额增长乏力、无法获得新的增长，乳制品行业总体利润较低、找不到新的利润点，以及产品、渠道、品牌的竞争尚未满足多变的市场需求。

      因此，我们将通过数据中台为行业提供新的思考角度和解决路径。

      2018年，中国乳制品行业规模超三千亿元，其中液态奶种类众多，占据中国90%以上的乳制品主流市场，而奶粉则瓜分了剩下的10%份额。中国市场拥有最丰富的乳制品品类，主要包括液态奶、奶粉、炼乳、干酪和其他乳制品。目前我国单液态奶就出现 13个细分品类，跨界产品层出不穷，使我国企业在乳品创新、场景拓展、功能加持等方面拥有更多可延展的机会。 

      从现在的行业发展趋势看，亿欧认为消费者对乳制品的需求量仍在增加，但渠道、品牌、产品的多元化使得乳制品市场竞争加剧。2018年国内常见乳制品的人均消费量已达到14.8kg/人，相比2004年提升了201%，并持续增加，其中人均对酸奶的需求量提升较快。

      2005年至2019年，乳制品的零售渠道已经从杂货店、大型超市的垄断向网购、卖场、便利店等多种渠道变化。而自2014年以后，新兴乳制品品牌数量以每年20%的速度在增加，复合增长率高达23.86%。

>>中国乳制品行业新时代的痛点是什么？

      主要有三点：增长、升级、多样化。

      发展至今，乳制品行业一直依赖于技术的变革，如杀菌技术、冷链技术等。而乳制品未来的技术变革在向数字化过渡。

      中国乳制品行业的数字化已经走过三个阶段：

      未来，对效率的追求将进一步推进行业的数字化进程。

      随着数字化提升，乳制品行业的人效大幅提升，2018年相较于2012年提升了63.6%。这一数据也显示出数字化对行业的推动作用。

      亿欧认为，目前数字化进程在牧场奶源、生产制造、供应链以及消费者洞察四个重要环节处于不同的发展阶段。对应行业的三个痛点来看，当前中国乳制品行业进入了一个“全域+敏捷”的数字化阶段。

      从牧场奶源和采集阶段来讲，目前大型牧场的奶源自动化、数字化管理改造较早，普及程度较高。这主要是因为：1）中国牧场的集中度正在迅速提升，2018年平均奶牛规模相比2016年提升了45.5%，牧场规模的提升有利于机械化、数字化转型；2）目前奶源自动化程度已经较高，机械化挤奶率接近100%，大型牧场已经实现数字化管理。

      从生产制造环节来看，单点自动化已基本实现，部分环节的数字化程度较高，但全流程数字工厂仍然处在早期建设阶段。乳制品生产制造环节主要包括收奶、奶加工以及包装环节，涉及杀菌、检验、罐装等自动化产线设备，这些设备普及率较高。另外，乳制品主要的信息化产品如溯源系统、ERP、LIMS、WMS等普及率已经较高，但总体仍处在单点数字化阶段，数字信息连接较弱，全流程数字工厂仍处在早期建设阶段。2018年，蒙牛完成了MES（生产管理）、品质管理、设备管理、成本管理、数据采集五大模块的初步建设，实现了ERP、LIMS、WMS系统的互通，这一措施为蒙牛集团智能制造项目实现生产效率提升20%、运营成本下降20%、产品不良品率下降20%、能源利用率提升10%、商品研发周期缩短30%以及产品一键追溯时间由120分钟缩短至30秒。

      从渠道供应环节来看，分销模式仍占主体，但经销体系数字化仍在早期；直销数字化程度较高，但孤岛现象严重。目前，中国乳制品仍以线下分销渠道供应为主，直销渠道为辅，但线上渠道增长趋势明显。线下渠道中，经销商管理系统、线下直销门店管理系统的效率不高，线上电商平台种类众多，但各渠道数据孤立存在、没有连接。

      从消费者连接环节来看，中国乳制品品牌仍然依赖于线下渠道触及消费者渠道，有数字化基础但数字化使用效率不高，存在触点分散、数据无法回传、信息不可控等问题。

      数据中台是一个数据资产体系，属于决策支持系统（DSS9，Decision Support System）的一部分。决策支持系统最早由Scott Morton和Gorry在20世纪70年代提出，是指具有一定智能行为的计算机应用系统，可以通过人机交互的方式辅助决策者进行非结构化或半结构化的决策，目前最常见的是BI（商业智能）系统。

