Tabel yang digunakan para pelaku usaha di Hari Belanja 11.11 tahun ini telah ditingkatkan

Tabel AI DingTalk Meluncurkan "Tabel Tunggal dengan Jutaan Baris Aktif" Pertama di Industri

Artikel oleh Shen Songnan

Datangnya 11.11 yang ke-17 kembali mendorong industri e-commerce memasuki siklus operasi intensif tahunan. Dari promosi pemasaran, siaran langsung, hingga logistik gudang dan layanan purnajual, semua proses saling terkait erat, volume data yang dihasilkan serta kebutuhan penggerak real-time meningkat secara eksponensial.

Dalam konteks ini, pengelolaan multithread telah menjadi norma bagi para pelaku usaha. Baru-baru ini, seorang profesional merek mengatakan kepada Tianxia Wangshang bahwa hari ulang tahunnya bertepatan dengan 11.11: “Beberapa tahun terakhir saya tidak merayakannya secara serius—semua orang hadir di acara ulang tahun, kecuali sang tokoh utama.”

Faktor pendukung pertumbuhan penjualan besar-besaran dan perkembangan merek bukan hanya konsumsi itu sendiri, tetapi juga evolusi alat-alat pendukung. Pada tanggal 5 November, Tabel AI DingTalk meluncurkan teknologi "tabel tunggal dengan jutaan baris aktif" pertama di industri, memungkinkan perusahaan mengumpulkan, menghitung, dan menggerakkan volume besar data secara real-time dalam satu tabel tunggal. Hal ini mengakhiri kesulitan sebelumnya ketika data dalam jumlah besar harus dipisah dan digabung secara manual dari banyak tabel—kemampuan ini sangat sesuai dengan kebutuhan mendesak industri e-commerce akan pemrosesan data real-time selama periode 11.11.

Bahkan sebelum ini, Tianxia Wangshang telah mengamati bahwa perusahaan-perusahaan seperti Semir, Department Store Intime, dan merek desainer Almond Rocks telah lama menjadikan “satu lembar tabel” sebagai inti dari operasi harian mereka.

Semir: Dari Input Manual Menuju Penggerak Data Real-Time

Dalam bidang fashion, kemampuan menangkap dan merespons suara konsumen secara langsung berkaitan erat dengan identifikasi produk populer dan mitigasi risiko inventaris. Sebagai kategori yang tinggi nilai emosionalnya dan kuat orientasi modenya, ulasan konsumen, foto unboxing, bahkan sedikit fluktuasi emosi mencerminkan sinyal nyata tren pakaian—terutama selama kampanye besar, volume besar konsultasi dan gelombang umpan balik menguji ketangguhan operasi perusahaan.

Lv Wanlong, pengawas layanan pelanggan di pusat layanan pelanggan Semir, beserta timnya, memiliki pengalaman langsung terhadap kecepatan respons data selama puncak 11.11. Sebelumnya, tim bergantung pada Excel, di mana informasi multidimensi harus dimasukkan secara manual. Keterlambatan ini diperparah selama kampanye besar—setiap putaran umpan balik data memerlukan pembuatan ulang grafik dan analisis, lalu hasilnya dikirim lintas departemen, proses yang lambat dan rumit. Selain itu, sumber umpan balik layanan pelanggan sangat beragam, termasuk catatan obrolan, rekaman suara, gambar, konten media sosial, dan lainnya, menyulitkan untuk mengubahnya menjadi data siklus panjang yang dapat dianalisis dalam metode tradisional.

Semir menggunakan Tabel AI DingTalk

Saat ini, Semir membangun sebuah platform bisnis tengah (business mid-end) berbasis “penggerak data real-time” melalui integrasi mendalam antara RPA (otomatisasi proses robotik) dan Tabel AI.

