国际品牌本土化，数字化要先行

“老牌咖啡品牌20年中国市场的耕耘和资本市场对咖啡茶饮的追逐，都给Tims进入中国做足了市场教育。中国现磨现煮咖啡市场潜力巨大，只要Tims做好产品、服务等差异化营销，在中国依然很有戏。”Tims Coffee House Senior IT 总监 Leon Zhang在接受观远数据采访时提到。

2月26日，加拿大咖啡品牌Tim Hortons(以下称“Tims”)进入中国市场，在上海落地第1家门店。和Leon对话的第二天(11月15日)，也刚好是Tims国金店开业。Leon表示，预计今年会在上海开30家店，明年会再新增更多不同类型的门店，并进入更多城市，计划用5-10年将Tims打造成中国最受欢迎的咖啡品牌。

这样的规划目标足以看出Tims深耕中国市场的决心。那么，面对中国市场的特殊环境和公司整体的战略目标，Tims的IT团队做了哪些数字化层面的探索?对未来的数字化又会有怎样的规划?

国际品牌区域化，更需要数字营销本土化

中国市场一直是国外品牌争相抢占的热土，同样，水土不服也是很多国际品牌难以避免的共性。如何做好本土化的数字化建设和运营，是Tims进入中国面临的第一大难题。

Leon表示，Tims进入中国市场在品牌定位上依然延用了“亲民”的形象。保留了70% Global的产品，剩下的30%根据中国人的饮食习惯增加了暖食和饮品的调整;门店的装修同样沿用了加拿大的风格，但是更加明亮和温暖;在营销层面，和Global不同的是，Tims在中国增加了很多线上渠道的营销和会员数字化耕耘。

针对Tims在中国的信息化和数字化建设，Leon认为必须将全球最佳数字化实践和中国本土市场环境相结合，积极响应业务部门需求，分步构建IT规划，并坚持创新。

目前，Tims的本土信息化建设主要坚持三个原则：

从业务中来，到业务中去。以营销结果为目的，赋能决策层、内部管理、门店端，进行数字化建设;

坚持提高内部管理效率。能用机器替代的工作，就不要让人去做，每个员工每天对于同一件事的处理效率提升1小时，对整个公司来说就是质的变化;

坚持安全、合法合规。保证整个IT系统是一个健康和可持续运维的体系。

BI 项目选型是Tims打好数字化建设的第一战

除了对信息化建设的基本规划，Tims刚开始进入中国市场就开始布局数字化建设，并通过和观远数据合作，搭建了一套智能数据分析平台。

(Demo示意图)

作为有着丰富数字化建设经验的掌舵人，Leon此次对于Tims BI项目的选型并没有局限于国外产品，而是抱着开放的心态，去调研了各种国内外BI产品。

基于Tims目前处于发展初期未来计划快速扩张的情况下，Leon表示我们需要的是一款既能支持现阶段轻量级开发快速上线的，又能支持在未来大数据量增长过程中实现技术架构横向扩展的产品。

“很多传统的BI产品往往是由好几部分组成，例如单独的数据库、ETL、报表或其他工具，很少有将几种功能整合在一起的，就算有运维成本也比较高。”Leon在接受采访时提到，“观远数据既有轻量级的数仓，又有丰富的可视化展现和ETL工具，并支持业务用户自助式地做数据分析查询。同时高度集中化的分布式技术架构带来了简单高效的运维管理，未来也可以横向和纵向扩展以支持大数据量的需求。”

数据智能驱动Tims四大价值链升级

目前，Tims已经通过观远数据在门店、商品、会员服务等场景落地了成熟的数据分析方案。并通过PC和移动端进行可视化展现，给公司内外部管理带来了很大的价值提升。

(Demo示意图)

轻量级的研发投入，高效的数据支撑。 目前Tims的信息团队中只有1个人负责数据分析工作，并且只占用他非常小的工作量，因为观远自助分析平台并不需要过多的运维成本;

打破数据孤岛，实现多系统数据融合。 不同的业务系统，比如会员、POS、进销存都有单独的数据，但有些深度的分析需要整合各平台数据。观远数据通过整合各个业务系统的数据，可以为决策者提供一个全局的分析结果;

实时移动数据展示，赋能两端决策。 随着移动技术的成熟，移动BI可以让管理者随时随地了解各个门店的实时销售情况，普通用户也可以根据自己的需要，方便快捷的查询想要的数据;

弥补报表缺陷，支撑全局管理。 过去一些传统报表功能没有那么强大，数据查询和分析过度的依赖IT人员，而现在则可以轻松实现自助查询分析。目前观远智能数据分析平台可以轻松赋能Tims管理层、市场、财务、运营等部门各种不同层面的数据可视化分析需求。

Tims正以惊人的速度在中国市场扩张，随着门店、交易数量和会员数量的急速增长，需要更强大的信息化和数字化的支撑。“未来，Tims IT部门将主要围绕IT基础运维、数字化营销、企业内部管理应用系统这三点出发。”Leon表示，关于BI平台建设第一年我们会更注重如何快速实现一些基本的功能，当门店数突破500、1000的时候，就需要考虑大数据架构的调整和优化。后期Tims在BI建设层面会更多地强调自助性和灵活性，让业务人员可以方便灵活的进行数据分析，更直接地赋能终端业务，帮助业务快速决策。

夯实BI基础，加强AI探索

“如果BI解决的是数据分析查询和可视化问题，那么融入AI后最终目的是挖掘问题的本质，寻找规律并反哺业务系统。”Leon表示，虽然BI现阶段能够满足Tims的数据分析需求，但是未来会把AI场景的落地放在非常重要的战略位置。

影响AI项目成功落地的因素有很多方面，Leon认为关键的有两点：一个是基础数据积累和平台的建设，这一点Tims一直都在准备。第二点就是贴合业务的数据分析思维和算法模型，观远数据对于零售行业“AI+BI”解决方案的探索早已开始，在这一点后期可以对Tims AI项目的落地给于很多的支持。

Leon表示：未来Tims也希望和观远数据形成更深入的合作，共创更有价值的数据分析模型，实现各种AI场景的落地。