从大流行病中汲取的 7 条长期商业经验

在整个大流行病期间，我们需要快速准确地了解整个组织在这一点上的情况，以及随着时间的推移这种情况是如何变化的。但是，收集到的 data 必须能够为业务战略提供信息，从而增加真正的价值。.

转变 消费行为, 因此，了解需求的最终驱动因素至关重要，包括购买的内容和方式（例如批量购买或小批量购买，以及使用的渠道）。要感知需求并最终满足需求，就必须根据现有库存对需求进行分析。.

简单的 KPI（如库存水平和流量）可以使生产流程更加顺畅；虽然这在纸面上看起来简单明了，但它需要一个汇集了各种 data 的工业化流水线。.

在危机期间，心理健康也是一个持续存在的主题，了解员工的幸福感是关键--从早期的在家办公，到工作与生活平衡模糊时的潜在倦怠，再到逐渐重返办公室。.

然而，Covid-19 世界瞬息万变，因此必须避免使用 data 就行为的永久性转变立即下结论，也不应使用它来做出长期决策。举例来说，虽然毫无疑问需要 办公空间不同 现在看来，城市中心和商业区不太可能像最初的疫情所预言的那样成为鬼城。.

毫无疑问，网络零售的加速发展可以说是这一流行病的救星之一。世界各地的企业迅速转变了经营方式，以适应它们及其客户所处的不断变化的环境。.

尽管电子商务（或互联商务）毫无疑问是未来的发展方向，但全面的数字化准备评估可以为零售商当前的能力提供一个快照，并确保它们能够扩展。.

直接接触消费者也很有价值，因为他们不断变化的在线行为和购买模式可以为按产品和广告关键词（其中一些可能是意想不到的）划分的媒体支出战略提供信息。联名营销活动使品牌和零售商能够从共享 data、合并 audience 和合并预算中获益，Facebook 和 Google 都提供了这种功能。.

还应评估市场战略，以便在最合适的市场上以最相关的方式推广正确的产品。.

进一步阅读： 2021 年及以后的 14 个全球消费行为趋势.

在充满挑战的贸易时期，营销预算很容易受到影响，尽管削减这些成本通常被证明是短视的，但保护这些预算需要明智的套利和能带来投资回报率的营销活动。.

这就需要关注正确的关键绩效指标--不同行业的关键绩效指标各不相同。对大流行期间可用且相关的产品和服务（如数字娱乐和在线零售）的需求增加了；然而，随后的 数字媒体支出增长 这些行业的广告成本上升，损害了投资回报率。.

例如，需要从客户终身价值的角度选择最有意义的活动、细分市场或投资，而不是短期/一次性回报，以限制通货膨胀。.

然而，其他领域（如汽车和旅游）对其产品的需求放缓或完全停止，导致媒体支出减少。对于这些公司来说，暂时放弃传统的业绩衡量标准，转而采用 ‘微转化’，如产生的销售线索、时事通讯注册量等，曾经是--也许现在仍然是--一种相关的策略。虽然这些不是销售额，但它们提供了消费者兴趣和意向的规模，以便在市场重新平衡时使用。.

即使在 ‘销售淡季’，品牌推广活动的价值也不容低估。产品需求减少，广告需求随之减少，媒体价格随之降低，传播成本随之降低，而且竞争对手往往也停止了广告宣传。.

除了建立市场份额，这还有助于让消费者记住品牌（想想 ‘感谢您没有乘坐 Uber’），而吸引人的内容则是捕捉重要的 first-party data 的好途径。.

如上所述，了解需求和库存可见度是关键；它可以减少需要持有的库存，缩短交付周期。.

供应 data 模型是端到端 data-driven 供应链的核心要素，是这一洞察力的基础。来自 SAP 等企业系统的 Data、媒体 data、数字 data、卖出 data（从制造商到分销商的销售）和卖出 data（从分销商/零售商到最终客户的销售）需要形成一个完全自动化的管道，所有相关方都能获取库存水平和流量信息。.

需求传感项目可进一步提高洞察力，使公司能够利用发生的短期趋势，按产品、地区、市场、时间等更好地预测消费者需求。.

进一步阅读： 供应链的数字化成熟度仍处于起步阶段.

人工智能不再是 ‘新事物’。事实上，根据麦肯锡公司发布的 ‘2020 年人工智能发展状况 ’报告，50% 的受访者表示，他们的公司已在至少一项业务职能中采用了人工智能。人工智能能够帮助企业降低成本，这也是采用人工智能的驱动力。.

然而，人工智能并非灵丹妙药；要充分发挥其潜力并实现回报最大化，企业领导者需要塑造组织结构，以促进其运作。.

一个有效的人工智能系统不可能覆盖整个企业；相反，它需要按照业务职能来组织，由跨学科的小型团队来构建程序，其中包括一名产品负责人、一名 data 科学家、一名 data 工程师和一名机器学习工程师。.

这些程序由算法驱动，如果没有强大的 data 管道输入和明确定义的输出，算法就会被削弱。虽然人工智能是建立在技术基础上的，但成功的实施还需要集中时间和精力，将其原则植入组织文化中。.

进一步阅读： 实现 artificial intelligence 价值的五项最佳实践.

当今的企业几乎将 data 置于每项职能的中心--事实上，它是上述每项建议的基础。这种状况充分说明，数字化领导者有必要建立相应的结构，确保企业的 IT 资产能够有效地收集、存储、处理和输出 data。.

事实证明，这种性质的 Data 治理计划可以缩短启动 data 项目所需的时间，并提高决策和分析的准确性。有了这样的管理，所有 data 项目都能加快进度，组织也能为未来的活动奠定坚实的基础。.

大流行病促进了对强大数字文化的需求--在向企业领导者强调长期可能性的同时，也使他们与数字同行的目标保持一致。.

这为加强和加快数字化转型计划提供了机会（如果计划尚未正式确定，也可付诸实施）；在变革已被证明对企业生存至关重要的环境中，这些计划的价值更加明显。在这种情况下，数字化领导者可以启动广泛的技能提升计划，以确保每个人都掌握面向未来的数字化和智能化所需的知识。 data-driven 组织.

技术是存在的，关键在于后流行时代的现代组织如何将其融入企业文化。.