零售商很少因战略失误而失败,他们往往败在执行层面——而执行问题几乎总是源于数据在错误的时间、通过错误的系统、以错误的速度流动。
设想一家中型时尚零售商正准备一场大型促销活动。他们的定价引擎具备正确的降价逻辑,电商平台也已准备就绪。但库存系统仍依赖夜间批量更新,无法反映当天下午的销售数据。等到 AI 驱动的补货建议触发时,线上商品早已售罄。而拥有实时库存可视性的竞争对手则成功拿下了这笔订单。
这并非假设性的极端情况。对于管理着分散集成环境的零售商而言,这已是日常现实——而这正是零售业 AI 投资无法实现其潜力的首要原因。
为何集成是零售业 AI 发展的瓶颈?
AI 模型的性能取决于其可访问的数据质量,也受限于承载数据的系统速度。零售环境是企业 IT 中最复杂的领域之一:销售点系统、电商平台、客户忠诚度引擎、ERP 系统、仓库管理系统、供应商网络以及不断增长的软件即服务(SaaS)应用——所有这些系统都在持续生成数据,并需要实时互联互通。
采用点对点连接、孤立的中间件或每几小时更新一次的批量数据管道等碎片化集成方式,不仅会拖慢 AI 运行速度,更会在无形中削弱其效果。个性化推荐往往在关键时刻姗姗来迟;需求预测沦为对昨日数据的模式匹配;动态定价在竞争对手的系统早已更新的情况下,既不“动态”,也无法形成竞争优势。AI 模型的智能程度取决于输入的数据质量,而过时的数据只会给出答案,却回答的是企业数小时前就已不再关心的问题。
零售业通往 AI 的道路,首先始于系统集成。
零售商真正希望解决的问题
零售集成面临的挑战主要集中在四大长期痛点:
- 实时全渠道一致性:无论顾客在线浏览、使用 App 查询,还是向门店员工咨询,都期望看到一致的库存信息。当价格和库存数据通过不同速度且相互脱节的通道传输时,一致性便无法保障,进而损害客户信任。
- 供应链敏捷性:关税波动、供应商关系变化以及需求不确定性,要求系统具备即时传递变更信号的能力——从 ERP 系统中的供应商更新,到仓库管理系统中的补货决策,整个过程无需人工干预。
- 规模化的 AI 个性化:实现实时个性化推荐需要统一的客户数据支持,包括交易历史、浏览行为、会员等级以及当前购物车内容,这些数据必须在交互瞬间即提供给 AI 引擎。
- 生态系统复杂性:现代零售依赖于由合作伙伴、电商平台、物流服务商和金融科技服务构成的复杂生态系统。每项需求都需要一种可靠且受控的集成方式,能够实现扩展,同时不会带来维护负担。
这些并非新问题。真正不同的是,客户、董事会以及竞争激烈的市场如今期望这些问题立即得到解决,而不是在多年规划路线图之后才实现。
实际中的互联零售是什么样子?
设想另一种场景:一家连锁杂货零售商提供线上下单、门店自提(BOPIS)服务。顾客上午 9 点下单,在一个碎片化的系统环境中,该订单需要经过六个系统——电子商务、订单管理系统(OMS)、仓储管理系统(WMS)、企业资源规划(ERP)、会员忠诚度系统和门店履约系统——每个系统都有各自的集成模式、延迟时间和错误处理机制。原本承诺的 30 分钟取货时间,最终变成了 90 分钟。
现在想象一下,同一家零售商采用事件驱动的集成流程。订单一旦生成,就会立即触发所有互联系统的同步响应。库存被即时预留,拣货员收到通知,积分奖励进入待处理状态,顾客也实时获得订单状态更新——这一切都在几秒内完成。30 分钟的承诺得以兑现。
这正是欧洲最大的消费电子零售商之一 Elkjop Nordic 借助 SAP Integration Suite 所实现的成果。Elkjop 每天通过 SAP Integration Suite(包括高级事件网格)处理 500 万条消息,实现实时同步门店定价与本地促销活动、实时订单状态更新以及全渠道订单履约。其成果是:在线订单可在 30 分钟内完成并供门店自提。同时,他们显著降低了集成复杂性——通过优化租户结构,更高效地支持了 500 个集成场景。Elkjop 集成团队负责人 Mirko Adamovic 表示:“我们现在能够分发事件,帮助我们提供统一的零售体验,顾客可在线下单,30 分钟内在门店取货。”1
实现这一目标的关键不仅在于技术,更在于架构上的转变——从基于批次、孤立的连接模式,转向实时、事件驱动的集成架构。
遗留系统现代化:释放 AI 潜力的基础
