首页 > 传媒 > 关键词  > 正文

数智效率“狂飙”背后,林氏家居数字化驱动迈入精细化发展周期

2024-01-24 14:29 · 稿源: 站长之家用户

近年来,家居产业从“以房为本”转向“以人为本”,步入了以用户需求为驱动的新增量时代,市场的瞬息万变要求家居企业必须具备敏捷的应变能力,持续完善质量与效率并重的发展变革,这些都指向了同一个解决方案:产业数字化。

近期,林氏家居在数字化赋能方面又取得了新的成果突破——在中国信息通信研究院、中国通信标准化协会联合主办的“ 2023 系统稳定性与精益软件工程大会”上,林氏家居主导的软件质效体系建设项目荣获第二届“软件质效领航者”优秀案例。据悉,历届获奖企业包括阿里云、腾讯云、京东科技、TCL、中国移动等各领域领军企业,在数字化建设方面表现不俗。而本次林氏家居作为家居行业头家获奖企业,标志着其在数字化领域跻身行业前列,为行业打造出了数字化标杆样本。

看不见的“数信力”:企业发展狂飙背后的强 力推手

成立至今,林氏家居除了在各大线上平台的家居品牌排名中保持头部阵营位置,更是在渠道建设上取得了丰硕的成果—— 2023 年,林氏家居全球门店数量突破了 1300 家,并涌现睡眠、功能沙发、实木等新店态。同年的双十一,林氏家居再次画下浓墨重彩的一笔,全渠道总成交额同增42.4%,活动期间产品总成交件数超过 200 万件,实现全方位的增长。林氏家居发展狂飙的背后,离不开一股“看不见”的力量推动——信息与数字化能力。

作为传统制造行业代表性领域,家居建材行业的数字化率平均只有10%,一度被调侃为“距离互联网最远”的行业之一。根植于互联网的林氏家居,早早意识到了信息与数据化的重要性,从成立之初就着重相关的人才培养与团队搭建。截至目前,林氏家居的信息与数字化团队超过 200 人,涵盖产品经理、后端开发、前端开发、运维、测试等专业职能。据悉,林氏家居的数字化系统以自研为主,赋能公司生产、研发供应、仓配、安装、客服、渠道销售、经营管理等业务场景。

值得一提的是,本次获奖的软件质效体系建设专项是林氏家居为提升数信产品质量与效率,信数团队对组织架构进行重构,从纯“敏捷”阿米巴产研组织,通过流程和结构优化,升级为支持“敏稳”双态IT组织形态。既满足了新业务的快速发展,也兼顾了成本和人效。林氏家居CIO秦冲表示:“经过 8 个月的专项治理,林氏信数团队的开发人效提升了30%,开发准交率提升了30%+,开发规范率达到100 %,实现了信数产品价值可量化、产研质效统一化、数字化管理的目标。”

新增量时代的核心挑战,在于如何敏捷平衡渠道的真实动销、消费者需求、企业产能和市场波动性。为有效适配市场需求,林氏家居凭借数字化建设重塑家居产品创新周期,从“单一的成品家具销售商”扩展到“一站式家居生活解决方案提供商”,构建全风格、全品类、全场景的产品布局。

面对产品研发的井喷式增长和市场供应需求的不断变化,林氏家居构建了供应链采购协同平台,有效地与外部 200 多家供应商进行有效协同与管理,使林氏家居能够第 一时间了解到后台的数据沉淀、实时信息和订单数据,从而提升了对供应链的掌控力度,构建了供应链的护城河。

除此之外,林氏家居也将“看不见的手”伸向了超过千家门店的全国渠道布局。 2023 年,林氏家居搭建了内外有效协同的新零售数字化工作台,简化了客户到店前中后多个复杂服务步骤,节省了门店导购手工算价和下单的服务时间,提高了客户体验和服务效率,实现了以数据驱动的精细化门店运营。据林氏家居新零售数字化管理部负责人表示,通过新零售数字化工作台的优化功能,实现在下单流程中平均为每一位消费者节省 10 分钟下单等待时间,预计全国门店全年将节约异常订单处理时长2. 64 万小时,为消费者提供更有效透明的交易体验。

