导语： 数百家门店、上千个 SKU、每天几十万笔交易——食品零售的竞争，本质是供应链效率与数据运营能力的竞争。奥腾科技为某大型食品零售集团建设跨门店数据底座与数据资产运营体系，依托 Ottomi-Nexus 统一主数据与指标体系，让"卖什么、补多少、放哪家店"第一次有了数据答案。

一、项目背景

食品零售是高周转、低毛利的生意，库存多一天就多一分损耗，缺货一天就少一分销售。某大型食品零售集团在全国运营数百家门店，覆盖直营、加盟多种业态，前端有 POS 交易、会员系统、电商渠道，后端有 ERP、供应链、仓储物流系统。业务高速扩张的同时，数据问题逐渐显现：同一商品在不同系统中的编码不一致，门店间库存信息不通，集团级经营分析依赖人工层层汇总，供应链补货主要靠门店店长经验。

集团希望以数据驱动供应链变革，实现"总部看得到每一家店、供应链算得准每一批货"。

二、核心痛点

业务痛点

1. 跨门店协同难。 门店库存、销量、客流数据口径不一，调拨、促销等跨店协同决策缺乏数据支撑，畅销品在 A 店积压、B 店缺货的情况时有发生。

2. 供应链补货靠经验。 补货量由店长凭经验估算，缺货与损耗并存，食品保质期管理压力大。

3. 经营分析滞后。 集团月度经营分析依赖各区域手工报送，口径偏差大、时效性差，管理决策"开慢车"。

IT 痛点

1. 主数据不统一。 商品、门店、供应商等主数据在 POS、ERP、电商系统中各自维护，编码与属性不一致，数据对不上、合不拢。

2. 系统烟囱化。 各渠道系统独立建设，数据接口点对点，新增一个跨系统分析场景成本高、周期长。

三、解决方案

1. 统一主数据管理（MDM）：一套编码走天下

基于 Ottomi-Nexus 多模态 AI 数据中台建设集团统一主数据体系：商品、门店、供应商、会员主数据集中纳管，建立主数据唯一标识与同步机制，各业务系统统一引用；主数据变更流程化管控、全链路血缘可查，从源头解决"同名不同物、同物不同码"。

2. 指标体系标准化：关键指标一个口径

建立覆盖供应链、销售、库存、财务四大领域的统一指标体系，对"销售额""毛利""库存周转率""损耗率"等关键指标完成口径定义与算法统一，原子/派生/复合三层指标一处注册、全集团引用——门店、区域、集团三级报表基于同一把"尺"。

3. 数据资产运营：让数据"用进废退"

依托数据资产管理能力，将治理后的数据资产上架形成集团统一数据目录：资产卡片围绕权属、时效、规模、活跃度、质量、血缘、合规七大维度量化评估，上下架管理与"用进废退"机制自动识别长期零调用资产，数据资产从"存起来"走向"运营起来"。

4. 供应链智能补货：数据反哺业务

基于统一的数据底座与指标体系，构建门店销售预测与智能补货模型：结合历史销量、促销计划、季节因素与库存周转数据，自动生成补货建议；滞销预警与临期预警联动，降低损耗。跨门店调拨建议同步输出，让库存"流动起来"。

5. 寻数问数：经营问数用大白话

部署寻数问数智能体，区域经理以自然语言查询"本月华东区常温奶销量环比""某单品各门店缺货率排名"，智能体直接返回口径说明、数据与图表；四级权限贯通保障区域只见本区域数据，总部视角全局贯通。

四、落地成效

- 主数据统一： 商品、门店主数据一致性达 99% 以上，跨系统数据对账时间由数天缩短至小时级；

- 库存优化： 智能补货上线后，试点区域缺货率下降约 30%，食品损耗率下降约 15%，库存周转天数明显缩短；

- 报表提速： 集团经营日报由 T+2 人工汇总升级为 T+1 自动生成，月度经营分析准备时间缩短约 70%；

- 用数普及： 寻数问数智能体月均对话量持续增长，区域一线人员自助取数占比超过 50%。

五、客户价值

本项目是奥腾在泛零售领域"数据资产运营"的完整落地：主数据与指标体系解决"数据可信"，资产目录与运营机制解决"资产可用"，智能补货与自然语言问数解决"价值可见"。对零售企业而言，这套体系的意义超越了单个报表或模型——它让数据真正成为日常经营的基础设施：店长补货、区域调拨、集团决策在同一套数据上协同，规模扩张不再带来数据失序，而是带来数据资产的复利增长。