在零售商追求 AI 目标之前,大多数企业首先面临一个更为紧迫的挑战:其原有的集成环境从未为速度和规模而设计。许多人仍在使用为不同 IT 时代构建的解决方案——这些系统虽能满足最初的设计目的,却无法应对实时零售或 AI 工作负载。例如:
- 一些企业积累了 ERP、WMS 和电商平台之间零散的点对点连接,每种连接均由不同团队在不同时期为解决特定问题而搭建,缺乏统一的数据模型和集中化的可视性。
- 十年前尚属先进的中间件工具——如本地部署的 ESB、基于文件的 EDI 中心、定制开发的 API 网关——如今仍处于关键零售流程的核心位置,但若要升级则可能带来业务风险。
- 供应商对接依然依赖批量 EDI 周期,数据要隔夜才能处理完毕,而实时供应链决策恰恰需要的正是当日内的数据。
- 门店系统通过定期提取的数据与总部通信,而非实时事件流传输。当零售商通过并购实现增长时,其系统整合的现状往往直接反映出这一历史:三个 ERP 系统、两个客户忠诚度平台以及五种不同的中间件工具,每种工具在当初被收购的业务单元看来都是正确的选择,但整体上却形成了一个碎片化且没有单一团队能够完全理解的系统环境。
伦敦标志性奢侈百货店 Harrods 就曾面临这种情况。2在保持业务连续性的前提下,Harrods 从 SAP Process Orchestration 迁移至 SAP Integration Suite,采用分阶段的混合迁移策略——在过渡期间同时运行两个平台。最终成果是:60% 的现有内容直接复用自企业服务存储库,整体集成系统的总拥有成本降低了 40%。
对于LL Flooring3(原 Lumber Liquidators)而言,迁移同样结构清晰:200 多个接口从 SAP PI/PO 迁移至 SAP Integration Suite,整合了包括 CRM、ECC、网关和 Fiori 在内的 23 个系统。结果构建出一个现代化的集成架构,能够支持客户全景视图,而这正是开展任何有意义的 AI 个性化计划的前提条件。
这两个故事揭示了同一个事实:集成现代化并非与 AI 投资相竞争的先决条件,恰恰相反,正是这种投资才使 AI 成为可能。
AI 层:SAP Integration Suite 下一步能实现什么?
在零售商推进现代化的过程中,SAP Integration Suite 并未停滞不前。该平台正在构建 AI 能力,将集成从基础设施转变为智能引擎,例如:
- 由 Joule 驱动的集成流程生成(即将推出)4——开发者可通过自然语言描述集成需求,系统自动生成功能流程,将开发时间从数天缩短至数小时。对于零售企业接入新市场合作伙伴或搭建季节性促销流程而言,这彻底改变了集成开发的经济性。
- API 作为 MCP 服务器——使 SAP 管理的 API 可被 AI 智能体直接调用,这意味着零售领域的 AI 智能体无需定制化集成即可查询实时库存、触发补货或检查供应商可用性。这使得集成层真正转变为 AI 行动层。
- Joule 针对 API 管理的对话式分析功能(即将推出)让零售运营团队能够通过自然语言访问集成性能数据:哪些数据流运行正常,哪些 API 正在承受负载,延迟是否正在悄然上升——无需依赖仪表盘或数据分析师。
这些能力共同描绘了一个未来图景:集成不再是 AI 之前的项目,而是 AI 持续运行的底层支撑。
竞争现实
如今,那些在系统整合、集中化和现代化上投入的零售商,不仅是在降低 IT 成本,更是在构建 AI 所需的实时数据织网架构。未来五年内,能在全渠道竞争中脱颖而出的零售商,很大程度上正是那些正在推进这一转变的企业。
那些难以管理碎片化集成环境的企业不会因为技术落后而拒绝采用 AI。他们之所以进展缓慢,是因为数据流动太慢、系统之间交互太少,而集成团队则忙于维护老旧的管道,无暇构建新功能。
前进的道路十分清晰:一切始于集成。
- Elkjop Nordic 客户案例:SAP.com
- Harrods 迁移案例:SAP.com
- LL Flooring 集成案例:CustomerTimes 成功案例
- SAP Integration Suite AI 路线图
SAP 产品
SAP Integration Suite
借助统一且安全的集成平台即服务,依托其内置的治理机制与 AI 就绪的集成功能,整合 SAP 和第三方环境中的 AI 智能体、应用和数据。