可以说,在数字化建设的不断投入下,林氏家居一路“狂飙”,完成了一次又一次的效能革命。

看得见的“加速度”:全链协同把握每个增长窗口期

近年来,《“十四五”数字经济发展规划》《数字中国建设整体布局规划》等相关重要政策文件频频出台,不但对加快网络强国、数字中国建设做出了一系列战略部署,扶持力度更有目共睹。这也预示着,在未来竞争中,数字化将成为重要“基建”支撑企业高质量发展,率先布局数字化者,也将优先占得市场先机。

早在 2014 年- 2015 年间,林氏家居就凭借大数据对需求的准确洞察以及产品快速迭代的模式,构建出了在售产品超10000SKU、月上新200+SKU的更迭速度,以此应对快速变化的家居潮流,提高消费者黏性,并且通过走在潮流前列的产品设计和质价比的策略吸引了大量年轻顾客,实现品牌力的快速跃迁。

库存,是家居行业最头疼的问题之一,为了规避库存可能带来的损失,过去不少企业会提前把这部分成本都转移到价格上,因此家居产品的价格一直居高不下。而如果生产少了,一旦遇到销量突增的情况,则就会由于等待过久而导致订单流失。为改变这种行业现状,林氏家居信息与数字化中心围绕研供业务打造“供应链数字化”,建成 3 个中心即“研发中心、计划中心、交付中心”和 2 个平台即“用户工作台、供应商协同平台”,把以前“看不见”的产供研难题,以“看得见”的方式方便生产运营人员提前对产能进行预判和及时调整。据林氏家居产品中心供应商管理部总监张发介绍,为应对每年双十一大促期间快速增长的销售订单,林氏家居各个供应链环节一般提前半年就启动部署,包括产能的规划、产品的上新等,通过“供应链数字化”系统一改传统企业中排产基本靠经验的做法,通过可视化数据工具不仅减少不必要的产能浪费,降低企业成本,同时又能保证及时地发货,提升消费者的购物体验。

然而再准确的预判也有可能遇到突发事件,此时就更能凸显数字化工具对供应链把控的重要性。张发分享道:“在一次营销大促中,一款热销沙发产品的订单量超出预期近三倍。面对突发的销量激增,林氏家居产品供应中心人员通过“产品供应矩阵”系统,迅速核实所有供应商的产能状况,并在短时间内启动了后备供应产能,仅用 25 天便完成了从下单到出货的全过程,成功应对了订单爆发带来的瓶颈。”

在一个个爆发的节点中,我们看到的是林氏家居从产品研发到生产到销售端的有效协同,看不见的是那些数字化“大手”正无时无刻不在准确有效地推动着企业的发展进程,全链协同击破每一个增长窗口期。

如今,数字化建设已经成为建设“制造强国”、加速各行各业高质量发展的必要手段,林氏家居作为走在行业前列的时代样本,为行业高质量发展踏出一条可持续的数字化道路。在未来的发展中,林氏家居将继续深化数字化建设,以提升品牌核心竞争力,为消费者创造更多价值,为助力我国家居产业迈向全球价值链高端贡献力量。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • Nemotron-4-340B-Reward:多维奖励模型,助力构建自定义大型语言模型。

    Nemotron-4-340B-Reward是由NVIDIA开发的多维奖励模型,用于合成数据生成管道,帮助研究人员和开发者构建自己的大型语言模型(LLMs)。该模型由Nemotron-4-340B-Base模型和一个线性层组成,能够将响应末尾的标记转换为五个标量值,对应于HelpSteer2属性。它支持最多4096个标记的上下文长度,并能够对每个助手轮次的五个属性进行评分。

  • Nemotron-4-340B-Instruct:NVIDIA的高级语言模型,优化于英文对话场景。

    Nemotron-4-340B-Instruct是由NVIDIA开发的大型语言模型(LLM),专为英文单轮和多轮对话场景优化。该模型支持4096个token的上下文长度,经过监督式微调(SFT)、直接偏好优化(DPO)和奖励感知偏好优化(RPO)等额外的对齐步骤。模型在约20K人工标注数据的基础上,通过合成数据生成管道合成了超过98%的用于监督微调和偏好微调的数据。这使得模型在人类对话偏好、数学推理、编码和指令遵循方面表现良好,并且能够为多种用例生成高质量的合成数据。

