首先是業務數據化

　　比如某龍頭藥業集團，每年在全國各個大區舉辦數十億投入的營銷活動當中，因為缺少數據化，沒有數據為決策做支撐，導致無法判斷預算傾斜到哪些營銷活動當中效果會更好。因此，百分點幫助集團把整個營銷活動全流程進行數據采集，包括時間、金額、申請人、活動方案、物料、產品、客戶等信息，進而根據活動投入范圍展示不同維度指標，通過建立模型分析費用投入的標準額度，測算申請、總結費用金額的參考范圍并進行預警提示。在此基礎上，就可以讓決策者看到不同的投入、不同的營銷活動能夠帶來多大的價值，從而進行比對、搜索和分析決策。

　　因此，業務數據化不僅是重要一環，且是一切數字化轉型的第一個步驟。

　　下一步是數據資產化

　　比如百分點為某零售百貨集團搭建的大數據平臺項目，幫其打通了全國幾十家門店以及線上線下的數據，進行數據資產化管理。

　　實際上，這是一項非常艱苦卓絕的工作，零售行業因獨特的行業屬性，數據非常雜亂，比如貨品數據，消費者線上線下數據及交易數據等，都需要進行治理、整合和盤點，這之后才能形成數據資產。比如圍繞一個個體消費者的全觸點數據，需要打通停車系統數據、PC端和線上商城數據、線下門店數據、微商城數據，只有把這些數據全部拉通之后才能形成對于一個人的統一預判，這也是用戶畫像建立的過程。在數據資產化后，才能依托這些數據資產構建用戶的宏觀畫像，以及基于不同的人做千人千面的營銷。因此，數據資產化也是大數據應用的一個前置條件和基礎。

　　接下來是資產應用化

　　百分點為某家電集團做的銷量預測案例，在做銷量預測之時就會用到一系列已經資產化的數據，包括訂單、競品、庫存等已經梳理好的數據。在此基礎上進行數據建模和輸出，幫助預測不同的階段、不同推廣力度下的銷量情況，讓決策者在可視化系統上可以看到不同尺寸、不同價格、不同階段的銷量情況。基于銷量預測指導生產，比如不同地區應該生產多少不同種類的產品，以及這些產品的庫存在途調度情況，都可以需要基于銷量預判進行優化。

　　因此，通過銷量預測，能夠數字化地幫助客戶預判下一個季度、下一個月、下一周在全國的銷售，而前提就是把促銷、價格、政策等數據進行很好的資產化。

　　最后是應用智能化

　　比如百分點為某免稅品集團搭建了數據中臺和業務中臺，將會員、交易、商品、營銷、店鋪，甚至地理位置等維度，都能形成一套中臺服務體系，有效促進業務的集成和協作，并為企業級分析、進銷存管理提供基礎，滿足數據中臺的各種業務應用及會員體系的各種主題的構建。基于數據中臺之上，百分點的數據運營團隊借助過去積累的成熟的商業模型和數字化運營經驗，幫助客戶搭建一套智能營銷體系，在與消費者接觸的各個前端觸點（如移動app、微信公眾號、小程序等）上實行無感知營銷的及時性交互溝通。在數據中臺構建的同時，客戶還實現了基于數據驅動的業務流程優化，比如：供應商的采購、發貨、門店庫存、品牌經營數據的業務生命周期流轉，以及門店間的協同采購，有效解決連鎖經營業務，且總部的供應商議價能力提高、物流規模效應也得到了極大地釋放。

　　正如客戶所希望的，在未來三到五年之后，所有的采購決策可以由機器來做，讓機器決策不同的門店應該在什么時間、采購什么品牌的東西、采購多少是最合理的，更好地優化利潤空間。

　　杜曉夢認為，依托大數據和人工智能技術，未來零售企業無論銷售決策、營銷決策還是生產決策，都會更加智能化、自動化。

　　業務數據化、數據資產化、資產應用化、應用智能化是從數據到智能躍遷當中必經的四個步驟，但這四個環節不能強求一步到位，而是在業務環節當中實現不斷地迭代。未來還需要更好地結合專家和業務人員的知識，讓系統變得更加智能。