今年是便利蜂成立的第三年，短短时间，已在北京地区实现盈利。若是按照便利店行业规模，一家便利店从开业到盈利一般要经过7年营运周期，而便利蜂提早实现了这一点。
这一点得益于便利蜂从创立之初就确立的“智慧决策和数字驱动模式”。其创始人庄辰超并非出身于便利店行业，凭借其科技专长，与熟知行业的合伙人一起创造了不一样的便利店业态。
今天分享的这篇文章是杨国安与庄辰超的对话，涉及便利蜂如何数字化、如何极度信任系统，当中也有科技新进入者如何重塑传统行业的思考。
整理 | 机器之能
来源 | 青腾大学
中国的便利店一直以来的特征都是规模小、分散度高、非标准化，但「便利蜂」是一个异类。
便利蜂成立于2016年12月，诞生初始便用数字化驱动自身发展，首批5家店于2017年2月14日在北京中关村开业，截至2019年9月25日，便利蜂全国门店数已经突破1000家，未来三年计划开到10000家店。
第四期青腾大学《一问》栏目中，腾讯集团高级管理顾问、青腾大学教务长杨国安对话便利蜂创始人庄辰超，探讨便利蜂的数字化秘笈。
庄辰超表示，便利蜂的数字化并不是阶段性的过程，也不是一片一片拼凑出来的，而是从底层引擎开始变革，从门店到物流再到工厂全部都是自动化操作，是系统和系统之间的交互。
便利蜂数字化程度之高，甚至门店货架层板的高度、商品位置和商品长宽高都是在系统里面提前测量采集好的，以便于后续做选品和陈列的计算决策。
在组织管理方面，便利蜂特殊之处在于，店长和店员不为销售负责，也不为利润负责，他们最重要的工作就是服务好消费者和建立对系统的高度信任。这样便形成了一个「人机协作」的良好模式。
庄辰超本身是便利店的「外行人」，便利蜂的成功预示着，未来可能会有很多像庄辰超一样的人，凭借科技的背景来到传统行业，与懂业务的人结合在一起，释放巨大的能量。
以下是采访实录，经机器之能整理：
一
传统便利店痛点在哪？
杨国安：你觉得今天的世界和20年前最大的变化是什么？
庄辰超：最大变化是对于世界的数字收集能力大大加强了，随着大量的视觉设备、IoT设备很强大的无线传输能力，在地面上发现的真实世界的方方面面，可以用非常详实的数字化信息反馈到世界的另外一个角落，然后完全把这情况复原出来。世界连接更加紧密，传输更加迅速。
杨国安：你是从「去哪儿」出来的，为什么选择进入便利店这个行业？
庄辰超：首先便利店是个非常巨大的赛道，东亚很多国家便利店大概能占到社会零售总额的10%，平均2000多个人一家门店。当然中国和东亚很多国家的差距还比较大，从长线来讲，10年、20年、30年，中国最终一定会达到类似的渗透的密度。
第二，做高科技要寻求变化，但是我们在寻找赛道的时候寻求的是不变，便利店是一个在过去四五十年来没有怎么发生变化的赛道。所以我们认为这是一个空间广阔、潜力大，且不会受高科技的冲击的赛道。一定程度上，如果在这样的赛道能够建立比较高的竞争壁垒，将是一个非常长期可为的巨大业务。
杨国安：你觉得便利店这个行业在现阶段里面有什么痛点？
庄辰超：日本和台湾的便利店规模很大、密度高、品牌集中度高。但是在中国便利店规模小、分散度高。我们研究了一下为什么这件事情非常难做？答案是管理，便利店是非常小的具体的个体，散落在整个城市的四面八方。在这样的情况下，如何让成千上万的门店用相同的品质去服务消费者，是一个非常巨大的难点。
杨国安：便利蜂的成立有什么创新点？
庄辰超：从商业模式来讲，7-eleven创始人林木敏文说过，「便利店对于消费者提供的服务就是4句话：干净卫生、新鲜美味、商品齐全、服务亲切。」中国目前没有一种方法能够稳定、高质量的把这4点传递到千家万户手里，即使是在北京这样的一线城市。
