分析到決策?「AI+BI」這輛車你得儘快搭上

2020-12-04 數據猿DataYuan

一場數位化變革正在改變傳統的零售消費行業。

2017年,還在做網店的李濤,第一次在鍋圈食匯的店裡,買到一份十幾塊錢的毛肚時,驚嘆到「顧客在外面的火鍋店,要點上一份這樣的毛肚,可是要花五六十塊錢。」

當時,李濤正在從事著「時髦」的線上網店生意,但在接觸到鍋圈食匯後,他還是被這樁生意吸引。

2020年,一場疫情改變了消費者「到店吃火鍋」的習慣,但因為鍋圈食匯提前拿出了從食材到配料再到用品用具一站式的解決方案以及背靠強大的智慧供應鏈體系,讓李濤的加盟店大賺。

事實上,類似鍋圈食匯這樣正在積極探索「數據驅動業務」的零售企業還有很多。縱觀那些開始逐浪「數位化「的超市門店,它們或自建大數據團隊,或開始與數位化服務商進行合作,但探其根本的共性是,它們無一不是要把握住「消費者」這個核心,通過數據智能更好地為客戶提高效率、降低成本。

當越來越多的零售企業加入數位化行列之後,那些原本對消費者的真實需求迷茫不解,只能依靠一店通吃的舊運營模式開始鬆動了。

比如鍋圈食匯通過數位化變革將產品的周轉率從原來的30天縮短到了10天左右。2020年,鍋圈食匯宣布要繼續進化,通過與觀遠數據團隊聯合開發AI智能補貨系統,將常規產品的周轉率做到5到7天,鮮品做到3天一周轉。

顯然,此時的鍋圈食匯,已然從一家傳統的渠道供應商開始朝一家名副其實的平臺型企業進化。

鍋圈食匯的演變過程是近幾年國內線下零售商正在從流量經濟到效率經濟的縮影。如今,與觀遠數據合作的大小零售商,如沃爾瑪、蜜雪冰城、元氣森林、Lily商務時裝……無不運用數位化工具,將自己的經營決策從過去的一批貨、一群人,開始向單店、單品、單時、單度、單客、單次轉化。

將經營元素不斷細化是企業的創新業務得以落地的前提。

這是因為零售企業本身就帶有高頻快速迭代的特點。因此,競爭並不需要比對手領先幾個月,也不可能一招致敵。零售行業制勝的關鍵是精和快。

「一年有52個星期,你一定要讓零售企業每個禮拜的經營策略都要比對手快幾天。」業內人士總結道。而這就需要數據分析平臺能夠將渠道、庫存、銷售各個層面的數據底座打通,才能更快速更精準地給出行動建議。

新一代智能分析平臺正在將分析的顆粒度變細

數據洞察支撐智能決策,不是看了數據之後就立即採取決策,而是 「將企業經營元素細化拆分」,在複雜的信息中找到異常問題並加以判斷和採取行動;不是產生10x爆炸式增長,而是持續產生10x-1000x的增長機會,這也是數據驅動決策最本質的邏輯。

作為新一代智能數據分析與決策平臺,觀遠數據的理念極為務實。「數位化」在最近幾年成為了一個熱詞,但很多好的算法只是在實驗室裡非常高端,一旦走出實驗室就「見光死」。通過梳理近200家客戶案例,觀遠數據得出一個結論:一家成熟的數據服務商,不僅要執著於做技術領域的「黑科技」,更要把「黑科技」演變成為真正可落地的「灰科技」,而實現這個目標,絕不可能是向企業提供一次性解決方案就能解決的。

「AI會不斷改變商業運作的模式,但是它一定不是一場顛覆式的革命,而是一個不斷進化的過程。」觀遠數據創始人兼CEO蘇春園總結道。這意味著,打造一套數據智能決策系統,需要數據服務商在基於技術之上不斷實踐,創新。

2019年,為了響應客戶快速響應的需求,觀遠數據的產品就迭代了48次,截止到2020年10月,已經更新了85次。

這種及時迭代的速度,也代表著這家公司已然從實踐中摸索出了一套數據方案在企業中落地的基本路徑。即從Agile敏捷化、Accurate場景化、Automated自動化、Augmented增強化到Actionable行動化分五步來搭建驗證。

