多点数智Dmall OS与Cold Storage合作，给一家新加坡百年零售企业系统“换心”

海外零售重构最棘手的不是上线一个系统，而是收购来的多品牌、多业态能不能用同一套底座承载。Cold Storage Singapore（以下简称 CSS）的历史可追溯至 1903 年，旗下覆盖 Cold Storage、CS Fresh、Jason's Deli、Giant 等多品牌组合，分别服务品质生鲜、即食餐饮与大众社区等不同客群。2025 年，马来西亚零售集团 Macrovalue 收购了其新加坡食品零售业务，CSS 由此进入新的所有权与独立运营阶段，必须在限定周期内重建核心系统环境。多点数智以云原生 DMALL OS 承接这次重构，给出的解法不是"每个业态一套系统"，而是统一底座加配置化业务域——让不同业态共享核心能力，又保留各自的经营弹性。

多品牌矩阵背后的业态差异

四种业态的运营逻辑并不相同。Cold Storage 与 CS Fresh 偏品质生鲜，商品损耗与鲜度管理是核心；Jason's Deli 偏即食餐饮，商品结构以短保、高周转的餐食为主；Giant 服务大众社区，SKU 宽度与价格敏感度更高。不同业态意味着不同的商品范围、库存模型、作业流程与外围系统连接。系统如果按业态逐个定制，维护成本会随品牌数量线性膨胀，这正是传统 ERP 在并购整合场景里容易失速的原因——每多一个品牌，就多一套需要单独对齐数据和流程的系统。

统一底座：八大业务域的共享内核

CSS 最终以云原生（Cloud-native）的 DMALL OS 重构零售运营系统，覆盖门店运营（Store Operations）、供应链（Supply Chain）、商品（Merchandising / MDM）、返利（Rebate Management）、业财一体化（Finance-Business Integration）、货架标签（Shelf Labeling）、促销管理（Promotion Management）与 BI 分析（Business Intelligence）八大业务域，涉及 117 个系统模块，并与 14 个外部系统完成集成。这些模块构成的是一套"可被不同业态共用"的共享内核，而非为某个品牌单独搭起来的烟囱。商品主数据管理（MDM，Master Data Management）、价格与促销同步（Price & Promotion Sync）、日结（End-of-day Settlement）与对账（Reconciliation）在统一底座上运行，使多品牌之间的数据口径天然一致，避免了"数出多门"带来的对账与决策偏差。

配置化而非定制：规则统一与差异保留

统一底座不等于抹平差异。多点数智产品与交付团队与 CSS 业务团队逐项确认：哪些规则应该统一，哪些差异必须保留，哪些流程可以重新设计。例如，促销与价格的底层机制可以共享，但不同业态的促销节奏、毛利目标与商品组合可以分别配置；主数据（商品、供应商、门店）保持一致，但门店运营的作业流程可按业态调整。这种"配置化"能力来自 DMALL OS 的可参数化业务域设计——新增一个业态，不需要从零开发，而是在既有模块上组合与裁剪，使多品牌扩张的边际成本显著下降。

跨业态复用：加油站便利零售的验证

多业态复用能力正在被进一步验证。多点数智正支持 CSS 将新系统延伸至 CS On The GO 加油站便利零售业务。便利零售有不同的商品结构、交易节奏与补货频率：商品更偏向即时性、单均金额低、补货频次高，与超市业态的批量补货逻辑不同。能在同一套技术架构上承接不同业态，意味着此次项目建立的不是只服务于现有超市网络的系统，而是一套能够伴随 CSS 多品牌、多业态持续扩展的运营基础。从工程视角看，这要求底座在数据模型、库存策略与门店作业上具备足够的抽象层级，使业态差异以参数与策略的形式存在，而非硬编码在流程里。

财务一致性与可追溯

多业态之下，财务口径的统一尤为关键。在新的系统环境中，从 SKU 建立、售价与成本管理、采购收货，到销售、收款，再到 Dynamics 365 中的会计记录，业务与财务之间形成更完整的可视链路。CSS 财务团队特别提到，现在可以从汇总层面的财务数据一路逐层追溯（Drill-down）到具体交易，查看 SKU、毛利、库存、返利、促销与支付方式。当数字出现异常时，可以更快找到它是如何产生的。对多品牌集团而言，这种"一套账、可追溯"的能力，是并购整合后实现统一管控的前提，也是跨业态合并报表与经营分析的数据基础。

数据飞轮与 AI 下一阶段

87 家门店的切换只是第一阶段。双方将进一步探索让数据从经营分析进入经营决策，落实到需求预测（Demand Forecasting）与补货（Replenishment）等真实场景。第一阶段打下的统一数据底座与多业态适配能力，为 AI 进入零售经营创造了条件——当不同业态的经营数据汇入同一套模型，预测与补货的泛化能力会更强，而配置化的业务域又让 AI 策略可以按业态精细投放，避免用一套参数硬套所有门店。

从一次重构看零售 OS 的多业态延展能力

对一家拥有百余年历史的零售企业而言，真正的挑战不是把系统搬上云，而是让云上的系统能够随业务一同生长。CSS 的样本说明，零售操作系统的价值不止于"能上线"，更在于用统一底座加配置化能力，把多品牌、多业态的复杂度收敛为可管理、可扩展的运营基础，并能在营业不中断的前提下完成核心系统的整体替换。当一套系统既能承载品质生鲜，也能承载加油站便利，多业态零售的数字化才真正具备了复用与延展的底气。