上期就企业新零售转型全渠道升级的趋势、机会和应对方式做了相应介绍，本期就企业新零售会出现的几类趋势及应对给出指导方案。
趋势：新零售会引发库存矛盾日益显现
缺货是影响品牌企业全渠道零售盈利前景的最大问题，库存在物理上分散而在逻辑上共享，以及服务水平与物流成本之间的平衡，是企业需克服的两大主要矛盾。
传统零售管理模式将库存被分割为零散的逻辑库存池归属于不同渠道，由各渠道负责库存绩效指标。另外，中国幅员辽阔，而服务水平要求不断提升，品牌企业越来越多采取多点供应网络布局将库存部署到各级分仓。库存绩效责任、所有权及地理分布的分散，成为跨渠道库存统筹共享以及全渠道订单交付的最大障碍。
正因如此，库存不平衡，缺货和滞销并存，成为品牌企业的常态。不合理的库存部署决策不仅直接导致销售机会损失，还会导致频繁库存调拨、过季退仓、不必要的库存清理等后果，既显著增加供应链成本，也影响供应链的服务水平。
解决方案：库存计划与部署
品牌企业应以提高市场响应度为目标，从渠道、地理和时间三个维度，规划并控制采购和配货的节奏；数据可视性、数据分析能力以及供应链的执行能力是敏捷库存部署的基础。
库存的计划与部署需从渠道、地理和时间三个维度综合考量。渠道部署决策指根据各渠道的需求安排生产和采购。渠道库存计划涉及企业的渠道战略、产品品类战略以及价格管理体系，订货计划既要考虑渠道本身的需求，也要考虑全渠道模式下跨渠道间的相互影响。
地理部署决策指确定在各地仓库的库存品类及库存深度。区域库存计划的目的是让库存靠近市场，提高服务水平并控制物流成本。企业建模规划需考虑预测的可靠性、运输的批量和成本、产品的特性、挑拨和退仓的可能性，最终确定在各区域部署的产品品类以及安全库存水平等诸多要素，以实现更优的总体成本和更好的服务。
高响应度的库存计划与部署
时间部署决策指向渠道和区域部署库存的时间点和节奏。全渠道模式下，库存部署应是敏捷且低成本的，合理地分批次配货补货可部分熨平物流的季节波动，降低渠道库存压力，还可以及时根据市场情况调整库存，减少库存调拨和退仓。
库存计划和部署的前提是端到端的库存可视性，配货和物流部门如能实时掌握各级库存点的实际库存和销售数据，就可以此为据进行更科学的配货决策。
供应链的响应速度和执行能力也是重要影响因素，它决定了各级仓库和门店的周期库存和安全库存水平，往往是最具提升潜力的领域。
趋势：物流运营集约化、共享化
物流行业将朝规模化、集约化和运营精细化的方向发展；中国社会化物流基础体系的成熟和开放，使得未来物流的竞争将围绕运营能力和价值链控制而展开。
未来中国物流行业将呈现规模化和集约化程度继续提高；物流运营精细化、智能化和柔性化诉求增强；以服务能力衡量物流的商业价值；以数据驱动物流的运营和提升等趋势。
新零售需要的是能够快速响应市场变化和企业业务需求的敏捷物流，以满足“多批次少批量”和“直供消费者”为业务特征。正因如此，当前快递物流企业都致力于发展围绕电商物流的仓配、快递和同城物流能力；电商巨头也纷纷投资构建物流体系，在基础设施、服务和数据等领域同时发力。
需要指明的是，未来物流的竞争，将不再只强调拥有物流资产。物流基础设施将进一步成为开放化的社会资源，物流地产及运营市场的成熟即是佐证。
未来物流竞争将更侧重于运营，侧重于对客户及价值链的控制。比如菜鸟网络宣布将加速建成一张开放的社会化仓配网络，志在聚合物流资源，掌握大数据，以提供增值服务。而京东面向社会开放其物流体系时，除仓配和快递外，一体化的供应链服务和物流云才是关键。
3PL增长迅速
当前行业巨头在开放其物流生态或平台，对外提供物流基础设施资源的同时，更对外提供包括数据、金融、管理等在内的软实力。物流是重资产行业，投资门槛高，共享经济给物流行业带来新一轮变革的契机，将有助于催生更多细分领域的物流服务商和解决方案提供商，利好品牌企业。
应对：仓储与物流管理
品牌企业的仓储物流部门应思考如何提高服务水平并提供附加价值，同时，借助社会化的资源，落实合适的物流外包战略，有助于优化成本并提升自身物流管理水平。
新零售时代，品牌企业首先需在内部构建适应新零售的物流运营体系和能力，包括物流与业务部门更深入的融合和协同、提升物流灵活性和优化成本效益。
未来物流提供的服务应更智能、更具前瞻性：比如物流体系与门店终端的系统整合，将使得物流部门获得可视性并能够向门店推送建议补货指令；而基于人工智能的库存规划则可使物流更具计划性并节约成本。
未来物流的服务还应更加柔性和灵活：渠道扁平化、B2C比重上升已成定势——门店补货都需朝一日多次的方向发展，因此，物流体系必须向“多批次少批量” 和“快速准时配送”转型。实现这一转型常见的障碍之一是仓储体系的设计：许多企业的仓库并不能很好的支持零售业务，未来的改造应综合考虑货量、服务对象、批次批量特性、期望服务水平、跨渠道库存共享等因素，确定仓库容量规划、布局、动线、流程和生产力水平。
