服装是雅戈尔集团的基础，集团旗下的雅戈尔服饰公司在全国拥有100余家分公司、400多家自营专卖店、1500多个商业网点。2008年，雅戈尔集团服装的库存周转天数为200天；而在2001年，这个数字却是360天。在这个变化过程中，雅戈尔的单一品牌服装销售额从12亿元迅速增长到24 亿元人民币。
是什么促成了这样的改变?
从库存下手
30年前，20余名知青自带尺子、剪刀和小板凳在宁波某个地下室创办了雅戈尔的前身——“青春服装厂”。1995年，雅戈尔开始构建全国的营销网络体系、建设自己的销售渠道，从宁波扩展到浙江，再到华东，最后覆盖到全国。到2001年，全国已有上千家雅戈尔服装的销售网点，在杭州、上海等地还有大型旗舰店，但基本上都是以自营销售为主。
2001年，在雅戈尔的服装销售额与公司的规模同步快速增长的同时，各种各样的新问题也随之出现，最为突出的是，库存积压比较多，而且库存周转天数需要360天，这相当于一年才周转一次库存。为了控制和优化全国的库存，数据仓库技术进入公司IT人员的视野。
数据仓库的应用和集团整体信息化水平相关联。2001年，雅戈尔信息化基础建设刚刚开始，各个区域的数据分散在全国，并不是集中在总部管理。IT部门在安徽、河南等区域建设为地区服务的数据仓库系统，同时也保证这些来自一线的销售情况同时能被总公司及时了解。
而随后上线的DRP(配送需求计划)系统，更让雅戈尔得以集中全国各零售点的所有零售数据，也为数据仓库的全面上线奠定了基础。2005年，雅戈尔开始实施DRP系统，这套系统管理企业的分销网络，可以使供应商和经销商之间实时地提交订单、查询产品供应和库存状况，并获得市场、销售信息及客户支持，实现了供应商与经销商之间端到端的供应链管理，有效地缩短供销链。
雅戈尔是否能成为一种经验
在服装业咨询专家葛星看来，数据挖掘在行业企业用户中能达到智能化阶段的不多。
AMT咨询服装行业(北京)总监葛星，为服装企业战略转型和零售运营管理高级顾问。国内较早从事ZARA模式研究，著有《快胜：ZARA极速盈利模式解析》、《流程管理实战》、《ERP应用与管理模式》和《企业企源规划》等专著，曾为李宁、特步和红蜻蜓等10多家服装企业提供过咨询与服务。
CIOI：在服装行业，国内外数据挖掘的应用处于什么样的一个水平?
葛星：根据AMT服装行业研究中心2008年调研分析的结果来看，国内外服装行业企业数据挖掘的应用主要有初始化、标准化、自动化和智能化四个层级。初始化阶段的企业占55%，标准化阶段的企业占23%，自动化阶段的企业占16%，智能化阶段的企业占6%。
在雅戈尔案例中，数据挖掘是在上完ERP之后再进行的项目。这是否是企业数据挖掘实施的最佳时间点?
葛星：根据AMT服装行业研究中心的研究报告来看，企业数据挖掘实施的时间点ERP、DRP等项目没有必然的前后关系。AMT服装行业研究中心认为，ERP和DRP等系统只是数据收集数据的一种工具和渠道。因此，数据挖掘的基础是数据，收集的数据越完整，数据挖掘的模型越科学，那么得出的结果也就更能够指导企业的管理和改进行动。
根据AMT服装行业研究中心的研究报告的结论来看，并不是说企业在数据挖掘的智能层级的企业，就是管理水平和业务水平最佳的企业。关键是要看企业在经营分析上的对考核指标的定义、对分析报表的定义、对经营报告的要求和经营分析会议的力度。
数据挖掘说白了，只是经营分析的一种工具而已。已经实施了ERP或者DRP软件的企业，可以方便地应用IT工具获得更多的数据支持数据挖掘；没有实施ERP或者DRP软件的企业，可以通过简单的EXCEL方式做简单的数据挖掘。但前提是，企业已经有了清晰的经营分析体系，有了明确的分析目标，否则，企业很容易陷入“分析瘫痪”的漩涡，不但企业管理人员觉得数据分析没有参考价值，而且数据分析的人员觉得无从应对。
在雅戈尔案例中，企业数据挖掘支撑了经营分析。一般而言，数据挖掘和企业经营之间是怎样的一种关系?
葛星：数据挖掘的目的一定是为公司经营分析服务的。构建公司经营分析体系，就是要建立从业务运营、业务分析结构、监控和考核指标和报表、报告、会议和看板等几个核心要素的关联性。所以，数据挖掘不应该是一个数字游戏的项目，而应该是以经营分析为基础，在经营分析的要求下，为了提高经营分析的时效性而自然引入的项目。不能为了建系统而建系统，一定要明白数据挖掘对企业经营的商业价值。
在目前的金融危机大环境中，应用数据挖掘能为服装企业带来怎样明显的效益?
葛星：随着公司的不断发展和规模不断扩大，高层管理者面临的更大挑战，在于思考公司的未来的同时又要管理公司的现在，这就要求公司高层管理好自己的注意力：
从战略监控的角度看，公司在战略执行过程中是否保障了战略重点?核心能力的建立应该如何衡量?可持续性发展的核心指标是什么?先解决什么问题?如何解决?
从管理决策的角度看，公司规模不断扩大，面临的竞争不断加剧，原来靠直觉和经验做决策的风险不断增加，怎么保证决策的全面和准确?