具體來說,「敏捷化」指的是不管什麼樣的數據,不管新業務還是老業務,觀遠數據都會第一時間快速構建數據體系;「場景化」指的是分析這個行業裡面最領先的企業怎麼去看店、看貨、看人、看供應鏈,怎麼去對標;「自動化」指的是當企業初步搭建了數據體系之後,能不能讓它更普惠,更自動地運用數據追人,去提醒企業發現問題;「增強化」指的是更進一步利用AI實現增強化,通過先進的計算力實現更深度的分析。「行動化」指的是建議行動化,即通過預測、自動診斷,指導決策優化,打通行動閉環。

通過數位化來重塑商業的構想不可一蹴而就

僅僅用提供一款「智能決策「的產品依舊無法完整定義如今的觀遠數據。搭建觀遠學院進行產品教育是這家公司近兩年一直在做的事情。這意味著,它更有意願為數位化帶來更本質的改變------超脫於提供產品本身,成為一支在認知層面推動數據生態的力量。

蘇春園稱,觀遠學院近期的工作重點是通過產品顧問專家以及內外部結合的行業專家,幫助客戶掌握和熟悉數據分析的工具與方法,並結合行業業務輸出最佳數據分析實踐。

一個典型的例子是,因為觀遠數據的產品一直保持一周一次小更新,一月一次大迭代的節奏。為此,觀遠學院會定期為客戶及員工分享最新迭代的功能,以及行業領先客戶的使用場景。

這種分享交流會也是觀遠團隊欲與客戶建立長期陪伴關係的證明。

在蘇春園的認知裡,客戶是可以服務10年20年的長期合作夥伴。因此,觀遠數據向來堅持以「數據分析與智能決策的引領者,客戶長期信賴的合作夥伴」為願景,提倡「偉大產品引領未來」,做具有長期生命力的產品。

在觀遠數據2020年的智能決策峰會暨產品發布會上,觀遠數據就公布,觀遠學院已經舉辦了超過20場交流活動,所有參與的成員都要接受數據分析師認證考試,整個培訓過程不收費。此外,觀遠數據從今年疫情開始,推出「數據分析研習社」,會聘請業內一些既懂業務又懂數據的專家去做專業分享。更進一步,觀遠學院也與一些頭部客戶共建數據分析學院,為客戶的數位化建設進行組織賦能,培育數據方面人才。

從上述行動足以看出,遠觀數據在很大程度上代表著中國的數據服務商,正在幫助企業做認知落地、重塑客戶、重塑商業和價值主張的任務。正如蘇春園所說,「只有企業對於數位化的認知、目標和邊界不斷迭代,才會最終決定企業數位化推進的方向和節奏。」

2016年,麥肯錫學院曾在出版的《麥肯錫大數據指南》一書中指出,數據驅動決策的公司是一股代表未來趨勢的力量,因為它能夠將市場營銷投資回報率提升到15%--20%。如今時間已經過去4年,越來越多的企業正投身於這場變革之中。觀遠數據也與眾多零售消費品牌落地了推動業務增長的數位化實踐,例如,與某世界500強快消品合作「AI智能稽查」項目,產生了32倍ROI的回報。

這樣的實踐也讓我們看到,一旦數據成為一種商業洞察能力之後,一場新的變局正在發生。也正如蘇春園所說,「國外的數據分析與BI很早就已經是一個非常成熟的產業,而國內過去多年仍停留在IT化建設的階段;但是,未來已來,隨著未來十年從IT到DT的轉變,結合數據、算法、算力三股浪潮,中國的智能化正在以更大的加速度前進,未來十年,有機會引領全球。我相信,未來的企業與任何一個組織,PK的都是誰更聰明 - smart is the new sexy。讓決策更智能,這是一個確定性的大趨勢。」