原因是管理的一致性很难达成。执行的过程中，每一个便利店的店主店员需要记住大量的操作细节，具体落地的时候要考虑到不同的消费层次、地域、口味和生活习惯的不同，所以服务的标准操作手册千变万化，店长和店员需要大量的时间去思考每一个决策怎么做是对的。
我们所做的工作就是把所有需要店长和店员决策的部分尽可能的用系统自动化，而且全链路连着物流和工厂生产，让整个的供应链体系能够应对多变的环境，做出一些高难度的动作。
当门店发现了任何变化，就会直接传导到工厂、物流，他们一起来协同，这样店长和店员既不需要花太多的时间去思考各种各样的商业决策，把大量的精力释放出来服务消费者，还能做更高难度操作，更好的服务消费者。
杨国安总结：我们这次挑选便利蜂作为案例，是因为便利蜂在便利店的传统业态中开拓了一个全新的模式，用全新的操作方法来解决效率服务一致性的问题。
所以它跟我们之前采访的案例不完全一样，以前很多都是传统企业转型到数字化，但便利蜂一生出来就是智慧决策和数字驱动的模式。希望通过这个案例给大家看到未来便利店的一种形态，鼓励不同零售业能够参考这种模式来提高服务的一致性和运营效率，以致扩张的时候不会走样。
二
便利蜂如何通过数字化变革助力消费升级？
杨国安：你们应该是2017年真正在中关村开始开店的。在过去这几年里面，你们的数据化建设从哪里切入？有没有阶段性重点？
庄辰超：这是一个非常好的问题。我们一开始也希望有一个阶段性的方案，所以最初切入的是最底层的ERP系统（企业资源计划），然后试图进入订货来优化选品，也试图优化排班、人力的问题，后来又试图优化过商品陈列和物流，但很快都失败了。
我们发现一个系统自动化后会遇到两个很大的问题：第一个是数据输入的错误和不及时，导致系统做不出正确的决策，得不到正确的反馈。解决方案是系统和系统沟通，系统和硬件沟通，尽可能让数据采集是来自于设备和系统之间的交互，让数据的准确性和及时性得到保障。
第二，当我们的系统赋能以后，会发现系统根据数据算出了一个更佳的解决方案，但它的上下游无法执行，因为变动速度太快。「人」可以对于变化的环境做一个具有平衡感的决策，但没有能力做高速变动的决策，所以当人和系统协同的时候，系统并不能够发挥出它的优势来。如果系统适应人的节奏，决策能力又没有人这么强的平衡感，所以变成了「以己之短攻彼之长」，这样人和系统都不能发挥最大的优势。
所以最终我们做了一个很大的决定，把整个引擎全都换掉，我们是从门店到物流到工厂全部都改成自动化操作，全部都是系统和系统之间的互相交互，这样才能最终把模型跑通，这是我们经历的过程。它不是可以一片一片更换的，而是必须整个引擎一起更换掉。
杨国安：能不能简单介绍一下数据如何采集和应用？
庄辰超：我举几个例子，第一我们所有的门店都是没有储物室的，所有的货架层板的高度、货架的位置和每一件商品的长宽高全部是在系统里面提前测量好采集好的。这样当我们在订货的时候直接考虑到商品应该放在货架的什么位置上。
为什么陈列和订货和选品有很大的关系？一般我们会根据数据看商品销量，卖的好的商品要多上货，卖的不好的会下降换一个品类。
这种做法听起来是对的，但是大家没有考虑到一个问题，我们一开始也没考虑到。当你换品的时候，新上来的品和下去的品不一定是同一个长宽高，这样放在货架的什么位置又变成了一个巨大的挑战。如果让整个商品陈列比较稀疏的话，大概会牺牲掉10%左右的陈列位置，这样一个货架上可以陈列的商品数就会减少，给消费者的选择也会减少，
所以最后怎么来做？换品的时候要动态引发陈列的重新计算，而陈列是需要员工耗费工时的，系统需要计算员工所调整陈列的最优路径以及工时成本，整个计算下来才能够决策是换品还是不换。如果不是要高速更换选品的话，陈列可以每个季度变一次，陈列的算法就没有什么必要了。这是我觉得为什么需要整个高度耦合的原因。
