当珠宝购买可以像“点外卖”一样便捷，当AI能以80%的准确率预测潮流爆款，这个传承千年的行业正在被数据和智能重塑。面对波动的市场和崛起的Z世代，传统珠宝品牌亟需寻找新的价值锚点。
其中一个驱动力，是数字化。发源于潮汕的珠宝品牌潮宏基，对此有多年探索。
自2006年引入SAP-ERP系统起，潮宏基开启了长达十余年的数字化建设征程，历经系统重构、商业智能（BI）建设、数据中台搭建、智慧云店推广等关键阶段，逐步构建起覆盖生产、供应链、渠道、营销等核心环节的数字化体系。同时，积极拥抱AI，尝试用智能算法驱动爆款预测、极速定制和精准营销，为传统珠宝业务注入新的活力与价值。
那么，长期投入所奠定的数字化基础，究竟为潮宏基带来了怎样的应用势能？企业如何在此之上，进一步部署数据分析与AI？又是如何实现将“爆款”预测准确率提升至80%，并将个性化定制周期压缩至最快三天？这些由“数据助手”等工具赋能的实践，又在多大程度上提升了运营效率？
带着这些问题，近期，虎嗅智库与潮宏基CIO潘平进行了深度对话，围绕潮宏基的数字化转型之路展开，探讨其在数字化浪潮中的战略规划、实施挑战、具体成效和未来展望，希望通过潮宏基的数字化实践，为珠宝行业的数字化转型带来一些启示。
以下为对话精华部分：
十年筑基：先推翻自己，再重构行业
Q虎嗅智库：潮宏基的数字化建设经历了几个阶段？
A潘平：数字化建设分为三个阶段：首先是基础建设，确保团队共识，实现业务系统化；其次是业务再造，将SAP系统转型为业财一体，并建立微服务架构的中台能力；最后是数据化应用，通过中台能力提升业务应用和数据管理，实现高效反馈和快速市场响应。
目前三个阶段已基本完成，我们内部定义2025-2026年为“数字智能转型元年”，将在两个方向重点突破：智能配补货方面，进一步优化算法，提升补货和销售预测精度；AI赋能导购：基于品牌调性，AI自动生成营销内容，降低导购学习成本。
Q虎嗅智库：数据中台如何赋能业务？具体案例有哪些？
A潘平：这些平台包括用于分析运营质量和状态的工具，以及我们在业内首创的潮宏基数据助手。数据助手是一个纯小程序端的移动应用平台，主要面向与数据相关的总部各业务单元人员、终端区域管理人员、门店店长以及代理商老板。
他们可以方便地在微信上打开小程序，获取实时的经营数据，涵盖多种经营指标、门店运行情况的诊断以及相应的分析，例如经营状况的好坏、流量、客单价、用户复购等方面的系统性和实时性提示。
在管理市场和门店时，管理人员就像拥有了一个精准的“数据基因监测仪”或“导航仪”，能够清晰地指出哪里高了，哪里低了，是否缺货，缺了什么，以及补货的建议等。
数据炼金：从“人找货”到“算法配货”
Q虎嗅智库：珠宝行业SKU复杂且非标性强，传统预测模型难以适用。定制珠宝交付周期从“不可想象”缩短至7天，常规订单最快3天交付。潮宏基通过数据中台整合多维度数据后，如何构建适应珠宝品类的AI预测模型？
A潘平：预测一直是困扰我们的一大难题。珠宝的可替代性很强，不像手机等电子产品每款产品的参数差异明显。珠宝中，即便是不同款式，其相似度有时也相当高，使得有效预测变得困难。对于消费者来说，在未看到实物时的购买决策与看到实物后的决策可能截然不同。购买电子产品时，消费者通常目标明确，而购买珠宝时，往往是到店后看到喜欢的款式才决定购买。因此，在预测时，是否展示某些产品会对预测结果产生显著影响。
在进行单品预测时，我们进行了多项重要改进，将传统的线性模型结构转变为基于统计学和概率分析的方法。最终，计算出每个单品在补货周期内的销售概率，该概率范围从40%到90%不等。
例如，如果某件单品在一个月内的销售概率超过40%，则可以认为该单品在该月内销售五个是可行的。预测模型不仅会提供销售预测，还会给出建议的补货量，例如建议库存为八件，而不仅仅是预测可能卖五件或六件。
同时，模型会对每个单品进行此类测算，最终生成智能补货计划。模型还支持门店内部的库存调度。例如，对于一个拥有十家门店的代理商，预测模型可能会显示某件单品在这家店的月销量为五件，而在另一家店为两件。由于库存配置不匹配，可能销售五件的门店库存只有三件，而只能销售两件的门店库存却有八件。模型将自动生成调度建议。
潮宏基解决的核心痛点是，以往门店在补货时，往往难以集中订购某款产品。由于门店订单通常由店长根据个人判断挑选，而平台上的商品种类繁多，店长为了降低风险，通常会订购多种款式以确保销售。这种做法带来的问题是，未售出的商品容易成为长期库存，而畅销商品则可能因补货不及时而错失销售良机。
