7大流行带来的长期商业教训

在整个大流行期间，有必要了解, 快速准确, 在这一点上，整个组织发生了什么, 以及这是如何随着时间变化的. 但收集到的数据必须在其为商业战略提供信息的能力上增加真正的价值.

的变化 消费者的行为, 无论是买什么还是怎么买(散装), 或者在较小的样本中, 例如, 以及使用哪些频道), are essential to understand; this is the ultimate demand driver. 感知到这种需求并最终满足它需要根据可用库存对其进行分析.

Simple KPIs such as stock levels and flows can smooth the manufacturing process; although this looks straightforward on paper, 它需要一个工业化的管道来汇集广泛的数据.

在危机期间，心理健康也是一个持续的主题, 了解员工的幸福感是关键——从在家工作的早期开始, 因为工作与生活的平衡变得模糊，可能会让人精疲力竭, 要逐渐回到办公室.

然而, Covid-19世界的快速变化使得避免使用这些数据来立即得出关于行为永久变化的结论变得非常重要, 它也不应该被用来做长期决策. 例如，虽然毫无疑问要求 办公空间是不同的 从大流行前的水平, 现在看来，城市中心和商业区不太可能像最初预测的那样变成鬼城.

这并不令人意外——加速转向在线零售可以被视为疫情的救世主之一. 世界各地的组织迅速改变了他们做生意的方式，以适应他们和他们的客户所处的变化的环境.

但是，尽管毫无疑问，电子商务(或互联商务)是前进的方向, 全面的数字化准备评估提供了零售商当前能力的快照, 并确保它们可以扩展.

直接接触消费者也很有价值, 由于他们不断变化的在线行为和购买模式可以根据产品和广告关键字(其中一些可能是意想不到的)为媒体支出策略提供信息。. 联合品牌活动使品牌和零售商能够从共享数据中受益, 合并观众和合并预算, 脸谱网和谷歌都提供了这种功能.

还应该评估市场策略，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个全球消费者行为趋势.

在充满挑战的交易时期，营销预算是脆弱的, 尽管削减这些成本通常被证明是短视的, 保护他们需要聪明的套利和提供ROI的活动.

这需要关注正确的kpi——不同行业的kpi有所不同. Demand for products and services that were available and relevant during the pandemic (such as digital entertainment and online retail) increased; however, 随后的 数字媒体支出上升 推高了广告成本，损害了投资回报率.

选择活动, 从客户终身价值的角度来看，与短期/一次性回报相比，最有意义的部分或投资需要限制通货膨胀.

其他领域(汽车和旅游), (例如)目睹了对其产品的需求放缓或完全停止, 从而减少媒体支出. 对于这些公司, 暂时从传统的业绩衡量标准转向“微转换”, 比如产生的线索, 通讯注册, 曾经是——也许现在仍然是——一个相关的策略. 虽然这些不是销售, 它们为市场重新平衡提供了消费者兴趣和意图的尺度.

即使在销售缓慢的时期，品牌活动的价值也不应该被低估. 产品需求的减少导致广告需求的减少, 这降低了媒体价格, 降低通信成本, 附带的好处是，竞争对手通常已经停止了广告.

以及建立市场份额, 这有助于让消费者记住品牌(想想“谢谢你没有乘坐优步”)。, 而吸引人的内容是获取所有重要的第一方数据的好方法.

如上所述, understanding demand and having stock visibility is key; it reduces the inventory that needs to be held, 以及交货时间.

供应数据模型是端到端数据驱动供应链的核心元素，它支撑着这种洞察力. 来自企业系统(如SAP)的数据, 媒体数据, 数字数据, Sell-in数据(从制造商到分销商的销售)和sell-out数据(从分销商/零售商到最终客户的销售)需要形成一个全自动的管道, 所有相关方都能获得库存水平和流量信息.

需求感知项目增加了进一步的洞察力, 允许公司利用短期趋势, 以便更好地预测消费者对产品的需求, 地区, 市场, 一天中的时间, 等.

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(McKinsey)的《2020年人工智能状况》(The state of AI in 2020) & 公司, 50%的受访者表示，他们的公司至少在一项业务功能中采用了人工智能. 它的采用是由于它能够帮助企业降低成本.

然而, AI is not a silver bullet; to realize its full potential and maximize returns, 商业领袖需要塑造他们的组织结构，以促进其运作.

An effective AI system cannot be overlaid across the whole enterprise; rather it needs to be organized by business function, 用小程序构建, 包括产品负责人的跨学科团队, 数据科学家, 数据工程师和机器学习工程师.

这些程序是由算法驱动的, 如果没有强大的数据管道输入和明确定义的输出，哪些被削弱了. 尽管人工智能是建立在技术之上的, 成功的实现还需要时间和精力专注于将其原则嵌入到组织文化中.

进一步阅读: 从人工智能中获取价值的五个最佳实践.

今天的企业几乎每个功能的中心都有数据——实际上，它支撑了上面提出的每一个建议. 这种状态为数字领导者建立适当的结构以确保组织的IT资产能够有效地收集数据提供了强有力的理由, 存储, 处理和输出.

这种性质的数据治理程序已被证明可以减少启动数据项目所需的时间, 以及提高决策和分析的准确性. 有了这样的治理, 所有数据项目都在加速，各组织为今后的活动奠定了坚实的基础.

疫情促使人们更加需要强大的数字文化，并在向商界领袖强调长期可能性的同时，使他们与数字同行的目标保持一致.

This offers opportunities to reinforce and accelerate digital transformation plans (or put them in place if they are not yet formalized); their value is clearer in an environment in which change has proved essential for the survival of the enterprise. 在这, 数字化领导者可以启动广泛的技能提升计划，以确保每个人都拥有面向未来的数字化社会所需的知识 数据驱动的组织.

技术就在那里——它是现代化的, 大流行后组织将其融入其文化.