喜茶在2019年里新增门店近250家，截止当下门店数据量已突破400家。可喜可贺的同时也面临着一个巨大的挑战。如果继续保持原有经营管理模式我们会很难服务好这个体量的用户，为了保证产品和服务质量不受影响，我们需要找到一个可以让公司在快速扩张阶段，内外部资源仍然能高效运用和协作的方式，最大限度地缓冲掉扩张带来的各种管理问题，从内到外保证用户仍可以得到同样优质的服务体验。
经过1年的探索，已经非常明确其方向是实现数据智能化的升级。阿里巴巴前总参谋长曾鸣曾提出“网络协同和数据智能”双螺旋的概念，双螺旋紧密配合才能将所有资源高些协作起来。受其启发，喜茶在过去一年数据化转型方向主要围绕三个方向。分别是全面IT触网、全面数据链接、全面数据协同，以下是对三个方向的简单概括分享。
一、全面IT触网
小程序GO上线是喜茶的IT触网在线化最重要的里程碑，因为零售行业特性很多人会对触网、在线化的理解有个误区，觉得只要使用上了很多IT系统，或者有运营自己的公众号、微博，在美团等第三方大平台上开通了线上业务或者做了会员信息收集，就算是触网在线了。在线化概念的远远不只是形式上互联网链接上，企业最重要的抓手是产品和服务，判断企业是否触网在线化最关键标准是企业的核心产品和服务有没有实现在线化，用户能否在互联网产品上体验到你的产品和服务，核心业务环节是否已有互联网产品记录数据信息。这才是真正意义上的在线。任何行业的数据化转型第一步是让产品和服务核心流程在线化，只有实现这一步才能收集到可用的数据资源，是数据化运营最基本的条件。
以喜茶为例，大部分用户通过小程序/APP端完成购买产品的操作，线上体验方便快捷的服务后，再通过门店自取或者外卖的方式获取到产品。这一系列流程的能正常运作，除了用户可接触到的小程序/APP之外，要保证门店的制作和服务能高效运转则需要高效的供应链、EHR、稳定的门店设备等如软硬件的支持。这些用户操作和保证业务流程高效运转的产品是我们集成数据非常重要的端口。
二、全面数据链接
收集到数据之后并是意味数据就是可直接运用的资源。存储在各个系统中的是零散、孤立的数字，系统彼此打通后数字经过加工处理后才能成为数据， 数据结合不同的分析思维后才能算是信息资源。
对比互联网行业拥有的先天优势，传统行业转型攻克了核心产品和服务在线化的难题之外，都会面临一个数据链接的大难题。零售企业起步时因行业特性IT系统基本都是以外采的方式使用起来，不同系统的供应商之间数据分离，所以公司内部每个模块形成了信息孤岛。日常分析决策需要借助人工处理的方式才能把数据串联起来，信息流转的流程会很长，协作成本也高。比如门店人力投入的预估，需要在POS上记录销售数据，然后在排班系统终统计出勤数据，最后整合才能做决策分析；或者财务部门制作公司不同维度的损益情况，需求对接到公司所有系统后才能手工整理，耗时非常长。企业规模一旦扩大，需要的人力就会几何式增长，管理难度也随之越来越大。
如果把业务流程中每个节点记录的数据比作一个点，点和点之间关联成线后再彼此关联形成面，信息之间互相流通最后才能形成丰富又能高效协同的立体网状信息中心，是否能的实现精细化运营的关键难点就是公司能否搭建起这个立体协同的信息中心。业务数据之间打通， 除了提升内部工作效率之外还有一个重要的好处是提高数据的丰富度和立体感。让数据之间互相调度协作，是网络协同最重要的一步，只有这一步实现之后才能算真正意义上把收集到的数字变成了数据
三、全面数据协同
完成前面2步之后才算完成数据治理阶段进入到数据运用阶段，数据运用的范畴很广，概括起来就是精细化运营。如何将精细化运营落到实处，可以有千万种形式和方案，但是不管如何怎么变换，都会万变不离其宗，最核心是需要搭建一套与业务贴切的数据指标和算法体系，这套指标体系可以准确反映出公司各个模块经营正常与否，而指标设计的背后其实是公司战略目标分解后具体战术的执行情况的分析体系，基于这个设计内核形成整的运算过程才能会形成公司有价值的信息流中心。
信息中心中的数据资源能否利用到位，关键在于公司对数据资源运用的定位。很多企业甚至是纯互联网公司对已有的数据资源只是用于临时的可视化和简单的数据提取，把信息中心就成了一个简单的工具，最后数据运用往往会流于形式，变成鸡肋。数据是否真的发挥价值的评估标准是否驱动了业务，而驱动力来源于用数据的人是否有数据分析的能力。数据只是驱动的引擎，数据资源的运用在公司内部需要自上而下不断的推行，把数据中心当作是公司信息共享和思维传递的平台，赋能员工分析能力才能实在地驱动业务。所以数据在企业中运用到位除了需要一套与公司业务和战略紧密结合的数据指标体系和算法体系外，也需要不遗余力的赋能团队数据分析的能力。一名合格的数据分析师除了完成岗位的分析内容之外，另外最重要的的职责是把分析能力赋能给业务伙伴。
数据来源于产品，最终也需要归于产品。互相链接协同的数据实现算法化必须融合在交互友好、功能明确的产品上， 而这个过程中难点并不是算法需要多么精妙，而是是否能找到富有灵感创新的方式或者产品，能超过用户预期去全新定义用户的体验方式，同时启动数据智能作为引擎，只有这样才能将数据智能的价值体现出来。
产品端的互动让数据形成闭环，闭环的数据进行算法化形成数据智能后反哺产品体验，数据和产品合二为一，才能对传统模式起到降维打击的作用，升级成具有数据智能基因的新零售。一切升级和转型都是为了降本增效，终极目的是聚焦商品和服务。数据化转型也必须基于此目标，以终为始进行的部署和迭代。
