来源:36Kr。

一家年营收近千亿的公司,应该以什么形式检验其数字化转型的关键成果?
文|石亚琼
将报告数量减少30%将直接节省700万英镑的成本,但CDO的责任应该是创造“新的收入& # 34;
Q1。如何界定CDO的责任?
李玉洁:一般认为,数字化的价值在于为企业降低成本、提高效率。这件事的难点在于需要正确的顶层规划,避免烟囱系统集群造成大量数据孤岛。通过降低成本和实现效率来增加短期收入确实是一种价值,但这实际上是信息化,不应该成为CDO的核心能力。
CDO的责任应该是创造“新收入& # 34;,可以是现金流的营业收入,也可以是估值变动带来的价值。CDO应该思考如何帮助公司实现长期价值,并想象公司的数字化未来。主力是寻找数字技术赋能的新赛道,延伸现有业务边界,提升公司市值/估值。
Q2。作为蒙牛的CDO,它将在未来创造“新的收入”。它上任以来做了什么?
李玉洁:前三个月,我们需要深入思考应该培养哪些能力,并确保这些能力在合适的时间融入团队,让合适的人在合适的组织形式下实施合适的事情。什么是正确的事情?我们进一步关注三件事。
首先是共同能力的沉淀。我们继续专注于从常见业务中沉淀核心能力,我们已将600+能力组件提炼到中间平台,形成了蒙牛的数字智能基础,使整体应用开发效率提高了100%。我们通过中层能力的构建达到降本增效的目的,同时也为创新提高敏捷性和容错性。
二是盘活数据资产。一切业务数据,一切数据业务是我们持续的工作目标。现在我们有完善的数据资产管理方法,近1600个统一的指标体系,从固定报表到自助集市到聊天BI,让数据为一线团队和其他利益相关方提供支持,数据的可用性全面提升。只有提高业务人员的数据可用性,数据才能赋能业务,才能体现数据的价值。
第三是布局的前沿技术。比如今年以AIGC为代表的AI能力布局。蒙牛与AI合作,长期赋能产业链上下游。今年,我们升级了战略,联合发布了全球首个营养健康领域模型——蒙牛。GPT拥有微软、阿里、智普AI、腾讯等众多科技巨头。基于这种能力,蒙牛推出了“营养健康服务一体化平台——哇健康+”,这是蒙牛在产品基础上建立的服务平台。通过AI的加持,可以在家庭中24*7提供高质量、个性化的营养健康服务。
Q3。蒙牛的数据交换目前是否产生了“新的营收”?
李玉洁:数据交换不是我们“新收入”的目的。我们强调的是建立一个开放的创新生态,分享给上下游的合作伙伴,甚至整个营养健康生态。
大家都说数据是资产,但是这个资产是隐藏的,流通是数据资本化的前提。只有真正用上了,数据才能产生价值。然而,需要做大量工作才能使用它,并为开放创新生态提供数据。一是最基础的工作,比如数据分类、数据脱敏等。确保所有数据层清晰,明确哪些数据可以用于洞察,形成数据在流程中流动时的保护能力。AI的发展降低了对数据量的依赖,增加了对数据多样性的需求。
Q4。AI的前瞻性布局,未来可能会产生怎样的「新收益」?
李玉洁:目前,“营养与健康服务整合平台——哇健康+”已经推出“AI营养师”服务公测。推出这个平台的主要目的是为家庭提供个性化、长期、多成员的陪伴式健康服务。在中国,每10万人只有0.3名营养师,也就是每10万人大约有27名营养师。还有很大的增长空间。我们希望为消费者提供包括健康评估、营养计划制定、运动计划制定、中式健康计划、个性化营养建议、营养配餐、智能共情、智能提醒、过程指导与鼓励、目标与计划动态调整等一系列服务。通过最先进的技术,解决国内营养师覆盖率低、家庭使用健康服务成本高等问题,降低单次营养健康服务成本99%。


8月,世界乳业大会正式公布了全球首个营养健康领域模型MENGNIU.GPT。
Q1。今年蒙牛会有哪些AI新动作?
李玉洁:蒙牛的上下游数字情报工作离不开AI的帮助。AI不应该局限于单点应用,而应该融合全场景的数字智能能力,比如智能研发、智能牧场、智能工厂、全渠道智能管理等。它集成了机器学习、图像识别、智能客服等能力;在消费者端,持续开发消费者行程策略管理自动化、基于模型算法的人群挖掘、动态优化沉淀体验;通过AI驱动,我们实现了供给侧和消费侧数字智能的全面升级,甚至升级了数据的使用方式:从传统的数据报表到语言交互分析,数据的应用从PGC、UGC发展到AIGC,大大降低了数据分析的技术门槛,将数据能力还给业务人员,真正释放了数据生产力。

