不少服装企业当前都在涉足新零售、智慧门店、大数据、全渠道、中台建设等，各种各样的信息化和大数据的项目也都在如火如荼的进行中，而商品管理作为“人货场”匹配的核心工作也不例外，也在进行着各种各样的尝试和转变，有些大张旗鼓，有些有润物细无声，下面就是欧睿数据在接触众多中国服装企业过程中对于最新商品管理动态和一些发现和提炼。简而言之，中国服装企业的商品管理逐渐趋向“7化”。

商管地位加强化

不少有前瞻性的服装企业已经在重新构建商品供应链管理体系，该体系的具体执行部门是商品管理部。这个部门会从分析顾客需求和市场变化入手，结合新的商业模式和自身经营战略目标，制定全渠道端到端的经营计划、商品企划、品类计划、商品视觉陈列、需求计划、生产采购计划、分货铺货计划等，从商品前端的企划和后端的供应链业务流程整个串联起来。这个部门本质上来说就是服装企业的“大脑”、“总参谋部”、“协调中枢”由其来去协同设计、市场、生产、店铺销售等关键职能围绕着“商品”换句话说就是围绕着消费者需求去开展所有的工作，拟定行动和资源计划，组织指导各个部门之间的协同、执行情况的反馈以及日常计划工作等职能。从另一个角度来说，商品部门之所以承担此重任另一个主要原因是他们是企业数据汇集中心，这些数据包括运营数据、商品数据、供应链数据、采购数据、设计数据和财务数据等。这也让他们和其他部门相比有了得天独厚的优势。

商品决策智能化

在当今的服装企业运营过程中，大量零售运营数据包括消费者、商品、销售、库存、订单等在不同的应用场景中海量产生，结合在不同业务场景如商品品类管理、销售预测、动态定价、促销安排、自动补货、安全库存设定、仓店和店店之间的调拨、供应计划排程、物流计划制定等中的业务目标，再匹配上合适的算法即可对这些应用场景进行数字建模，逻辑简单来说就是“获取数据—分析数据—建立模型—预测未来—支持决策”。这样能够把经营计划制定、OTB的建立、品类结构优化、季前季中畅平滞的分析、季前预测分析、智能配补调等工作逐步的流程化和模型化，进而形成各种场景的决策建议，如预测、追单、补货、调价、分货、活动、清仓等等。大多数商品管理的常规工作都可以交给系统和模型来做，让商管人员把主要精力集中在快部门沟通协调、流行趋势的研究、热点事件的捕捉、快速反应和跟进，提升分析和预测广度和精度，进而让各种决策更加智能化和精准化。

商品管理单店化

中国不少服装品牌仍处在原始的“品牌+批发”的代理加盟模式，品牌商只管生不管养，对于只要商品卖给经销商后便撒手不管，对于自己的渠道和终端销售情况、消费者购买动机、频次偏好等则一知半解，这种立足于“全国企划”的模式对于消费者真正的需求来说就是“隔靴挠痒”，而商品管理的触角不到单店程度对于品牌商来说永远都是“盲人摸象”。所以批发经营模式要转必然要求商品管理的颗粒度要越来越小越来越细。因此商品管理由全国企划向区域、单店企划的结构转变则成了必由之路。具体来说，建立贯通服装企业各个部门的集成计划体系，依据商品的全生命周期管理模型，对于商品和门店更细化和丰富标签和分类，细，实现单品和单店计划，对单店进行灵活和迅速的调整，进而满足单店的各种个性化需求，实现真正的“店货拼配”和“人货匹配”，最终提升单店和单品的管理效率，满足消费者的个性化需求。

企划模式复合化

为了达到生产资源、运营成本、利润比例、客户满意度的最优化比例，根据服装的不同生命周期，服装企业开始由单一商品运营模式朝着复合模式商品运营转变。由之前的一种分类、一种企划方法朝着多级模式演化。商品可以大致分为主题商品、畅销商品和长销模式。主题商品突出体现流行趋势，作为展示的对象，该商品为短线企划模式，季前3个月以内开发；畅销商品融入一定的流行元素，作为大力促销的对象，为中线企划模式，上市前6个月开发；而长销商品是各季都能稳定销售的商品，受流行趋势影响较小，多为经典款式和品类，为长线模式，上市前9个月开发。这样一来，每个模式有不同的管理策略、算法模应用、库存模式、成本模型，进而满足不同消费者的不同需求。通过这一套组合拳的打法，服装企业能一方面把自己多年卖得好的商品进行沉淀，另一方面也能时刻跟随潮流的变化，实现成本、效率和服务的最终平衡和协调。

商品运营规范化

计划做的再好，商品执行力的提升跟不上也不行。特别在执行方面，由个性、随意要向标准化转变。具体来说就是确定好每个品类的总量以及每个款式的数量，并要对数量进行强制控制，不能超出总量范围，有增加就要有减少；严格监控季中的畅平滞销售情况，制定鉴定畅平滞的标准规则，对于滞销产品要迅速采取行动进行价格调整，尽快将其售罄清，甚至强制下市，而对于畅销款则要迅速返单生产。在规则明确的前提下，补货、调拨等也要迅速跟上，确保季中销售的灵活多变。

数据运用多样化

服装企业涵盖的领域很广，因此数据的来源、应用也非常多样化。简单的说，数据来源分为内部数据和外部数据。内部数据包括来自于ERP、DRP、CRM、POS、SRM、电商平台等系统的各种数据，这些数据构成了服装企业数据运用的基础。同时，来自于外部的各种数据，如天气数据、行业大盘数据、竞争对手数据、地理数据、舆情数据、流行趋势数据等也成为数据分析的重要来源。而且数据形态不仅有传统的结构化数据，非结构化数据也渐渐成为分析的主要来源之一。

商品工具专业化

目前不少服装企业的商品管理还是手工操作，而简单的OFFICE工具则成为商品管理部门主要使用的工具，在业务模式单一、SKU数量少、上新不是太频繁、门店和区域不是太多的情况下，这种工具还能应付，但也给商管人员带来的巨大的工作量，导致工作的颗粒度不能做的太细，例如分析维度不能太多、门店和品类单一模式管理、不能进行个性化操作等问题，同时一系列的IT问题分析速度太慢、文件容量太小、数据容易丢失等则频繁发生。而且一个员工离职，导致后面的替补员工很久不能上手，而数据的可视化和共享化，决策的自动化和智能化则更是天方夜谭。而来自服装商品管理业务复杂化、精细化、大计算量的实际业务需求，不少服装企业的商品管理系统开始由手工操作向自动、智能计算的转变，例如使用FMDS之类的商品管理系统，可整合个人经验固化到系统，并实现可持续优化，形成标准作业流程和方式，为经营战略、商品企划、买货预算、品类结构、需求预测、生产采购、分货铺货、销补翻单、促销活动、清仓处理等计划提供智能化的商品决策支持，确保每个步骤都保持紧密协调。