那么这样的耦合能达到什么样的效果？在今天的便利蜂，任何一个时间点的任何一家门店，4周不动销的商品只占门店的1%。当我们发现商品可能动销有问题的时候，立即就会把这个品下掉，换另一个，这样可以让门店商品高度的新鲜，每一个品都是被消费者接受的。我相信我们的商品动销是整个市场最高的，同样的门店库存又是可能全市场最低的，因为我们是精确的计算商品能够在多久卖光。
杨国安：简单介绍下，你们是怎么采集数据，以至于能够做出决策的？
庄辰超：百分之七八十的数通过视觉采集，极少量用电的设备会用IoT采集，比如温度、声音等。为什么大量用视觉？因为视觉的通用性更强，成本更低。而且随着业务的发展，可能会需要很多更多的功能，视觉通用性和发展弹性都更强。
杨国安：现在系统怎么提升店面的管理？
庄辰超：比如说选址，其中有很多个要素。通过历史上的1600家门店，我们通过机器学习拟合出一些关键的元素，它在不同的立地甚至不同城市都会有所不同。然后这些数据采集点，通过机器学习的算法指出它跟某些数据采集点是高度相关的，那么我们会要求选址团队对于这些数据进行定向的采集，数据会回馈到系统里面。
另外我们还有很多专家，专家在外围，平行的观察系统的选择，他会提出跟系统不一样的建议。如果一个选址系统说不能做，专家说能做，我们会有一定的比例抽样去做，但即使不会去做也会跟踪。有时我们的门店会被其他的便利店拿走，我们会持续跟踪这家店铺的销售情况，看看当时判断是否有错。当系统明显犯错的时候，就跟神经网络一样，它会被惩罚，惩罚之后网络会自动修正，对一定的参数和特征值调整权重。排班也是类似的情况，但是排班我们会把工作量非常细化，来决定怎么样排班是最有效的。
杨国安：选址决策我感觉好像是围棋高手跟系统的对决，再看哪个更厉害，不断提升智能程度。
庄辰超：是的，我们的订货、陈列等都会开放一部分权限，让公司里面水平最高的经营人员或者选址人员进行人工的尝试，跟这个系统不断的切磋。即使在同一个系统里面，我会允许不同的算法进行切磋，来看哪一个算法更优。经过多这么几年的人机竞赛，很多情况下人已经比较难战胜系统，当然永远会有厉害的高手发现一个系统没有发现的具体的规律。不过从大面上来讲，一般的经营人员是很难战胜系统的。
杨国安：我知道你们在供应链里面做了很多布局，包括投资了自己的鲜食工厂，也做自有品牌，你们在供应链阶段有什么创新点？
庄辰超：首先整个生产过程是完全数字化的，包括生产流程、各种配方、排班等。我们每一个鲜实工厂每天会生产几百个品，每一个品批量都不大，经常会产生换线的问题。比如说炒锅，今天可能要炒十几二十个菜，包装线要上十几二十个批次，产线的穿线排班就是一个非常复杂的过程，因为一个菜炒出来立刻就要进入下一个环节，如果不能够在规定时间内进入下一个环节，食品卫生就会出现问题。
传统的工厂在排班上都是用时间换空间，排班非常稀疏，导致设备开机率会不足。我们通过全程的自动化布局和自动化排线，能大幅度的提高设备开机率。通过这样的操作，可以让工厂完美贴合门店需求，在工厂端又可以最大化的减小浪费和机会损失。
我们的物流都是动态排线的，这些动线的安排都必须在订单下完的那一瞬间，车才会重新排线，所以我们的车的排线也是高度动态的，这样才能让整个效率达到最佳。
杨国安：除了便利蜂门店外，你们也做智能货柜，为什么有智能货柜？它跟便利峰门店怎么互补？
庄辰超：我们希望给消费者提供的服务曲线是，在15分钟、15块内提供最多的服务选择和最佳的服务体验。智能货柜就是在办公室里，对于消费者来说是5分钟的路程。智能货柜解决的是防盗问题，最大成本是补货，我们拥有大量的门店，在非高峰时段是有富裕的劳动力，这些工时很多是用在智能货柜的补货上，这样我们能够用最低的成本为消费者提供最好的服务。
目前在门店密度比较高的城市，智能货柜业务都是盈利的，未来这项业务也会伴随门店的扩张去扩张，本质上就是门店的一个外延。
