上一篇文章讨论了数据战略为何必须成为企业核心战略的组成部分。战略回答了“去哪”，架构回答“怎么去”。
快消品行业从不缺乏对数据价值的认知。真正缺失的，是一套能承载业务战略、可落地、可演进的数据架构。太多企业陷入两个极端：要么追求“大而全”的理想蓝图，最终沦为“技术精品、业务荒漠”；要么头痛医头、脚痛医脚，系统越建越多、数据越来越散。行业数据显示，80%以上快消企业投入数智化项目后，仅实现了不到30%的预期业务价值。¹试点通过率超80%的AI+BI项目，全量上线率不足30%——这是当前快消品全渠道数字化落地中最反直觉的阻塞点。
本章展示的是一套三层架构——数据底座、能力中台、应用前台。它不是一份束之高阁的技术蓝图，而是一张承载业务战略的作战地图。
一、架构设计的三个核心原则
原则一：建好底座——数据根基不容侥幸
数据底座是整座大厦的地基。地基不牢，上层建筑再华丽也无从谈起。快消品企业的数据分散在ERP、CRM、MES、TMS、SRM等数十个系统中。如果不在底层解决数据孤岛、口径不一、质量参差的问题，任何上层应用都建立在流沙之上。
毕马威发布的《2026年零售及消费品行业全球科技报告》显示，90%的组织已将AI智能体整合到核心工作流程和产品服务中，但64%的受访企业仍在使用数字与人工流程混合、甚至以人工为主的方式管理质量与合规²。当关键信息散落在电子表格、电子邮件和本地文件中时，AI系统根本无法可靠地获取训练和执行所需的数据。
原则二：敏捷智能——业务不等人
快消品行业的竞争节奏以“周”甚至“天”为单位。如果每次数据分析都要走一遍“提需求-等排期-等交付”的流程，拿到数据时市场机会已经错过。
能力中台的本质，是将AI、BI、API封装为可组装的“技能胶囊”，让业务部门按需取用。BCG发布的2026年快消数字化调研显示，头部企业中已部署AI智能体的企业比例已从2024年的23%攀升至58%³。与此同时，BCG与消费品论坛的联合分析表明，规模化推广AI可为快消品企业带来220-350个基点的EBIT提升⁴。能力复用的速度，决定了组织进化的速度。
原则三：预留未来——技术永远在演进
快消品行业正在从“系统上线潮”“平台建设潮”进入“AI价值驱动潮”。今天的架构设计，必须为明天的技术演进留出空间。行业调查显示，82%的企业已将建立AI就绪的数据基础列为首要任务⁵。不是追求一步到位，而是确保每一步都在正确的方向上。
二、三层架构全景图
这套架构的核心逻辑是：建好底座、敏捷智能、预留未来。
第一层：数据底座——整座大厦的“地基”。基于云原生湖仓一体架构，从数据源层、集成层、存储计算层到资产管理平台，解决数据孤岛和质量问题。
第二层：能力中台——企业的“敏捷智能引擎”。将AI、BI、API封装为可组装的“技能胶囊”，通过企业智脑调度、能力市场分发、技能胶囊执行，让能力像电流一样流动到需要的地方。
第三层：应用前台——业务价值的“最终呈现”。基于数据底座和能力中台，快速构建面向“研供产销”各环节的智能应用——智慧研发、智能供应链、智能制造、智慧营销、业财一体。
这三层之间是双向流动的关系：数据从底座向上流动，支撑能力中台和应用前台；同时，能力中台可以将计算任务“下沉”到数据所在的存储层执行——这一机制在未来演进中尤为重要。
三、第一层：数据底座
数据底座是整座架构的“地基”。它的任务是：将分散在数十个异构系统中的数据，统一采集、标准化存储、资产化管理，为上层应用提供高质量、可信赖的数据服务。
数据底座的四个层次：
数据源层：涵盖金蝶、用友、SFA、MES、TMS、SRM、HR、OA、银企、电商等所有业务系统
数据集成层：通过ETL/ELT管道、CDC实时同步、对账引擎、调度编排，将源数据高效导入存储层
存储与计算层：采用湖仓一体架构——数据湖存储原始数据，数据仓按ODS→DWD→DWS→DM分层建模
数据资产管理平台：资产目录、资产评估、数据质量监控、安全合规
没有统一的数据底座，就没有可信的数据决策。
百草味的实践充分印证了这一点。百草味服务用户超2亿，业务覆盖线上电商与线下零售。2017年开始基于CDH自建大数据平台，但随着业务系统数量与数据规模增长，“部署与运维复杂、链路不稳定、缺乏高可用性”等问题逐渐暴露。2022年，百草味选择CloudCanal作为核心数据同步工具，将MySQL等关系型数据库的数据同步到StarRocks，构建统一的数据分析体系。在数据采集模块，百草味还利用CloudCanal将Apache Kafka、MongoDB、Redis等数据源同步到StarRocks。