针对这种情况，模型能够给到建议，例如在20款商品中仅选择其中的八款进行订购，并且这八款的订购量可以从人工方式下的两件增加到十件。算法之所以能够做出这样的决策，是因为它不仅综合考虑了多种因素，还参考了相似门店的动态销售数据、公司对该单品的推广力度以及活动强度等。通过这些信息，门店可以更加精准地进行补货、陈列和推广，从而有效提升销售机会。
Q虎嗅智库：您提到的这套算法如何平衡市场需求波动与生产周期限制？与上游工厂的数据协同机制是如何建立的？
A潘平：在构建全渠道供应链的过程中，我们早已预见到相关问题，并在几年前与上游的几家工厂共同落实了两项重要举措。
第一，与上游供应商及工厂进行了系统集成。举例来说：由于供应链实现了全面打通，前端订单的处理流程也更加高效。对于核心款式，以及一些非核心但生产周期相对固定的款式，我们与上游的工厂明确了交付时间，并对其进行了严格的管理和考核。
第二，实现了大部分上游工厂系统与自有系统的无缝对接。门店的补货计划和订单能够通过搭建的供应链平台自动推送到上游工厂，实现自动接单。门店一旦下单，系统就会立即将订单派发至上游的工厂。
简化来看，就像在美团上点外卖一样。平台会根据订单信息实时计算，告知预估的到货周期，系统会明确告知你货物预计的到达时间，这背后的逻辑则涉及预算管理和生产交付的精细化管理。
在我们的数据链中，这些环节是完全打通的。具体逻辑是：当你下单时，如果货物在某个可用仓库有现货，系统会预测从拣货、包装到发运所需的时间；如果货物没有现货，需要投产生产，系统则会检测哪些工厂可以生产，并评估哪家工厂的交付能力最快。例如，如果A工厂对某款产品的交付周期为五天，那么我们就会将订单派发给A工厂，并在生产过程中预留五天的时间。
组织暗线：用“双KPI”打破数据孤岛
Q虎嗅智库：在协调电商、门店、供应链等板块利益时，如何避免“部门墙”阻碍数字化进程，确保项目顺利落地？
A潘平：与我们的组织体系密不可分。长期信息化建设始终是董事会高度重视的核心工作，层级极高。在这样的模式下，组织中的所有重要项目，包括年度信息化战略和五年数字化规划，都会经过董事会的重点审议，并在预算上给予充分支持。同时，许多重要项目由总裁亲自挂帅，分管副总裁负责主导落实，确保各项工作从集团层面统筹推进。
这种组织架构也意味着始终站在集团的高度来推动各项工作。例如，当需要平衡电商部门和门店等不同业务单元的利益时，以集团的最高利益为首要考虑，再兼顾各业务端的利益。为了有效平衡各业务单元的利益，采取了多项措施。
例如，用户在线上购买的产品，在线下门店同样能享受到包括保养、以旧换新等在内的售后服务。但其中涉及复杂的利益分配问题，如线上销售已获取利润，线下提供服务时如何合理计算成本及收益等。
对此，我们建立了一套完善的机制来解决，在最终对业务单元领导的考核时，采用统一的指标体系，涵盖销售量、销售额、市场占有率等关键销售指标，确保线上线下渠道共同为品牌产品的销售目标贡献力量。这意味着一旦线上业绩未达标，也会影响到线下主管的考核，从而避免因部门利益冲突而影响整体战略的实施。
Q虎嗅智库：潮宏基的数字化实践对其他珠宝企业有何经验和建议？
A潘平：根据我们的经验，在推进数字化转型时需要注意以下几点。
第一，企业应勇于决策，尤其是那些数字化基础薄弱的企业，常面临高成本舍弃现有系统的挑战。数字化转型需有魄力，敢于取舍，甚至重新开始。许多企业底层设计基础薄弱，只注重表面，忽略基础建设。若基础设计不佳，却希望强大体系支撑，这将会导致项目周期长、成本高，所以必须进行系统性设计，同步推动者需有心理准备和觉悟。
第二，在推动过程中，需要拿出有说服力的方案，去说服公司高层和董事会，获得他们的支持。这需要带着中长远规划和短期目标的完整系统性规划，向他们证明投入时间和资金是值得的。推倒重来之所以困难，是因为它比从零开始的构建更复杂，其中涉及改变人们的认知和习惯，甚至可能影响到他们的利益。因此，必须给予他们足够的信心，让他们相信重建后的系统会比原来的更加高效和先进。
第三，一切都要以业务为导向，业务部门提出的需求往往只是表面的问题，而我们需要透过这些表面现象，分析其背后的管理价值、业务变革的潜在需求以及业务的痛点等。
第四，我认为还需要平衡好投入产出以及各个业务链之间的关系。其中涉及组织关系和人的关系，因为一旦推动某些变革，人员的贡献和重要性可能会发生变化，有些是正向的，有些则是负向的。必须客观地预见这些变化，并做好相应的心理预期和安排，这样阻力才会变得更小。
最后，建立前期共识尤为重要。如果缺乏共识，推进工作将会变得非常困难。