杨国安：比起传统的便利店，你们现在差不多做了三年，在效率、客户体验、创新这三方面，有没有可以具体量化的成果？
庄辰超：首先是能够保持稳定的服务品质，如果做不到这一条，再大的店铺网络最终也会分崩离析。企业必须高质量和稳定，这是一个先决条件，否则的话都不能创造足够的消费者价值。
我举个很简单的例子，在保证食品效期方面我们做的是最佳的。如果是超越效期的商品，消费者根本是买不出去的，因为它一扫码会自动提醒，包括我们的智能货柜也会提醒，光这一点我认为不要说便利店了，很多大商超都做不到，其实之前也看到一些著名的商超企业，他们会出现店长换标签换日期tag这样的问题。对于绝大部分的便利店而言，我们这种方式是唯一可能的方式，别的方式他根本不可能做到服务品质的稳定保障。当我们用比较高的效率做到这样的服务品质，就决定了我们可以快速地扩张和下沉。
杨国安：能不能讲一下你们每个店的人员的人数是有多少人？所以为什么能够以这么少的人数，比起传统的便利店？
庄辰超：在北京这么高的地租的情况下，我们能够做到北京盈利，肯定是在人效占比上和房租占比上是优于行业的其他水平。
杨国安：除了开店的速度之外，对于你们的降本增效，有没有一些数据？
庄辰超：便利蜂成立之前大家都认为北京是便利店的荒漠，在过去的三四年时间里面，我们在北京开了接近700家门店，而且北京市场是盈利的，我觉得这就很能说明问题了。我们打破了很多大家对于北京便利店市场的误解，大家比如说北京便利店有三个一半，只有一半的季节可以营业，因为北京冬天很冷，只有一半道路可以营业，因为北京道路很宽，只有一半的时间可以营业，时间是指白天和晚上，因为北京人晚上没有夜生活。
事实上我们用数据和结果证明这些都不是问题，根本的问题本质上，在我看来是经营效率，当它不够数字化的时候，它的经营效率就不够高，所以它成本太高，它的收益不够，所以才会不得不收缩它的服务季节，收缩它的服务时间，它认为它不能覆盖到马路对面去，因为效率不够高，所以导致它的经营范围受限，进而恶化的环境。当然这些改动最终能带来多少收益，可能只有千分之几，但是便利店就是这么一个生意，但这里决策千分之5，那里决策千分之5，有10个决策合起来就是5%，便利店行业有5%基本上是天壤之别的。
如果有10%的差距，这是完全两个不同的店铺，这就决定了为什么我们可以下沉到很多，像711等日系便利店不能下沉的地区，是因为我们在这些点位上每个都能解决千分之5，最后我们就节约出了一个巨大的空间，可以允许我们向更广泛的消费者提供高品质的服务。
杨国安总结：便利蜂的数字化应用很特别，全链条都是用数字化系统来做决策，这样的话用机器系统与系统来对话，减少人的干预，全部要依靠系统。当然他们中间也纠结过，本来是做一个混合模式，后来下定决心花了2018年整年的时间，走到一个全系统完全信任系统的模式，这是他们比较特别的地方。
第二个我觉得很特别的一个地方，就是便利蜂用人机决战，无论选址、商品，还是在供应链的很多决策，都相信系统，又找人来做判断。我感觉有点像2017年谷歌的围棋系统跟世界级的围棋大师决赛，类似于用一个很有经验的人才来提高系统的判断能力，这是一个用数字科技来改造或升级传统行业的很好的例子。
三
便利蜂如何应对组织升级挑战？
杨国安：新的数据驱动的操作系统，对于人才的要求，我们分两边来讲，先讲一下大脑这边，大脑就是很重要的决策系统，最关键在总部需要什么类的人才，有什么能力的要求？
庄辰超：具有抽象、逻辑、数学的能力，总部的人员要写出来的是数学公式和一些规则，由系统根据店铺的参数进行计算，产生出可执行的脚本，所以我们在总部的大脑层和执行层中间是有一个系统层的，指令是不能够直接从人传达到人，人必须写出一个像类编程语言的一段东西，进入到系统，跟各个门店的实际数据进行计算，产生给各个门店的是非常实际的 step by step（一步一步）的一个流程，以及考核数据点，所以是这么一个决策过程。因此，需要懂建模、算法、编程这类的人才。