  • BookSlice:让阅读更有趣,用游戏化的方式增加阅读量。

    BookSlice是一款面向忙碌人群的游戏化阅读应用,通过心理学原理帮助用户建立阅读习惯,并通过设置每日挑战来维持阅读连续性。它利用实施意图、习惯叠加等心理工具,使阅读变得习惯性和上瘾。此外,BookSlice还提供AI问答功能,帮助用户在阅读过程中获得上下文答案。

  • agentUniverse:基于大型语言模型的多智能体应用开发框架

    agentUniverse 是一个基于大型语言模型的多智能体应用开发框架,提供了构建单一智能体和多智能体协作机制的所有必需组件。通过模式工厂,允许开发者构建和自定义多智能体协作模式,轻松构建多智能体应用,并分享不同技术与业务领域的模式实践。

  • HunyuanDiT Distillation Acceleration:高性能图像生成模型的蒸馏加速版本

    HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法,在不降低性能的情况下,实现了推理速度的两倍提升。该模型支持多种GPU和推理模式,能够显著减少时间消耗,提高图像生成效率。

  • WonderWorld:从单张图片生成交互式3D场景

    WonderWorld是一个创新的3D场景扩展框架,允许用户基于单张输入图片和用户指定的文本探索和塑造虚拟环境。它通过快速高斯体素和引导扩散的深度估计方法,显著减少了计算时间,生成几何一致的扩展,使3D场景的生成时间少于10秒,支持实时用户交互和探索。这为虚拟现实、游戏和创意设计等领域提供了快速生成和导航沉浸式虚拟世界的可能性。

  • ChatTTS_Speaker:基于ERes2NetV2模型的音色稳定性评分与音色打标。

    ChatTTS_Speaker是一个基于ERes2NetV2说话人识别模型的实验性项目,旨在对音色进行稳定性评分和音色打标,帮助用户选择稳定且符合需求的音色。项目已开源,支持在线试听和下载音色样本。

  • fastc:轻量级文本分类工具,使用大型语言模型嵌入。

    fastc是一个基于大型语言模型嵌入的简单且轻量级的文本分类工具。它专注于CPU执行,使用高效的模型如deepset/tinyroberta-6l-768d生成嵌入。通过余弦相似度分类代替微调,实现文本分类。它还可以在不增加额外开销的情况下,使用相同的模型运行多个分类器。

  • MeshAnything:3D资产的自动生成工具

    MeshAnything是一个利用自回归变换器进行艺术家级网格生成的模型,它可以将任何3D表示形式的资产转换为艺术家创建的网格(AMs),这些网格可以无缝应用于3D行业。它通过较少的面数生成网格,显著提高了存储、渲染和模拟效率,同时实现了与先前方法相当的精度。

  • HunyuanDiT-v1.1:多分辨率扩散变换器,支持中英文理解

    HunyuanDiT-v1.1是由腾讯Hunyuan团队开发的一款多分辨率扩散变换模型,它具备精细的中英文理解能力。该模型通过精心设计的变换器结构、文本编码器和位置编码,结合从头开始构建的完整数据管道,实现数据的迭代优化。HunyuanDiT-v1.1能够执行多轮多模态对话,根据上下文生成和细化图像。经过50多名专业人类评估员的全面评估,HunyuanDiT-v1.1在中文到图像生成方面与其他开源模型相比,达到了新的最先进水平。

  • UniAnimate:高效生成一致性人物视频动画的模型

    UniAnimate是一个用于人物图像动画的统一视频扩散模型框架。它通过将参考图像、姿势指导和噪声视频映射到一个共同的特征空间,以减少优化难度并确保时间上的连贯性。UniAnimate能够处理长序列,支持随机噪声输入和首帧条件输入,显著提高了生成长期视频的能力。此外,它还探索了基于状态空间模型的替代时间建模架构,以替代原始的计算密集型时间Transformer。UniAnimate在定量和定性评估中都取得了优于现有最先进技术的合成结果,并且能够通过迭代使用首帧条件策略生成高度一致的一分钟视频。