>>为何需要发展数据中台？

      早期企业的数据信息较少，通过部署数据库以及少量开发人员就可以满足简单的业务支持分析，但随着数据量变大，多层级部门的日常操作和分析在多类型、多个数据库之间进行，使得数据的抽取和访问显得错综复杂，产生较多问题，如数据分析结果缺乏可靠性，数据处理的效率很低，难于将数据转化为信息等。

      另外随着数字化程度加深，企业数据量变大，操作和分析对象变多，传统数据库系统会产生“蜘蛛网”现象，数据仓库、OLAP技术成为主流解决方案。

      但目前独立的、固化的、有限的决策支持系统已经无法适应业务快速发展的需求：

      传统数仓ETL过程基本依靠人工，且一旦开发完成，数据承载和储存能力的提升将耗费很长的时间，花费更多的成本。由于未来数据量将持续爆发，传统数仓的开发模式、运营模式将无法承载更多数据量。

      传统支持决策系统的使用者还是高层管理人员，没有针对具体业务运营人员的使用渠道，难以适应未来精准化运营的需求。而现在数据的决策分析再向基层扩展，传统支持决策系统不能匹配更多数据使用者的需求。

      传统支持决策系统敏捷性不够，无法适应快速变革的业务。触电的增多、业务灵活性的增加对数据的弹性能力要求增加，数据决策系统要适应敏捷的业务模式，提升场景、流程的转换效率，降低成本。

      传统支持决策系统各自是独立的，如基于AI、数仓以及各部件的支持系统，随着业务复杂度上升，目前的架构无法满足更多跨系统的决策需求。

>>什么是数据中台？

      数据中台的构建基于新的技术、理念和方法论，本质是一种新型数据智能系统。数据中台是集方法论、组织和工具于一体的，“快”、“准”、“全”、“统”、“通”的智能大数据体系。亿欧智库将数据中台定义为：企业内支持高效构建全域数据资产、敏捷赋能多类业务、智能服务全流程人员的新型数据智能系统。中台包含业务中台和数据中台两个部分，业务中台强调流程的可复用；数据中台强调数据资产的可复用。两者相辅相成、相互作用。

      数据中台可解决传统以数仓为系统重复建设问题，有效适应新变化，是数字资产化时代决策支持系统的演进方向。数据中台通过自动化ETL、自动化BI等过程，在原有基础上大幅度削减了系统搭建的成本，解决系统重复建设问题；同时可以较好的适应数据量激增、使用者范围进一步扩大、数据支持的敏捷性和复用性增强的需求。

      数据中台价值匹配全域、敏捷数字化发展方向，三维模型可决定数据中台的适用程度。根据数据中台的主要特性，其提供的自动化、全局性、灵活性对现阶段需要进行全域、敏捷数字化改造的企业价值较高。经过调研，亿欧智库认为，业务敏捷度高、复杂度高、规模大的企业与数据中台的匹配度较高。

      目前，乳制品产业链具备一定的数字化基础，其中供应链和消费者连接环节信息化系统部署较早、数字化程度较高。但数据中台还处于供应链和消费者连接环节的改造阶段，中台更多的是解决线上线下和消费者连接的关系，同时中台也会解决一部分经销商体系、供应链体系的一些关系。未来，中台将逐步向产业链上游渗透，其中飞鹤、雅士利等企业正在利用数据中台改造中游供应链环节。

      下一步，数据中台将助力乳制品产业链进入消费者连接的全新阶段，包含全域数据回传、敏捷支持、用户画像、精准运营等都将渗透产业链。从公司高层到普通员工，数据中台可以支持全层级人员进行精准运营。在消费者连接部分，数据中台将销售和营销打通，所有触点、流程数据通过中台自动ETL转变成数据资产存放在企业内部数据库中，数据资产实现了统一管理，数据可融合可回传。

      通过数据中台，企业可以实现数据资产的统一管理、消费者数据融合，精准定位消费者画像；实现全通路数据联通，数据可回传，双向连接提供精准运营基础；实现数据链路敏捷支持，可随触点、流程改变，新增快速响应。

      目前第一阶段的建设已完成，第二阶段及第三阶段尚在筹划。第一阶段以消费者服务及终端门店销售为核心，规划了九大业务场景，主要满足四大核心诉求，实现全渠道、产品和服务的转化率增加。目前飞鹤数据中台体现了五大价值点，使其获得同源、敏捷、预知、倒推、双向等数据能力。

      此外，雅士利围绕消费者资产运营建设了数据中台，规划了五大业务场景，分别是营销域、会员域、积分域、导购域和门店域。目前雅士利数据中台效果显著，实现了多系统数据统一整合、营销效果更加可控、精细化运营及数字化考核成为可能，从0-1走向集团数字化管理阶段。

本文根据亿欧智库产业互联网高级分析师施展报告整理。