Pertama, mengumpulkan opini publik secara real-time dari seluruh ranah. Setelah RPA mengumpulkan dan menyusun konten merek dari platform seperti Xiaohongshu, data tersebut langsung ditulis ke Tabel AI DingTalk dan memberi notifikasi secara real-time. Tabel AI dapat secara otomatis menentukan sentimen dan mengkategorikan masalah secara akurat—baik itu terkait produk, logistik, atau promosi.

Wanlong memberi contoh: “Kami menjual 10.000 potong, 500 pelanggan berbagi pengalaman pemakaian, lebih dari 90% umpan balik mengandung tag positif seperti ‘cantik’ atau ‘nyaman’. Begitu data ini muncul, kami langsung meneruskannya ke tim operasional untuk pengambilan keputusan, seperti penambahan stok atau penyesuaian promosi.”

Pengumpulan dan analisis umpan balik pengguna secara real-time memungkinkan Semir cepat menyesuaikan sumber daya selama ritme multi-puncak 11.11, mempersingkat jalur dari “suara pengguna” menuju “keputusan operasional”. Mengingat periode promosi yang semakin panjang, prediksi puncak penjualan menjadi jauh lebih sulit. Misalnya, penurunan suhu tak terduga akhir Oktober, ditambah diskon promosi besar, secara cepat meningkatkan penjualan produk musim dingin dari merek seperti Semir dan Bosideng. Peristiwa mendadak seperti ini tidak hanya menambah tekanan persediaan, tetapi juga menyebabkan ketegangan sumber daya layanan pra-penjualan dan purnajual di toko resmi merek di Tmall dalam waktu singkat. Sekarang, dengan menggabungkan tren penjualan dan informasi eksternal seperti cuaca, Tabel AI dapat memprediksi kebutuhan operasional secara real-time, membantu tim menyesuaikan alokasi personel di berbagai area secara fleksibel.

“Semakin panjang siklusnya, semakin tinggi tuntutan terhadap akurasi data—haruskah sumber daya ini dikurangi atau ditambah? Harus dialokasikan ke layanan pra-penjualan atau purnajual? Ini membutuhkan data yang akurat dan dinamis untuk mendukung keputusan,” jelas Wanlong.

Bagi Semir, nilai Tabel AI terletak pada pembangunan platform bisnis tengah berbasis “penggerak data real-time”, mengubah informasi dinamis dalam volume besar menjadi aksi nyata secara real-time meskipun dalam ritme konkurensi tinggi. Kelancaran seluruh sistem ini bergantung pada kemampuan Tabel AI DingTalk memproses interaksi berskala jutaan dalam hitungan detik.

Tianxia Wangshang berpendapat bahwa di balik narasi teknologi “jutaan baris aktif”, makna lebih dalam Tabel AI DingTalk bagi industri e-commerce adalah bahwa “ini adalah tabel yang tanpa diragukan lagi paling memahami industri e-commerce”. Industri e-commerce Tiongkok berkembang pesat, besar, dan kompleks, dengan berbagai sektor yang sangat berbeda. Dari pemasaran depan hingga inventaris belakang dan layanan purnajual, rantai data panjang dan formatnya rumit. Untuk bisa “mengintegrasikan” jaringan data yang rumit ini, dibutuhkan pemahaman mendalam dan jangka panjang terhadap industri—dan inilah keunggulan bawaan DingTalk yang berasal dari Alibaba.

Intime Department Store: Menghilangkan Kepulauan Kolaborasi, Mewujudkan Kolaborasi Efisien Antarorganisasi

Sementara Semir berhasil menyelesaikan masalah real-time data, Intime Department Store menggunakan satu tabel yang sama untuk menghadapi kompleksitas kolaborasi skala besar antarorganisasi.

Sebuah siaran langsung ritel besar sering kali melibatkan banyak pihak independen seperti merek, platform, mal-mal di berbagai lokasi, dan tim operasional. Sistem yang digunakan masing-masing pihak berbeda, format data tidak seragam, sehingga informasi penting seperti detail produk, harga, kupon, dan jadwal mudah salah saat transmisi dan sinkronisasi. Setiap perubahan kecil harus melewati konfirmasi berulang antarorganisasi.