此外,我们最近发布了全球首个营养健康服务模式蒙牛。GPT联合微软、阿里、腾讯、知普爱等科技公司,通过了国内外21项营养专业认证考试。基于此,在“营养与健康服务整合平台——哇健康+”上线了应用“AI营养师”,可以为用户提供一对一的营养服务,设置“专属AI营养师”的个性。
可以说,蒙牛已经正式进入数字智能战略的3.0阶段,为未来的发展打下了坚实的基础。
Q2。AI营养师是怎么培养出来的?
李玉洁:我从去年10月开始关注AIGC在国内外的发展。今年2月,我正式加入团队,开始研发蒙牛. GPT的领域模型,我们注入了众多营养健康权威机构的优质培训资料,确保其在学术和实践领域的高度权威性,并整合了市场上的多项开源算法。在持续学习各种公开的相关数据和蒙牛独有的数据后,我们不断对其进行训练和优化,包装成营养健康领域模型。期间与多位营养与健康领域知名专家学者进行了充分的学术探讨,包括杭州高等研究院生命与健康科学学院首席教授、中科院上海营养与健康研究所研究员徐琳;李乙雪,广州实验室研究员、博士生导师,国家生物数据中心系统粤港澳大湾区节点平台首席科学家、主任;以及众多知名老中医、上海名医、中医药大学营养学教授、中医药领域专家。该模式已在多家三甲中医院治未病中心投入实践,并将配合重点中医药大学青年医生的培养,使蒙牛。GPT可以深入日常工作场景。
“AI营养师”就是基于该模型的智能对话应用。其实公司还可以基于这个模式做更多的应用,比如智能客服。这种模式的能力未来将免费开放给生态圈中的各类创业伙伴,所有适合的场景都可以接入。这是我们之前说的,我们的目标一直是建立一个开放的创新生态系统。基于营养健康领域模型的蒙牛。GPT,任何生态伙伴都可以在上面自由探索和创造场景。
Q3。除了外部生态,蒙牛在企业内部的AI能力建设方面做了哪些工作?
李玉洁:一方面,我们建立企业知识库。如今企业使用的数据依赖于结构化数据,但所有企业都有相当多的非结构化数据,存储和利用这些数据的成本非常高。今天,在AI工具的帮助下,这些数据可以得到更好的处理,变得有价值。
今年AI最有代表性的技术进步就是生成式AI的能力。所以给AI的数据不需要像以前那么多。今年我们在尝试让AI直接参与数据回流、建模等工作来管理和使用综合数据。
与企业知识库相匹配,内部搭建了“AIGC场景工厂”,现在已经拥有智能100+业务场景,包括微信官方账号文章生成、社交媒体广告优化助手、在线培训课程创建工具、产品推荐引擎等。
接下来的目标是将所有员工培养成AI cue工程师,让员工学会如何与AI有效沟通,输出符合要求的内容,包括文字、图片、计划等等。员工经过培训考试合格后,将成为企业的提示工程师,并获得证书。只要拿到证书,就可以在我们内部搭建的场景工厂里生成应用。应用在“蒙牛AI应用市场”上线后,所有同事都可以使用。截至目前,已有近百名员工“持证上岗”,82个AI应用在内部上线,真正实现了AI上岗。

“哇健康+”,营养健康服务综合平台:数字智能团队直接创造商业价值的尝试
Q1。营养健康服务整合平台“哇健康+”目前运营情况如何?
李玉洁:今年4月开始内测的营养健康服务整合平台“哇健康+”,是蒙牛数字智能战略的重要落地项目。它通过打造多场景、多功能、多成员、长效的健康服务模式,帮助消费者进行日常健康管理。
目前用户数量已突破百万,我们提供的6大健康场景、20+营养健康服务广受欢迎。平均使用卫生服务的次数为2.7次,人均建立档案1.2个。对于活跃用户来说,最受欢迎的健康管理模块是儿童长高和成人减肥。8月份推出公测版,将传统GUI迭代为CUI模式,让消费者通过言语交互真正体验到简单高效的个性化服务。

Q2。做这类健康类APP,如何解决初期的流量问题?对蒙牛产生了怎样的价值?
李玉洁:像蒙牛这样的大型消费品公司从来不缺流量,而是缺流量的有效利用。蒙牛每年销售数百亿袋牛奶。目前牛奶包装一物一码的技术已经非常成熟,也成为蒙牛重要的流量来源。而且这些流量本身就是精准的健康相关流量,也是对蒙牛品牌的认知。即使是1%的转化率也是非常可观的。比如营养健康服务整合平台“哇健康+”上线90天用户突破100万。能够为这些用户做好服务加持,让蒙牛消费者不仅能体验到好的营养品,还能体验到健康的陪伴服务,是非常有意义的。
营养健康服务综合平台“哇健康+”让关注健康的消费者通过扫码获取健康知识。我们和非营养健康服务综合平台“哇健康+”的用户消费数据做了一个对比。由此,营养健康服务综合平台“哇健康+”的用户消费金额增长了80%左右。
作为核心的DTC平台,我们还为集团提供了丰富的数据洞察。比如我们发现零糖零脂产品的用户身体质量指数值保持的很好,益生菌产品的用户相对更能坚持打卡21天的健康计划。收集了300多项营养健康数据,反馈产品研发和营销规划。预计到年底,营养健康服务整合平台“哇健康+”服务将覆盖数千万家庭。
蒙牛是传统的快消品,很大比例的产品通过分销渠道销售。以往的营销活动多以体验驱动,但用户的行为数据往往无法检索。未来,随着平台变得更大,我们将提供洞察力来指导业务发展、产品开发和营销规划。
在搭建营养健康服务整合平台“哇健康+”时,团队始终以“利润中心”的理念指导自己,希望打造未来消费者愿意付费的产品或服务,做出对消费者有粘性的有价值的数字化智能产品。
36Kr的硬核技术报告微信官方账号


来“分享,喜欢,观看”
传统快消企业的数字化智能转型
微信扫码
QQ扫码
您的IP:10.1.228.218,2025-12-23 05:11:37,Processed in 0.26739 second(s).