  • LVBench:长视频理解基准测试

    LVBench是一个专门设计用于长视频理解的基准测试,旨在推动多模态大型语言模型在理解数小时长视频方面的能力,这对于长期决策制定、深入电影评论和讨论、现场体育解说等实际应用至关重要。

  • Mo:通过卡片式学习,轻松掌握AI科技知识。

    Mo是一款结合超现实主义艺术和堂吉诃德理想主义精神的AI科技学习APP。它通过卡片形式,以图文、动画、视频、语音等多样化内容,使AI和科技知识的学习变得生动有趣。Mo不仅覆盖了AI的基础知识,还包含了元宇宙、大数据、大模型等前沿技术,适合各种背景的学习者,旨在打造一个个性化的学习体验。

  • 开搜AI搜索:面向大众的AI问答搜索引擎

    开搜AI问答搜索引擎是一款面向大众的、直达答案的AI问答搜索引擎,它能够帮助用户从海量的文献资料中筛选出有用的信息,提供直接、精准的答案,并且能够自动总结重点、生成大纲、思维导图并下载。

  • AI Math Notes:一个交互式绘图应用,用于数学方程的绘制和计算。

    AI Math Notes 是一个开源的交互式绘图应用程序,允许用户在画布上绘制数学方程。应用程序利用多模态大型语言模型(LLM)计算并显示结果。该应用程序使用Python开发,利用Tkinter库创建图形用户界面,使用PIL进行图像处理。灵感来源于Apple在2024年全球开发者大会(WWDC)上展示的'Math Notes'。

  • VideoTetris:文本到视频生成的创新框架

    VideoTetris是一个新颖的框架,它实现了文本到视频的生成,特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术,精确地遵循复杂的文本语义,并通过操作和组合去噪网络的空间和时间注意力图来实现。此外,它还引入了一种新的参考帧注意力机制,以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。

  • Visual Sketchpad:多模态语言模型的视觉推理工具

    Visual Sketchpad 是一种为多模态大型语言模型(LLMs)提供视觉草图板和绘图工具的框架。它允许模型在进行规划和推理时,根据自己绘制的视觉工件进行操作。与以往使用文本作为推理步骤的方法不同,Visual Sketchpad 使模型能够使用线条、框、标记等更接近人类绘图方式的元素进行绘图,从而更好地促进推理。此外,它还可以在绘图过程中使用专家视觉模型,例如使用目标检测模型绘制边界框,或使用分割模型绘制掩码,以进一步提高视觉感知和推理能力。

  • GoMate:基于RAG框架的可靠输入和可信输出系统

    GoMate是一个基于Retrieval-Augmented Generation (RAG)框架的模型,专注于提供可靠输入和可信输出。它通过结合检索和生成技术,提高信息检索和文本生成的准确性和可靠性。GoMate适用于需要高效、准确信息处理的领域,如自然语言处理、知识问答等。

  • SD3-Controlnet-Canny:一种用于生成图像的深度学习模型。

    SD3-Controlnet-Canny 是一种基于深度学习的图像生成模型,它能够根据用户提供的文本提示生成具有特定风格的图像。该模型利用控制网络技术,可以更精确地控制生成图像的细节和风格,从而提高图像生成的质量和多样性。

  • Tencent EMMA:多模态文本到图像生成模型

    EMMA是一个基于最前沿的文本到图像扩散模型ELLA构建的新型图像生成模型,能够接受多模态提示,通过创新的多模态特征连接器设计,有效整合文本和补充模态信息。该模型通过冻结原始T2I扩散模型的所有参数,并仅调整一些额外层,揭示了预训练的T2I扩散模型可以秘密接受多模态提示的有趣特性。EMMA易于适应不同的现有框架,是生成个性化和上下文感知图像甚至视频的灵活有效工具。

今日大家都在搜的词:

热文

  • 3 天
  • 7天