从BI深耕到AI洞察的渐进式增长实践
零售消费行业数智化，最痛的是什么？
是建了上百张报表，高层看不完、业务不会用；是想搞AI，却要么数据不达标，要么场景选不对，最后沦为单纯的“技术炫技”；是投入真金白银，却没看到业绩、效率的半点提升……
但中国现代家纺业的重要奠基者——水星家纺，却通过稳扎稳打的数字化战略，跨过这些坑，成为了行业数智化领军者。
10月22日，在「数智·渐进力——2025观远数据智能决策峰会暨产品发布会」现场，水星家纺CIO刘峰带着企业从0-1建设BI、从1到100覆盖全业务、再到AI破局的完整实战经验，以《从BI深耕到AI洞察：水星家纺电商数智化的渐进式增长实践》为主题，从数字化路径、BI成果、AI实践、落地思考四大维度，深度拆解企业数智化打法，为更多企业提供了可复用、可落地的实战参考。
水星家纺CIO 刘峰
一、数智化建设路径：“三步走”战略小步快跑，渐进式取得AI突破
作为家纺行业领军企业，水星家纺产品销量位居中国家纺行业第一，更于2025年获全球知名咨询机构沙利文认证的“专业床品全球销量第一”。刘峰表示，水星家纺的行业地位，除本身业务深耕外，也离不开数智化的长期支撑。在建设过程中，观远数据作为优秀的合作伙伴，全程陪伴着水星家纺的数智化成长。
现场，刘峰首先分享了水星家纺“渐进式”的数字化运营三步走战略：
• 第一步，聚焦核心，快速落地，解决“0到1”的问题
“数智化不能贪大求全，首要是找小切口、高价值的场景，先让业务看到价值。”水星家纺的数智化起步，紧紧围绕高层驾驶舱、电商业务数据应用两大刚性需求场景。在组织端组建专业数据团队，并通过观远BI整合多系统数据，沉淀企业数据资产，快速实现了数智化“从0到1”的突破，让业务部门与高层切实感受到数据价值，为后续推广奠定了信任基础。
• 第二步，全局补齐，敏捷迭代，解决“1到100”的问题
第二阶段，水星家纺以“广度拓展、深度拓展”两大核心动作打破了数据仅服务少数场景的局限。并重点培养业务同事与数据分析师团队，使其能熟练掌握观远BI，实现自主开发报表、自主分析数据。彻底摆脱“业务提需求、IT等排期”的低效模式，构建全员数据驱动能力，为AI落地积累数据基础与组织基础。
• 第三步，AI加持，突破创新，基于前两阶段实现价值升级
第三阶段，水星家纺利用AI能力推动了更多高价值场景的突破与创新，解决前两个阶段解决不了的问题。但刘峰也坦言，水星家纺的AI实践并非一帆风顺，在初期探索市场工具时也曾走过弯路，最终与观远数据共创，聚焦高价值场景实现突破，看到了AI真正的价值
二、BI建设成果：不止“有数据”，更让数据“用起来”
在水星家纺的数字化运营“三步走”战略中，BI建设是贯穿始终的“基础工程”。在回顾过三个阶段的建设历程后，刘峰重点总结了BI建设的成果。他表示，水星家纺的BI建设成果并非搭建了多少报表，而是实现三个转变：
1. 组织能力转变：BI能力从“IT专属”转向“全员可用”，数据分析师能够独立完成深度分析，业务人员能自主取数、做简单报表，全员具备自主分析能力。
2. 业务覆盖转变：从“少数场景”转向“全业务主体覆盖”，涵盖日常经营报告、运营监控、商品分析、会员运营、供应链协同、投放分析、财务分析等，形成“数据驱动业务”的完整链路。
3. 文化认知转变：通过BI的持续建设，“用数据说话”从口号变为习惯，企业内部逐步形成“数据驱动决策”的文化，这是数智化最核心的软实力成果。
三、AI实践分享：基于BI能力，聚焦高价值场景AI破局
在BI建设取得成果后，水星家纺近两年积极开展AI实践，通过自研与合作探索尝试了多样场景。刘峰表示，AI实践的核心原则依旧延续“小切口、先聚焦单一场景”的思路，不贪大求全，优先从高价值、基础条件成熟的场景切入。
推进AI实践的关键原因在于，水星家纺在BI建设阶段已积累了上千张各类报表，但“从数据到洞察、再到行动”的转化门槛非常之高，而且优秀分析师资源稀缺，需要通过AI解决“放大数据价值、沉淀分析师经验、赋能业务人员”的核心需求，让数据分析能力较弱的员工也能复用优质分析思路。
水星家纺AI落地的关键动作即总结并沉淀优秀数据分析师的核心能力，包括对业务逻辑熟悉度、行业认知积累深度、数据意识及敏感度，将这些经验转化为企业可复用的资产，为AI应用奠定基础。
基于这个思路，水星家纺进行了多个AI场景落地的探索。刘峰在会上重点分享了与观远数据共创的两大高价值场景：
1. 商品企划：AI输出洞察报告达专业数分水平
商品企划是零售消费企业的核心环节之一，而市场洞察则是商品企划的前提。此前，水星家纺的市场洞察面临三大痛点：
• 分析效率低：手工撰写，分析师需人工整合10余个类目下、4大平台的5个模块数据，半年出一次报告；
• 业务覆盖面不足：无法满足即时分析需求，甚至很多子品牌业务方还享受不到数据服务；