Menurut Li Kai, yang bertanggung jawab atas operasi konten department store di Intime, kondisi ini disebut sebagai “neraka kolaborasi”.

Belum lama ini, Li Kai mengelola siaran langsung besar yang melibatkan lebih dari 60 mal, puluhan merek kosmetik, dan lebih dari 80 jenis kupon. Berdasarkan pengalaman tradisional, ia harus membuat beberapa grup komunikasi sementara untuk mengumpulkan dan memverifikasi informasi—seperti mengayuh perahu bolak-balik antara pulau-pulau data yang terpisah…

“Saya mengirim template pengumpulan informasi yang seragam, tapi data yang kembali bentuknya beragam,” keluh Li Kai. Ia menambahkan bahwa cara kolaborasi tradisional sangat melelahkan bagi tenaga manusia; misalnya, jika ada perubahan mendadak pada informasi produk, semua dokumen harus diperbarui secara manual.

Intime menggunakan Tabel AI DingTalk

Kini, Li Kai menjadikan Tabel AI sebagai pusat informasi terpadu bagi semua pihak yang berkolaborasi:

Staf merek dan mal memperbarui informasi langsung di dalam tabel, dan data secara otomatis terkumpul secara real-time. Di balik ini adalah kemampuan “korelasi dua arah” dari Tabel AI. Misalnya, ketika informasi produk di Tabel A diubah, semua entri terkait di Tabel B, seperti dashboard inventaris atau rencana jadwal, juga akan diperbarui secara otomatis. Ini secara fundamental menyelesaikan salah satu masalah utama dalam kolaborasi kerja modern.

Saat ini, dengan bantuan Tabel AI, Li Kai telah mengotomatiskan seluruh proses kerja kunci. Contohnya, Tabel AI dapat secara otomatis menyaring kata-kata terlarang dalam informasi produk, serta menambahkan label lokasi secara seragam untuk produk dari setiap mal, sehingga memastikan standarisasi dan keseragaman data dari awal. Setiap kali siaran langsung berakhir, hasil analisis data dari tabel langsung dikirim ke grup kerja, mempersingkat siklus evaluasi yang sebelumnya memakan waktu berhari-hari menjadi hanya beberapa menit.

“Sekarang mereka semua memanggil saya ‘raja kerja keras’, karena saya sering mengirim laporan evaluasi ke grup kerja di tengah malam setelah siaran langsung berakhir. Rekan kerja mengira saya lembur mengevaluasi hasil siaran, padahal mereka tidak tahu bahwa ini benar-benar hasil analisis otomatis dari Tabel AI berdasarkan indikator kinerja utama siaran langsung.”

Li Kai menjelaskan bahwa bahkan tindakan mengirim hasil evaluasi ke grup bisnis terkait pun dilakukan oleh Tabel AI “atas namanya”. Selain itu, perhitungan gaji pembawa acara (host) juga telah otomatis—dengan menghubungkan data durasi siaran dan jadwal, sistem secara otomatis menghasilkan rincian gaji setiap bulan, mengakhiri era pencocokan manual.

Peningkatan efisiensi tercermin langsung pada skala bisnis. Saat baru bergabung dengan Intime tahun lalu, tim Li Kai hanya mampu mendukung sekitar 20 mal meski kapasitas maksimal. Kini, dengan alur kerja terstandarisasi yang dihubungkan oleh Tabel AI, jumlah personel yang sama dapat secara efisien mengelola bisnis siaran langsung lebih dari 60 mal di seluruh negeri, bahkan dengan ruang gerak luas. “Saya pikir mengelola lebih dari 100 mal juga bukan masalah. Bagi yang bekerja di ritel, saya bisa bilang bahwa tabel ini wajib digunakan.”