因此，公司的管理者需要一套经营分析体系，用这套体系能够帮助管理层管理好自己的注意力，从经验直觉管理公司到有意识地用数据来进行决策，有效地对战略执行中的运营进行监控，并支持决策。
经营分析体系在整个战略执行保障中起着非常重要的作用，起到支持战略执行过程中的业绩监控与高层决策的作用。具体而言，公司的经营分析体系就像一个诊断、照明系统，价值在于把握方向、支持决策、促进行动三个方面，最重要的是以此为切入点形成经营管理的机制：
首先，帮助管理层把握战略方向。通过经营分析体系，清晰地传递管理要求，确保战略能够执行落地。同时，衡量公司离既定的战略是越来越近，还是越来越远。
其次，支持管理人员有效决策。对于公司决策来说“时机”非常重要，战略框架下的经营分析体系保障了分析的客观完整，决策更准确更透明。高层需要掌握每个职能领域的战略层和策略层指标，用数据来说话，深入分析，把握时机，动态决策。
最后，将战略和决策变为行动。在例行化的经营分析体系帮助下，及时发现公司经营的问题，追溯问题发生的根本原因。对未来的行动做出检讨和优化。面向未来思考，分析的结论以行动为导向，促进公司运营的改善。
在以上三个方面的基础上形成机制是建立经营分析体系的最终目标。通过深入分析公司业务的内在规律，帮助公司实现正确的战略选择和准确的战术执行。同时紧密结合运营流程，识别关键决策点的规律，充分发挥数据、信息和报表对决策支持的效力，逐渐形成以经营分析的报告、会议和看板三要素为核心的公司运营决策机制。
2007年，雅戈尔在全国成功实施了基于BS架构的数据仓库系统。全国各个网点只要通过安全认证后，就可以通过Internet网络轻松访问总部系统的信息。与此同时，信息技术部门开始深入到下属生产企业，为生产企业建立数据仓库系统。
现在，数据仓库系统整合了从终端零售到成衣制造到面料生产各个环节的数据，并在各个环节建立了分析报表，监控企业运行的状况。
立足供应链
服装行业里有个“343”原则。意思是在服装厂收到订单之后，会将第一批生产出的订单总量30%的货物投入市场。这第一批30%的货物，是用来市场试水的。在这些货物中，哪些款式受欢迎、哪些不受欢迎，厂家会根据市场的反馈情况来修正订单。订单一般都是预期的生产数量，第二批40%的货物基本上根据市场需求，会形成市场销售的主力。而最后的30%则主要满足补货需求。
销售信息能否快速反馈到厂家，成了服装厂在市场取胜的关键。用雅戈尔信息部软件开发人员张凡的话说，上了数据仓库系统之后，整个供应链对市场的反应更加迅速了。
实际上，数据仓库技术和其他信息化技术一样，都是遵循雅戈尔信息化建设整体思路进行的。供应链系统的整合和完善，实现供应链物流数据的共享、透明，为集团各级业务部门及领导提供计划、生产、配送、销售、售后服务等各个环节的科学决策依据，这样的信息化建设思路决定了对数据挖掘的重视。
雅戈尔集团信息总监顾跃君认为：“在纺织行业内，如此重视数据挖掘的企业并不多。”而数据仓库系统带来的收益也很明显：2001年到2008年，企业的全国零售业务每年以20%的速度增长，而库存周转天数每年下降36天。
数据仓库的作用也在整个供应链上得到了体现：除了零售业务之外，成衣设计、生产和面料设计等环节也得到了信息支持。面料设计人员通过这套系统可以及时看到全国市场上的销售情况，包括哪些面料的产品好销、哪些面料的产品不好销等，这让他们在进行面料设计时“心中有数”。
数据仓库和数据挖据的实施点是很多企业思考的问题。从雅戈尔整体的IT规划来看，ERP和DRP建设是第一阶段的基础建设，仅完成了系统的基本运行;而第二阶段的数据挖掘和业务流程完善，才能真正使企业的管理有一个质的提高。“所以，在我们的IT规划中，数据挖掘和业务流程完善仍是我们今后的工作重点，要使我们的IT人员真正融入到业务运行中去。”顾跃君这样表述数据挖掘在雅戈尔IT规划中的地位。
改变比做数据难
系统上线总会遭遇些问题。对于信息技术部门人员来说，与业务系统噪声数据相比，改变业务人员的观念要更困难得多。噪声数据多半因为数据集中不规范、不合规律导致数据不精确。
业务系统的噪声数据，只要规范业务操作、多控制系统就可以解决。但业务人员的观念转变就需要花点功夫、想些办法。
一位总负责人、两位业务顾问和两位数据仓库工程师组成了雅戈尔数据挖据项目团队。熟悉企业管理和供应链管理业务的业务顾问，结合用户的业务需求做出一整套物流控制思想;工程师采用数据挖掘工具把物流控制思想固化到数据仓库系统中。
这样的系统简单好用，所需培训较少，但关键是业务顾问把物流控制思想传达给业务人员，让业务人员“心甘情愿”地接受。
信息部门首先在全国选择了安徽和河南两个区域做试点，为他们梳理业务流程，讲解物流控制思想;并结合数据挖掘系统，培训业务人员，让他们真正体会到通过系统可以减低库存、提高销售。一年多之后，这两个试点区域的实施，终于取得了成功。看到这个成功之后，其他区域主动要求信息部门去实施该系统。
在整个系统的上线过程中，信息技术部门深刻体会到和业务人员沟通和培训的重要性。只有让业务人员真正重视数据分析的工作，该系统才能发挥真正的效果。