我们需要的业务人员有几种，见多识广的，所有的问题都见过的，在这个行业里干了十几年是不够的，需要二三十年见的非常多的，这样的人是我们最需要的。
杨国安：你们有一些是711、全家、百盛，很多是不同相关业务的高手，搞经验的人，另外要加上一些很懂科技、算法、制作模型的科技人才，两群人结合来设立很多游戏规则给系统来操作，所以这个是大脑这方面。 那么我想在这里问一下，这两群人好融合吗？
庄辰超：其实我们在一开始有很大的担心，但是最终你会发现真正就是说“老法师”他见得非常多的人，他特别能够理解科技，和做算法、做模型的人是比较容易沟通的，真正在行业里面资深的有高度经验的人，他都具备非常强的提炼和抽象能力，所以思维是接近的。
杨国安：讲讲店面的，因为扩张这么多店，店长跟店员是很关键的，怎么确保这些人能够快速招聘，而且上手培训，这一方面能不能讲讲店面人才的要求？
庄辰超：首先，我们和所有零售企业最大不同是，我们要求店长和店员不为销售负责，也不为利润负责，他们最重要的工作是两个，一个是服务好消费者，让消费者满意，第二个就是系统指令的合规率，这个当中他们是需要高度对系统建立一个信任。有的时候他可能看到这个事情，他的想法怎么做，他觉得这样做可能对销售是更好的，他不能直接操作系统。给他不同指令的时候，先要符合系统的指令要求，但是他同时可以反馈。
就像刚才我说的一样，当系统和人的判断出现差异的时候，它可以反馈，我们来分析处理来测试，我们的系统是有生命的，需要信任系统，系统会给他指令，系统会犯错误，他也可以纠正系统错误，但是在行进的过程当中，他对系统需要有信任感，有问题我们事后复盘。
杨国安：他们上手会不会更快一点？
庄辰超：店长和店员的培训时间都是非常短的，店员基本上5天就可以完全掌控一个店面了，店长大约需要一个多月的时间，绝大部分的培训并不是跟店面经营相关的，更多的是跟食品卫生和人员管理相关的。例如人员管理的一些沟通技巧，一些管理技巧。其实便利店本身的经营是不用学的。
杨国安：我看到你们的店长、店员很多都有一些辅助的工具的，有一些ipad，这些全部都是指令？
庄辰超：全部都是指令和建议的流程，但是流程一定是最优的，如果店员跟随系统做了有问题，要反馈，这样系统也能更快地学习和迭代。
杨国安：公司有两类很不一样的人群，在里面要打造一个文化价值观难吗？
庄辰超：综合来讲，服务消费者，让消费者满意，客户优先这些都是一样的。但是在具体不同的团队里面，文化会有不同的侧重点，总部团队侧重的是缜密量化，执行团队更多侧重的是坚决执行，侧重顶天立地，事情要做到极致，很多事情在具体操作中为消费者服务，要把消费者优先这些东西要放在更前面一些，但是我们也希望一线团队能够更加缜密量化一些，为什么？当他提反馈意见的时候，越缜密越量化，总部学习速度越快。
反过来来讲，我们也要求总部人员定期都是需要到一线去和去观察和店员一起工作，所以我们很多员工入职的时候都会要到门店操作一段时间，这样的话他才能感受一线。今天我们大量的数据点已经能够采集送到总部，但是服务过程的一部分数据，尤其异常数据，大部分是没有被采集的。
杨国安：大脑团队大概是怎样的组成？
庄辰超：我们有基础的数据层、平台层、算法，我们有很多不同的算法团队，他们会覆盖自己的专业领域，同时他们也会有交叉和耦合，算法和算法之间是互相交流的，所以经常会出现两个算法之间有矛盾的地方，我觉得这个过程当中是不断地建立规则、打破规则，再建立规则，再打破规则的过程。
杨国安：你们门店与传统便利店相比，管理层级是更扁平吗？