Almond Rocks: Meningkatkan Efisiensi Rantai Kerja Sama Influencer, Membangun “Kokpit Bisnis”

Satu hari sebelum rapat mingguan, staf komersial dan operasional Almond Rocks kemungkinan besar akan begadang lembur: menghadapi daftar lebih dari 6.000 influencer, nomor resi sampel barang, dan tangkapan layar hasil penjualan yang tersebar di berbagai folder—informasi besar dan berantakan ini menguji ketelitian dan kesabaran staf lapangan.

Informasi berbeda tersebar di berbagai tabel Excel, catatan obrolan media sosial, dan email. Hanya untuk mengumpulkannya menjadi satu laporan mingguan saja sudah “menguras tenaga”.

“Dulu kami menggunakan Excel, tapi ukuran file semakin besar, datanya semakin banyak, real-time-nya buruk, tidak bisa mengambil data secara otomatis. Karyawan harus menghabiskan banyak waktu setiap hari membuat tabel,” jelas Zhang Qi, pendiri merek. Bagi perusahaan, di luar pekerjaan administratif yang rumit, yang lebih penting adalah kurangnya alat dan perspektif terpadu untuk mengoordinasikan seluruh proses kerja sama influencer, mulai dari inisiasi kontak, manajemen, hingga hasil kerja sama—padahal hal ini sangat penting bagi merek yang sangat mengandalkan kolaborasi influencer.

“Kami ingin secara bertahap membangun workflow yang relatif efisien, agar semua orang bisa fokus pada hal-hal yang lebih ahli dan bermakna,” tambah Wu Xian, direktur proyek Almond Rocks, dari perspektif nilai kerja staf lapangan: “Misalnya, staf ekspansi influencer seharusnya tidak menghabiskan energi di bagian administrasi data belakang. Ia hanya perlu tahu produk mana yang menjadi best-seller. Kemampuan utamanya terletak pada komunikasi bisnis dan pemahaman terhadap merek.”

Almond Rocks dimulai dari sepasang kaus kaki, bercita-cita menjadi merek desainer asli Tiongkok yang menggabungkan kualitas, desain, dan harga. Namun, efisiensi kerja sama eksternal dengan influencer serta jangkauan manajemen internal merek mulai membatasi perkembangannya. Kini, Tabel AI DingTalk membantu perusahaan yang konsisten pada prinsip merek ini mencapai agilitas bisnis.

Kokpit Almond Rocks

Misalnya, dalam skenario “influencer merekomendasikan produk”, sebelumnya lebih dari 6.000 influencer dalam basis data perusahaan hanya dikelola oleh 4–6 staf komersial, yang sebagian besar waktu mereka habis untuk mengimpor data, membuat tabel, dan mencari informasi. Sekarang, staf komersial dapat melihat semua influencer yang perlu dikelola dalam satu Tabel AI, mengidentifikasi prioritas pemeliharaan melalui pengurutan. Informasi fragmentasi seperti jumlah pengiriman sampel dan hasil produksi untuk setiap influencer juga ditampilkan secara terpusat.

“Dengan plugin RPA, setelah memasukkan tautan catatan, data like dan komentar secara otomatis diambil; dengan bidang AI ‘cek logistik paket’, status logistik langsung dihasilkan begitu nomor resi pengiriman sampel dimasukkan,” jelas Wu Xian. Selain itu, indikator kinerja utama staf komersial—jumlah catatan best-seller—juga dipantau secara real-time oleh Tabel AI, dan notifikasi langsung dikirimkan ke staf komersial terkait melalui pesan DingTalk.

Dalam skenario siaran langsung, sebelumnya staf operasional harus bolak-balik antara 4–5 platform untuk melihat data konversi, lalu mengintegrasikan dan membersihkan data secara manual, sehingga terasa terputus-putus. Kini, Tabel AI melalui plugin RPA dapat secara otomatis mengintegrasikan data konversi dari berbagai platform, membentuk dashboard data terpadu. Staf operasional dapat langsung membandingkan penjualan minggu ini dan minggu lalu beserta rinciannya. Di dalam Almond Rocks, ini disebut sebagai “kokpit”—satu dashboard yang mencakup seluruh data operasional merek.