另一方面，由于物流投资周期长、服务要求高，品牌企业需确立合适的物流外包战略，充分利用第三方的服务能力。但企业需要的不再是单一的仓储或者快递供应商，而是能够整合上下游资源，提供端到端供应链解决方案和服务的物流外包商，从仓储到定制加工和数据服务等。
将企业内部的物流运营体系，与外部第三方的设施和运营服务相整合，就需要依靠有效的管理和可靠的技术手段。企业应重点考虑3PL对业务需求变化的响应度，系统和运营灵活性，以及业务创新能力；建立全面的绩效分析与评价体系；并通过流程和系统，掌握用户和运营数据可视性，提升管控力，降低风险。
趋势:数据分析驱动供应链转型
数据从未如此重要，供应链端到端的数据采集和整合是实现全渠道零售的重要基础，数据将驱动供应链持续提升。
实现端到端的数据采集和应用。领先零售企业（特别是电商平台）的最大优势是其数据的采集和分析能力。未来企业参与全渠道零售竞争，必须抢占“用户”和“数据”这两大战略资产，做到能够实时的采集大量数据，为内部运营提供数据支撑。未来企业数据应用的趋势包括：
[if !supportLists]u [endif]数据采集由内部向外部延伸，由运营数据向用户和市场数据延伸，由结构数据向非结构数据延伸；
[if !supportLists]u [endif]利用实时数据进行管理，比如供应链生产进度监控、已销售产品的实施跟踪；
[if !supportLists]u [endif]将数据更多的应用于前瞻性、预测性的分析工作，而不再仅是历史的总结和绩效的评估。
实现数据共享与融合。获得数据可视性后，企业往往发现对数据应用仍然无所适从。造成此问题的主要原因之一是企业缺乏完善的数据治理机制：价值链各环节数据源自不同的系统，数据定义和结构不尽相同。数据责任不明确，数据质量无法保证。
其次是数据应用分散且割裂化的问题。大部分传统品牌企业的数据应用水平停留在各环节数据的报表展示，数据应用局限在各部门内，数据并未被充分利用也未发挥决策支持作用。
未来的发展趋势是，供应链各环节的多源异构数据，能够被整合到共享的数据平台中进行综合分析处理，分析结果被推送或按需返回供应链各职能，实现决策支持和绩效优化。
应对：供应链系统架构与数据分析
品牌企业需拥有适合的企业架构、跨越上下游的系统集成、完善的数据治理和快速响应的IT服务能力；基于实时可靠的数据，数据分析方能驱动供应链的有效提升。
品牌企业的IT战略需保持与业务和供应链战略的一致性，服务于企业的全渠道转型，实现“连接消费者”和“掌握数据资源”的战略目标。
首先，品牌企业需搭建适应全渠道零售特征的企业应用架构，包括覆盖用户、交易、订单、库存的前中后台系统架构。
其次，需具备系统整合能力。与上下游合伙伙伴的系统集成能力是品牌企业必须具备的竞争能力。企业需思考如何建立数据共享机制，通过建立互信实时共享数据；信息的透明和可预见性会使企业的运营更加顺畅稳定。因此，数据将促进企业与合作伙伴间更深层次的协作。
全渠道的数据分析框架
第三，企业还需建立完善的数据治理结构以满足内部控制、财务管理以及安全性的要求。全渠道零售中，订单入口多样化，渠道库存共享化，交易路径复杂化，需要企业能够建立跨系统的数据调和能力，对系统内/间的数据差异或差错进行实施监控并解决。
第四，企业应更强调IT能力的快速迭代和服务响应能力。中国的电商巨头凭借技术优势不断实现业务模式的颠覆性创新，品牌企业也必须拥有敏捷的IT以应对业务需求的快速变化。
最后，需构建数据分析能力以及基于数据科学决策的治理机制。企业开展数据分析，应遵从以下六条原则:
1. 设定明确的业务目标
2.了解数据
3. 从简单的入手
4. 充分利用已掌握的经验和知识
5. 将分析结果落到具体行动
6.不断的试错并总结提升
关键成功因素是品牌企业推动业务的数字化转型，需要针对自身能力和所处发展阶段量身定制数字化转型路径，确定相应的目标、战略、流程、组织及人才。
传统企业供应链的全渠道转型总结为：
供应链战略——品牌企业应从客户细分及目标服务水平出发，确立与全渠道业务战略相适应的供应链战略，将供应链从传统的支持职能转变为赢得市场的竞争职能。
预测与协同计划——工具和技术的进步有助于提高需求预测的准确性，但品牌企业更应该致力于提升企业跨部门间的流程和协同效率，以及供应链的灵活度。
订单交付——从系统角度，品牌方需打通库存和订单；从物流体系角度，品牌方需合理设计订单交付点网络。
库存计划与部署——全渠道库存计划和部署分为渠道、空间和时间三个维度，以端到端的数据可视性以及数据分析能力为支撑；品牌企业应将视野从企业内部拓展开来，实现端到端供应链的库存布局最优化。
产品与生产制造——推进数字化智能制造将提升制造业的智能化、个性化和定制化水平，帮助品牌企业在全渠道时代获得竞争优势。
物流与仓储——品牌企业需确立合适的物流与仓储管理外包战略和第三方物流外包商，同时仓库体系的改造也应与供应链战略相适应
IT架构与数据分析——品牌企业需拥有适合的企业架构、上下游的系统集成、完善的数据治理和快速响应的IT服务能力；基于实时可靠的数据，数据分析方能驱动供应链的有效提升。
以上方案内容来自德勤供应链白皮书。