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
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。