Tidak hanya itu, Zhang Qi menjelaskan, Tabel AI juga membantu merek membuat peta panas kinerja influencer untuk mengidentifikasi mitra jangka panjang; memantau secara dinamis data penjualan produk tunggal, tingkat perputaran inventaris, dan segera mengenali produk best-seller. Dikabarkan, baru-baru ini Almond Rocks mulai menggunakan tabel untuk melacak situasi pesaing, membantu perusahaan memperhatikan persaingan eksternal…

Zhang Qi mengatakan kepada Tianxia Wangshang bahwa saat ini separuh karyawan Almond Rocks bekerja di Tabel AI. Menjelang masa promosi besar, ia menambahkan, “Misalnya, jika ingin memperbesar volume produk yang laris, berapa banyak yang harus dikirim dan diposting minggu ini dan minggu depan. Dulu data tertinggal, tidak cocok untuk lingkungan promosi besar (memposting setelah 11.11 tidak lagi relevan). Kini data bisa berputar secara real-time, sangat cocok dengan kebutuhan penyesuaian cepat industri e-commerce.”

Ketika lebih dari 6.000 influencer, data siaran lintas platform, dan informasi inventaris yang terus berubah semua terkumpul di satu tempat dan dapat berputar secara real-time, ritme merek dalam merespons pasar akhirnya benar-benar sejalan dengan kecepatan e-commerce.

Tabel AI: Dari Alat Menuju Dimensi Produktivitas Baru

Real-time data di Semir, kolaborasi proses di Intime, agilitas bisnis di Almond Rocks—praktik AI dari tiga merek ini dari berbagai dimensi bersama-sama membuktikan satu tren: Tabel AI sedang menjadi paradigma baru pendukung operasi e-commerce.

Oleh karena itu, wajar jika tahun ini disebut sebagai “11.11 pertama yang didukung penuh oleh Tabel AI”.

Tianxia Wangshang berpendapat bahwa praktik Tabel AI DingTalk dalam skenario kompleks seperti e-commerce, ritel, dan promosi besar, pada dasarnya merupakan penutupan siklus aplikasi kemampuan AI oleh Alibaba dalam ekosistem besarnya sendiri: puncak piramida adalah fondasi teknologi model besar AI yang dibangun Alibaba; teknologi ini direalisasikan menjadi produk-produk seperti Tabel AI DingTalk; sementara bisnis e-commerce, terutama skenario ekstrem 11.11 dengan karakteristik multithread dan pendorong data kuat, menyediakan lingkungan verifikasi dengan intensitas tertinggi dan umpan balik paling cepat bagi aplikasi AI.

Berhasilnya implementasi kemampuan AI ini tidak hanya penting untuk pemberdayaan industri, tetapi juga memberikan contoh baik untuk perluasan skenario dan bisnis. Beberapa spekulasi masuk akal misalnya: mendorong lebih lanjut kemampuan Tabel AI ke jaringan logistik Cainiao (gudang, transportasi, distribusi), operasi ritel Hema (pembelian, penjualan, inventaris), dan bisnis kompleks lainnya dalam ekosistem…

Dari sini terlihat jelas bahwa “penerapan satu tabel ini selama 11.11” nilainya jauh melampaui industri e-commerce dan skenario promosi besar, tetapi secara jelas menggambarkan bagaimana Alibaba mentransformasikan teknologi AI puncaknya menjadi cara produksi baru melalui produk konkret dalam ekosistemnya.

Dalam industri e-commerce, yang merupakan sektor paling matang dan terdepan Tiongkok di dunia, Tabel AI sedang menyelesaikan transformasi dari “alat” menjadi “produktivitas baru”. Ini bukan hanya ajang pamer kemampuan AI Alibaba, tetapi juga memberikan contoh awal untuk pemberdayaan AI skala besar di ekosistem internal dan eksternal di masa depan.

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!