零售商利润面临重重压力的侵蚀——零售市场面临着增长缓慢和客户需求不断增加的挑战。

零售商本质上是生产者和终端消费者之间的纽带,他们的利润空间非常狭窄,这就要求他们密切关注成本和运营效率。丹麦杂货市场正面临发展缓慢、消费者的购买习惯越来越复杂、零售市场正不断分为多个极小的细分市场的艰难局面。面对这种现状,IT 系统必须能够收集更多的零售点数据、应用预测分析并及时生成报告,从而帮助零售商快速对客户的需求做出响应。
Salling Group 是丹麦的一家大型零售商,在欧洲四个国家共拥有 1,467 家零售店,51,000 名员工,每天为 140 万名到店客户提供服务。他们必须保证备有新鲜的现货能够创造销售收入,并且还不能因库存积压而造成浪费。
IT 挑战
利用大数据——即用即付的 SAP HANA 突破了传统平台的局限性。
随着 Salling Group 在国际市场上的扩张,以及交付渠道的多样化和运营时间的增加,店面级别的日常库存管理决策越来越依赖于预测性的大数据分析。Salling Group 有 50TB 的数据库,而且还在以每月 2TB 的速度增长,公司急需进行IT改造升级。
Salling Group 决定迁移至内存计算平台 SAP HANA,并且需要 SAP 合作伙伴提供一款集成了硬件、软件和 IT 管理服务的端到端解决方案。另外,Salling Group 还希望该解决方案采用即用即付的交付模式,在保持较低成本的同时还要具备足够的 IT 灵活性,以便公司能够与季节性且多变的市场动态保持同步。
解决方案
将数据转化为见解——Salling Group 与 HPE Pointnext 合作,共同开发端到端的变革性解决方案。
为了保持精益和敏捷性,同时确保满足未来的可持续增长要求,Salling Group 引入了 HPE Pointnext 来帮助自己设计、构建和部署端到端解决方案。
Salling Group 在欧洲所有店面的销售点系统每时每刻都会产生大量交易数据,公司现在需要收集这些海量数据并快速进行分析,然后及时将信息丰富的报告提供给决策者。这种从数据中获得实时见解的能力给 Salling Group 带来了极大助力。
此外,以灵活服务的形式购买基础设施让 Salling Group 节省了更多资金,进而提高了公司寻求国际化发展和市场机遇的能力。使用 HPE GreenLake 弹性容量服务,Salling Group 仅需支付自身所使用的容量费用,而不必承担账面资本支出。当业务需求发生变化时,Salling Group 可以根据自身需求安全地增加或减少容量,从而优化了现金流并提升了 IT 敏捷性。
日常运营支持也由 HPE Pointnext 提供。
成果
充分利用竞争敏捷性和客户见解,实现迅速发展——基于准确、及时的客户信息做出库存决策,帮助增加收入的同时减少浪费。
每天早晨开门营业之前,Salling Group 的店面经理都可以详细而准确地了解前一天的客户采购情况。他们不需要根据数据分析结果去猜测,就可以查看全面的个性化报告,并据此制定合适的库存储备决策,从而提高客户满意度、增加收入,减少食物腐败与浪费。这一优势使得 Salling Group 能够保持快速发展,并减轻了利润空间狭窄所带来的压力。
从个别商店该备存多少升牛奶这种微小的细节,到国际扩张方面的战略性难题,Salling Group 借助 HPE 解决方案进行了 IT 变革,将之前已成为业务瓶颈的 IT 转化成了一股具有极高敏捷性的强大推动力。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。