新零售 · BI 与指挥中枢

可视化 AI 数据看板

为一家深耕东方美学的原创服饰品牌，构建跨天猫、抖音、小红书等渠道的经营指挥中枢。实时汇聚 GMV、转化、库存与竞品信号，并用 AI 异常检测把「事后复盘」前移为「大促窗口期可干预」。

这家品牌正处于「多平台放量」阶段：内容电商带来爆发式流量，但天猫、抖音、小红书各自一套指标口径，运营、商品、设计三条线每天靠 Excel 和群消息对齐，管理层看到的永远是昨天的故事。 大促是最痛的场景——退款率突然抬头、某 SKU 库存告急、竞品疑似抄袭上新，往往要到次日日报才被发现，错过调价、停投和补货的黄金时间。品牌也曾采购通用 BI 工具，但模板偏标准电商，无法承载 AIPL 漏斗、设计舆情与渠道差异等「原创服饰特有」的经营视角。 国科智飞与业务方从「经营例会真正要回答什么」倒推指标树：先统一主数据与 API 接入，再落地实时看板与 AIPL 分析，最后加上 AI 异常检测——当某指标偏离历史区间或同业基准时，自动推送至运营群并附带可能原因。系统上线后，指挥中枢成为日会与大促指挥部的默认屏幕，而不是季度汇报才打开的报表。

业务挑战

我们的做法

落地成果

项目深读

大促第一天的晚上九点，运营负责人还坐在工位上。直播间的在线人数在涨，抖音的投放计划刚调过一轮，天猫的活动页面在等改价，手机里六个群同时闪着消息。这位运营负责人只想确认一件事：全渠道的退款率有没有抬头。这个问题要等到明天上午的日报才有答案，而到那个时候，能做的动作已经少了一半。

这不是某个人的疏忽。这家深耕东方美学的原创服饰品牌正处在「多平台放量」阶段：内容电商带来爆发式流量，天猫、抖音、小红书各自有一套活动节奏和指标口径，运营、商品、设计三条线每天靠 Excel 和群消息对齐，管理层看到的永远是昨天的故事。

表面要的是一块屏，实际要的是口径和时间窗

品牌最初提的需求很直接：做一个看板。但把它拆开，会看到两层更硬的问题。

第一层是口径。同一个「GMV」，在一个平台含退款、在另一个平台不含；直播间的成交算渠道业绩还是内容业绩，三条线各有各的算法。口径不统一，大屏只是把三份互相打架的报表并排放，争论不会减少，只会从群消息转移到会上。

第二层是决策窗口。大促期间的调价、停投、补货都有窗口期，错过窗口，数据再准也只是复盘材料。而日报机制天然让决策滞后 12–24 小时——问题不是没人看数据，是看到的时候已经晚了。

还有一个容易被忽略的约束：这家品牌的经营视角是特殊的。AIPL 漏斗、设计舆情、渠道差异，都是原创服饰经营里真正要回答的问题。团队也采购过通用 BI 工具，但模板偏标准电商，硬套的结果是运营又回到 Excel。所以这不是「买不到工具」，是「业务视角」买不到。

我们做的三个关键决定

从经营例会倒推指标树，而不是从数据源出发做映射。 我们先问：经营例会上老板会问哪几个问题？大促指挥部每天早上要确认什么？把问题拆成指标，再去找数据。顺序如果反过来——先把平台字段全接进来，再想展示什么——就会得到一张字段齐全但没人看的看板。

主数据与 API 接入先行，看板后置。 跨渠道字段统一是脏活：对齐 GMV、转化、退款、库存的定义，处理历史口径变更，把「一处定义、处处使用」落到实处。这部分不性感，但它决定后面所有分析可不可信。多花的时间，换来的是「同一块屏幕上，大家认的是同一组数」。

预警要带可能原因，并且出现在运营本来就待着的地方。 AI 异常检测不是发一句「退款率异常」就算完成。系统基于历史区间与规则识别趋势偏离，附上可能原因，直接推送到企业微信、钉钉的运营群。如果新做一个后台或 App，等于要求人在最忙的时候多打开一个页面——预警会变成噪音。

落到工程上是什么样

这四层不是平铺的功能列表，而是一条从「看见」到「动作」的链路：早会看大屏，异常推送到群，运营判断后调价、停投、补货，结果再回流到第二天的看板。

上线之后

经营数据从 T+1 手工报表变成分钟级刷新，日会不再各自准备导出的表格，直接基于同一块大屏讨论；大促异常（退款、库存、投放）平均提前 2–4 小时暴露，为调价与备货留出了窗口；管理层一屏掌握全渠道健康度，跨部门对齐的会议时长明显缩短；设计抄袭与竞品异动被纳入同一套监测体系，品牌响应从个人经验驱动变成系统提醒驱动。

最直接的信号是使用习惯：指挥中枢成了日会和大促指挥部的默认屏幕，而不是季度汇报才打开的报表。

这条路径的可复用价值

核心能力