欣和食品的案例展示了数据底座建设的另一条路径。作为中国调味品行业的领军企业，欣和旗下运营11个品牌，全国每天超过4000万家庭在使用欣和的产品。面对原有大数据平台技术栈分散、运维成本攀升、数据响应滞后等问题，欣和选择从它云迁移至阿里云，构建以MaxCompute（离线计算）+Hologres（实时分析）为核心的湖仓一体架构。项目历时3个月完成全量迁移，任务整体耗时从8小时降低到4小时，ODS层数据及时性提升99%。核心表全表比对、差异控制在0.0001%以内——这种近乎严苛的验收标准，正是数据底座建设的应有之义。
联合利华的数据平台规模更令人震撼。其企业数据平台包含8PB的数据，由25,000条数据管道每天采集和处理新数据，网络每周处理超过30亿笔交易，IT系统保持99.995%的可用性。这种规模的数据底座，不是一朝一夕建成的，而是持续投入、持续优化的结果。联合利华通过采用Databricks Spark声明式管道简化了数据架构，改善了数据质量，并将整体基础设施成本降低了25%。
四、第二层：能力中台
能力中台是企业的“敏捷智能引擎”。它的任务是将AI、BI、API等能力封装为可组装的“技能胶囊”，让业务部门按需取用、灵活组合。
能力中台的三个层次：
企业智脑：能力中台的“总指挥”——负责目标拆解、推理决策、自动化执行、自学习进化
能力市场：能力的注册、发布、订阅、计费和版本管理
技能胶囊：AI技能胶囊（需求预测、异常检测、图像识别）、BI技能胶囊（预置报表、自动化洞察、智能问答）、API技能胶囊（对SAP、金蝶、用友等系统的操作接口）
为什么能力中台是“敏捷”的关键？
快消品行业的业务节奏极快。如果每个新需求都要从零开发，拿到结果时市场机会已经错过。能力中台的核心价值在于复用——一次封装、全局共享、按需调度。
联合利华在2026年将AI-first列为集团三大战略支柱之一，与Google Cloud深化五年合作，搭建覆盖全球业务的AI数字主干，并投入2.7亿美元在美国建设AI创新中心。雀巢推出了内部专用的NesGPT，目前已覆盖超过8万名员工全球使用。内部调查显示，NesGPT用户平均每周在内容创建和内部信息搜索上节省了45分钟。在雀巢，AI辅助下的产品构思过程从6个月缩短至6周。
百事搭建了PepGenX平台，已沉淀100余个业务用例。宝洁构建了“AI工厂”，其智能货架系统RackSmart落地后终端缺货率下降15%、货架管理效率提升75%。这些巨头的实践揭示了一个共同逻辑：AI不是一次性采购的工具，而是需要被“内化”为组织能力的基础设施。
在中国市场，武汉百事可乐的实践同样具有说服力。武汉百事可乐自研智能生产系统接入BI深度学习模型，实时分析历史销量、市场变化，预判未来市场需求并给出精准排产方案。原料采购响应时间从20天缩短至5天，效率提升75%，平均仓储成本下降15%，在智能系统赋能下，武汉百事可乐全年节省成本超2000万元。同时，AI质检将液位误差控制在2毫升内。
五、第三层：应用前台
应用前台是业务价值最终呈现的地方。基于数据底座和能力中台，快速构建面向“研供产销”各环节的智能应用。
六大应用场景：
智慧研发：消费者洞察、新品开发、配方优化
智能供应链：需求预测、智能补货、库存调拨
智能制造：智能排产、质量管控、预测性维护
智慧营销：动态定价、精准投放、促销优化
智慧销售：门店运营、绩效分析、渠道管理
业财一体：智能对账、风险控制、预算编制
应用前台的成败，最终要以业务价值来衡量——不是“上线了多少系统”，而是“带来了多少效率提升、成本节省、收入增长”。
良品铺子的“门店动态补货决策数据集”入选武汉市高质量数据集典型案例。系统应用后，采购决策时间从3天缩短至0.9天，紧急补货响应提速70%；滞销商品库存占比从15%降至8%，过期损耗减少40%，畅销品占比提升70%。系统应用仅半年已节约大额仓储物流成本。
雀巢中国通过瓴羊Quick BI，将10多个BU、100多个渠道的数据统一接入1个平台，实现指标标准化、分析自动化。数据汇总从“月更”提速至“T+1”，运营工作量减少了80%。在采购端，雀巢对供应商合同库进行AI分析；在研发端，开发配方优化工具——AI辅助下的新品开发周期从平均3个月压缩至3周。通过数字化方案，雀巢实现了精准营销带动新增交易增长12.5%、年销售额提升8%。
六、DISC的战略定位——预留未来
什么是DISC架构？
DISC（Data In-Situ Computing）架构的核心主张是“数据不动，能力流动”——让分析能力主动去往数据所在的地方执行任务，而不是将大量数据汇聚到中央平台。这一理念在应对数据主权法规（全球已有超140个国家颁布相关法律）时具有战略价值。
在本架构中的定位：战略性预留
DISC是未来3-5年后的演进方向。在当前阶段，通过三种方式进行预留：
能力接口标准化：所有技能胶囊按DISC能力元数据标准封装，未来可被DISC执行引擎直接调度
核心组件可插拔：数据资产管理平台预留“数据空间连接器”接口
主权合规适配：资产目录预留数据主权标签和跨境合规策略字段
为什么现在不全面实施DISC？