• 报告输出质量依赖人脑经验解读：结论可能不全面，异常无法及时捕捉。
引入观远洞察Agent后，这些痛点被逐一破解：
• 时效更高且可溯源：通过观远洞察Agent自动分析数据、生成洞察结论，支持按需高频更新查看，历史报告也能溯源即席查询；
• 业务使用场景更广泛：供多品牌多业务场景使用，从新品企划延伸至爆品追单、商品投放策略调整等更多业务场景；
• AI洞察更稳定全面：描述性分析质量更高，能挖掘隐性趋势/信息，及时发现异常。
刘峰也在现场展示了通过观远洞察Agent产出的市场洞察报告中的一些核心内容，包括：
• 多平台类目趋势与分析：持续追踪不同电商平台下同品类竞品的竞争关系，包括品牌格局、单品表现、价格策略，明确自身商品与竞品的优劣势差距；
• 用户画像识别及对比：精准定位各平台的目标客群画像（性别、子女情况、消费习惯等），并对比不同年份（如2022 年 vs 2023 年）的用户偏好变化，确保商品投放与人群需求匹配；
• 购前购后用户评论（尤其差评）分析 ：对用户购前咨询、购后评价（重点是差评）进行标签化梳理，提取用户关注的商品卖点、吐槽痛点（如质量、功能、服务等），反哺商品优化方向
刘峰特别强调，在人群画像洞察报告中，观远洞察Agent输出的分析结果的专业度令品牌非常惊喜，已达到专业数据分析师的水平。例如针对天丝套件产品，观远洞察Agent不仅精准识别出该品类的核心用户群体，还进一步输出“巩固基本盘”与“向上开拓”两大策略建议，为业务团队的运营决策提供了关键参考。
在消费者舆情分析方面，观远洞察Agent的价值同样显著。AI通过抓取消费者评论与深度分析，可明确消费者对产品特性的核心期待，同时精准定位服务与体验中的短板，为后续产品改进与服务优化指明方向。
2. 供应链百事通：聚力产供销协同发力，破解衔接堵点
水星家纺的供应链涵盖设计、研发、生产、仓储、物流全链路，流程长、涉及部门多、系统多，数据不通信息不畅，对供应链协同就会带来挑战，各个业务部门也面对着不同的痛点：
针对这些业务痛点，水星家纺与观远数据共创了“供应链百事通”Agent产品，整合ERP、WMS、OMS等多系统数据，打造统一信息入口，帮助业务快速获取数据，并通过自然语言交互，实现实时查询、精准反馈，为不同业务团队的日常工作带来可见价值：
• 销售团队：通过“供应链百事通”，可24小时自动响应查询，实时查看库存、订单、生产进度等，无需跨部门反复沟通确认。还有多少货多少库存，还能卖多久，做到一目了然心中有数。
• 客服团队：快速识别产品库，智能推荐产品搭配方案，只要输出一句话，例如“我想找一款适合20岁男生、价格300-400的床品套装”，“供应链百事通”即可列出推荐款，并说明推荐理由。
• 采购团队：根据前段销售预测需求，结合现有库存、原材料、生产周期等数据，“供应链百事通”可给出精准可生产的数量建议，还能对滞销边角料推荐再利用方案（如改抱枕、拼接被套），助力实现原材料成本节约效率。
刘峰还特别展示了“供应链百事通”在RFID库存盘点场景中的惊喜表现，AI输出的预警与行动建议，专业度甚至超过企业内部专业的业务人员。
四、AI落地思考：三大评估维度，推动AI+BI渐进式务实落地
基于自身AI实践经验，刘峰总结出企业落地AI的“核心原则”与“评估方法”，为更多企业提供“避坑指南”。
1. 三大核心原则：做AI不是炫技，核心是解决真问题
• 顺势而为：AI不是凭空落地，而是站在既有系统、数据、知识库基础上的顺势而为；
• 聚焦价值：AI要能够真正解决业务场景中的问题，真切地降本增效，让AI成为一种“组织能力”；
• 协同推进：AI在组织中的落地，不能只靠技术部门“单兵作战”，而是需要所有业务部门一起参与。从实际业务中筛选场景，再通过组织自上而下推动。
2. 三维评估方法：判断场景“值不值得做”
• 业务成熟度：先看这个场景是不是“值得做”。是不是高频发生的？有没有清晰的操作规则？做得好能不能带来明显的效率或结果提升？如果流程本身就偶发、模糊，AI再强也很难带来实际价值。
• 数据成熟度：AI想干活，得先有“粮食”——也就是高质量的数据。如果这个场景里已经沉淀了结构化数据，或者有现成的知识库，那AI就可以快速上线发挥作用。但如果数据缺失或分散，就得先补课，效果也会打折。
• 技术成熟度：还要看当前技术是否支持。有些点子虽然好，但现阶段AI可能还做不到，或者代价太高、误差太大。这时就得评估：能不能实现？值不值得投入？幻觉风险是否在可控范围内？
五、结语：渐进式增长，与观远共创数智未来
数智化不是一蹴而就，而是积小胜为大胜。刘峰在分享结尾表示，水星家纺的数智化之路，是从BI深耕到AI洞察的 “渐进式探索”，而观远数据的陪伴，让这一探索少走了很多弯路。未来，水星将继续与观远数据深度共创，挖掘更多高价值AI场景，持续巩固行业数智化领军地位。