庄辰超：我们基本上学习的是海底捞的师徒制，其实就是一个优秀的店长，他的消费者体验好，客户反馈好，包括内部的一些控制指标和系统指令执行得好，我们就会允许他多开店，称之为战区经理，可以管到80家店，这样的话收入也会非常高。
我们有一个女孩大概二十一二岁，在便利蜂已经管了十几家店了。她到我们这里之前，是完全没有从事过便利店的。所以比较信赖系统，当内部服务品质不断的得到高分，她就可以不断的扩张门店。事实上证明，服务品质高的店铺，即使最初不赚钱，时间放长一定是赚钱的。
杨国安：你自己觉得在建立团队文化组织架构的过程里，有没有遇到比较难的挑战？
庄辰超：最难挑战的是思维的变化，最初想的是分阶段一块一块去实现，最后我们是核心决策层全部由系统替代，这样对于人员的要求、企业文化、对于总部和对于执行层一线员工的技能能力要求也都会发生巨大的变化，决定是比较难做的，涉及到大量的人员变更。
我认为是根本性的变化，变化过程当中我要复盘的话，决定下的太慢，我们中间已经有意识到了，但是没有胆量，因为要把整个系统换掉意味着什么？意味着我们的经营决策是没有人可以干预的。我们的店长、店员也不对经营决策负责，总部其实本身也不对经营决策负责，真正每天决定我们盈亏的就是这套系统，所以生和死就是系统说了算的，这个是我们花了比较长的时间做决定，也经历了比较大的挣脱。如果说让我再来一次，我希望我能更早做出个决定，更果断。
杨国安：这个决策纠结了多久？
庄辰超：如果没有记错的话，整个2018年都在纠结的过程中。一旦全部交给系统，中间你很难插手，像自动驾驶车有点失控的感觉。不单是一线员工要信任系统，我自己也要开始信任还没有写完的系统，这是一个非常重大的决策。
杨国安：后来有什么东西触发你最后做这个决定的？
庄辰超：我觉得一个人和系统hybrid（混合）显然是没有出路的。它既不在系统的管理效能上，在灵敏性上有优势，同时又没有人的随机应变的能力，平衡感又没有，所以其实hybrid就是一个怪物。本质上来讲它两边都得得不到最佳，现在就没法迭代。所以最终只能做一个决定，是完全听系统。
杨国安：你作为CEO在便利蜂里面花最多时间做什么？
庄辰超：最主要的角色就是大家不想解决的问题交给我来解决。互相冲突的问题，谁都解决不了，这种问题就交给我来解决。当然我希望我解决的问题都是重要不紧急的。如果我解决紧急问题，那就说明我的工作做得很糟糕。如果我解决的问题都是重要的问题，但是不那么紧急需要立即解决的，说明整个系统建设得还不错，非常好。
杨国安：对于未来三年便利蜂的战略布局有没有一些构想？
庄辰超：未来三年我们的计划是要开店到1万家，目前我们大约有1600家门店，我们的系统到目前为止，在部分地区和场景是已经跑通了的，可以扩张。在部分地区和长期我们还有一些微调的工作要做，那但是大方向应该还是在轨道上的，所以我们会同步一边改进我们的系统，让它可以具备更强的适应能力，另一方面我们会找合适的场景进行更大规模的扩张。
杨国安总结：便利蜂的模式从架构上来讲，总部需要科技人员与“老法师”（对行业很熟的人）设定游戏规则；店长和店员就尽量做好客户服务，信任系统指示，按照指示来做。这样一来，对店员、店长的培训用时短，能够规模化、一致化。与此同时，便利蜂还借鉴了“海底捞”的模式，店长做得好，可以同时管很多店，变成战区经理，根据总部系统下达的指令开店就行。
CC（庄辰超）是一个在便利店行业的外行人，他凭借专长利用数字化科技的潜力来改造或升级便利店。我估计，未来很多新进入者对传统行业的创新，会像CC一样，凭借跨界科技的背景来到传统行业，具备核心能力，同时搭档都是懂业务的，让懂科技与懂业务的人结合在一起，释放的能量是巨大的。
推荐阅读：
不是你需要中台，而是一名合格的架构师（附各大厂中台建设PPT）
【中台实践】滴滴大数据研发中台的最佳实践.pdf（附下载链接）