DISC的全面实施需要在数据治理、安全合规、组织架构上进行深度变革，超出了大多数企业3-5年的能力范围。务实的选择是：先建好底座、再逐步演进。正如毕马威报告所指出的，82%的受访企业正在整合遗留系统，从碎片化的单点工具转向统一平台²——当下的首要任务，是让数据先“立”起来，再谈如何让能力“流动”起来。
三层架构回答了“建什么”的问题——数据底座是地基、能力中台是引擎、应用前台是窗口。三者共同构成一套“今天能落地、明天能演进”的务实架构。
联合利华8PB数据平台、百草味CloudCanal+StarRocks的数据集成、欣和食品湖仓一体50%的耗时降低、武汉百事可乐2000万元的年度节省、良品铺子从15%到8%的滞销库存改善——这些案例表明，一套扎实的数据架构，可以将数据从“成本中心”转化为“利润中心”。
但蓝图不等于现实。从架构图到生产环境，中间还隔着数据集成、湖仓建设、资产管理等一系列具体的工程挑战。
下一篇文章，我们将从数据底座的第一层——数据源与集成层开始，展示如何将分散在数十个系统中的数据，高效、稳定地汇聚到统一的平台上。
注释
¹行业数据显示，80%以上快消企业投入数智化项目后仅实现不到30%预期业务价值，试点通过率超80%的AI+BI项目全量上线率不足30%——这些数据基于2025-2026年快消品行业数字化转型的行业调研与趋势分析，属于行业普遍观察，反映了当前数字化落地的典型阻塞点，并非单一来源的精确统计数据。
²来源于毕马威（KPMG）发布的《2026年零售及消费品行业全球科技报告》。报告显示90%的组织已将AI智能体整合到核心工作流程和产品服务中，64%的受访企业仍在使用数字与人工流程混合、甚至以人工为主的方式管理质量与合规，82%的受访企业正在整合遗留系统，从碎片化的单点工具转向统一平台。
³来源于BCG（波士顿咨询集团）2026年快消数字化调研。头部企业中已部署AI智能体的企业比例已从2024年的23%攀升至58%。
⁴来源于BCG与消费品论坛（CGF）的联合分析，表明规模化推广AI可为快消品企业带来220-350个基点的EBIT提升。
⁵来源于针对全球150余位CPG IT与职能领导者的行业调查，82%的企业已将建立AI就绪的数据基础列为首要任务。
⁶百草味案例：百草味服务用户超2亿，2022年选择CloudCanal作为核心数据同步工具，将MySQL等关系型数据库数据同步到StarRocks，构建统一数据分析体系。数据来源于公开行业报道及CloudCanal官方案例。
⁷欣和食品案例：旗下运营11个品牌，全国每天超过4000万家庭使用欣和产品。项目历时3个月完成从它云至阿里云迁移，构建MaxCompute+Hologres湖仓一体架构，任务整体耗时从8小时降至4小时，ODS层数据及时性提升99%，核心表差异控制在0.0001%以内。数据来源于阿里云官方案例及行业报道。
⁸联合利华数据平台规模：企业数据平台包含8PB数据、25,000条数据管道、每周超30亿笔交易、IT系统99.995%可用性，通过Databricks Spark声明式管道将基础设施成本降低25%。数据来源于联合利华公开技术分享及行业报道。
⁹联合利华2026年AI-first战略、与Google Cloud五年合作、2.7亿美元AI创新中心投资，来源于联合利华官方公告及行业报道。
¹⁰雀巢NesGPT：内部专用AI工具覆盖超8万名员工，用户平均每周节省45分钟，产品构思从6个月缩短至6周。数据来源于雀巢官方及行业报道。
¹¹百事PepGenX平台沉淀100余个业务用例，宝洁RackSmart系统终端缺货率下降15%、货架管理效率提升75%。数据来源于各企业公开报道。
¹²武汉百事可乐案例：自研智能生产系统接入BI深度学习模型，原料采购响应时间从20天缩短至5天，效率提升75%，仓储成本下降15%，全年节省成本超2000万元，AI质检液位误差控制在2毫升内。数据来源于公开行业报道。
¹³良品铺子案例：“门店动态补货决策数据集”入选武汉市高质量数据集典型案例，采购决策时间从3天缩短至0.9天，紧急补货响应提速70%，滞销库存占比从15%降至8%，过期损耗减少40%，畅销品占比提升70%。数据来源于武汉市数据局官方发布及行业报道。
¹⁴雀巢中国案例：通过瓴羊Quick BI将10多个BU、100多个渠道数据统一接入1个平台，数据汇总从“月更”提速至“T+1”，运营工作量减少80%，AI辅助新品开发周期从3个月压缩至3周，精准营销带动新增交易增长12.5%、年销售额提升8%。数据来源于阿里云官方案例及行业报道。
¹⁵DISC（Data In-Situ Computing）架构相关理念、全球超140个国家已颁布数据主权相关法律的信息，基于2025-2026年数据主权与联邦计算领域的行业技术趋势分析，属技术趋势性论述。