文:王曉坤/數據猿

相關焦點

  • LPG露點計算與管道氣態供氣的防凝動態分析—燃氣探索6
    例如:式中     Psi——第i組分的飽和蒸汽壓, MPa;            t——溫度,℃;            ai,bi——的係數和冪。可以得出各組分在-15~+20℃區間的ai,bi擬合值。我們可以看到丙烷、丙稀的bi值分別為1.71和1.61,各C4組分的都接近於2,在LPG中主要組分是C3和C4。
  • AI幫你做決策
    第二部分:https://www.kaggle.com/osbornep/lol-ai-model-part-2-redesign-mdp-with-gold-diff第三部分:https://www.kaggle.com/osbornep/lol-ai-model-part-3-final-output
  • Gartner力推,這家公司開發了世界上首個聽得懂中文的AI數據分析平臺
    AI系統能夠自動整理分析現有數據,在生產、庫存、排期等多個方面給管理者提供建議。它的另一個客戶是在河北的手機生產商,使用Synergies的技術方案後,生產手機的周期從八個月縮短到了一兩個月。便捷性也是如此,更少的溝通時間和步驟,讓推行AI決策變得容易許多。
  • BI是什麼意思?在企業應用中有哪些好處?
    GartnerGroup將商業智能定義為:商業智能描述了一系列概念和方法,這些概念和方法通過應用基於事實的支持系統來輔助業務決策的確定。商業智能技術提供的技術和方法使公司能夠快速分析數據,包括收集,管理和分析數據,將這些數據轉換為有用的信息,然後將其應用到整個企業中。BI的目的是什麼?
  • 決策樹分析,讓你的風險應對更專業
    1、決策樹的要素與結構  決策樹分析的要素包括決策點(決策的出發點,可以有多個層級的決策點)、方案枝(決策的若干備選方案)、結點(每個方案枝在各種自然狀態下的收益結果)、概率枝(每種自然狀態對應的發生概率)及結果點組成。由決策點出發,從左到右根據需要決策的問題、可供選擇的各種方案、各種方案的自然狀態展現出決策樹圖。
  • 構建快消企業決策大腦:從數據分析到智能決策
    線上流量紅利消失、營銷預算緊縮、消費者行為碎片化等一系列壓力下,過去幾年很多快消企業在考慮或者已經開始企業自建數位化系統進行數位化轉型。疫情影響下的消費者行為習慣的變化,促使企業數位化智能化的這一進程加速。
  • 你願意讓AI來審稿你的論文嗎?
    UNSILO接著會分析這些關鍵句中,哪些最可能代表了研究的主要觀點或發現,這能讓編輯迅速了解一項研究的結果。這個方法也能判斷稿件的觀點是否和已發表論文雷同,這樣就可以檢測剽竊,或者把稿件和文獻中的相關研究聯繫在一起。
  • 吳博:目標檢測集成框架在醫學圖像 AI 輔助分析中的應用 | AI 研習...
    醫學圖像分析中目標檢測任務的普遍性,使得開發目標檢測集成框架顯得必要。近日,在雷鋒網 AI 研習社公開課上,深圳市宜遠智能科技有限公司負責人吳博剖析了目標檢測已有的框架,重點分享如何對目標檢測框架進行改造,以便在醫學圖像分析中產生更好的效果。公開課回放視頻網址:http://www.mooc.ai/open/course/559?
  • 連撞三輛車,到底是為何?
    ,遇到直行通過路口的另一輛車,為了避讓該車,情急之下因操作不當,先與其右側正常行駛的一輛摩託車相撞,後又與停放在路邊的一輛摩託車和一輛小車相撞。連續撞上三輛車▶ 保持右腳不空,即只要在開車,右腳不在油門上就一定在剎車上
  • AI研究:如何讓機器學習算法解釋自己的決策?
    因此,雖然你可以測試一個神經網絡在照片中檢測到貓的效果,但要判斷出它們的存在與否,你很難辨明它們的視覺模式。「當涉及到照片中貓的檢測時,這並不是什麼大問題,但這項技術正在悄然進入一些領域,在這些領域,能夠解釋這些決定可能很重要。」說到檢測到貓的存在,這並不是什麼大問題,但這項技術正在悄然進入一些領域,在這些領域中,能夠解釋這些決策可能很重要,比如金融交易和疾病診斷。
  • 是AI主導了棒球世界大賽的決策流程
    這32年之間,棒球運動無疑發生了巨大的變化。隨著大量數據的湧現、先進的計算機與分析技術,如今基於數字的策略制定已經成為體育領域的核心力量。具體而言,AI(人工智慧)正在主導其中的決策流程。 在本屆棒球世界大賽第六場比賽上,這種決策影響力得到再一次證明。當時,坦帕灣光芒隊經理Kevin Cash毅然換下了當時在場上表現完美的投手Blake Snell。
  • 《對賭》:避免2個認知偏見,學會3個決策方法,幫你提高決策水平
    自己的底牌有百分之幾的概率可以打過對手,下一張公共牌有百分之幾的可能,幫你組成厲害的牌型,這些就是概率。對手在拿牌下注時的種種表現,有百分之幾的可能是真的拿到了大牌,又有百分之幾可能是在虛張聲勢,這也是概率。各種概率組合起來,就會成為你在做判斷、做決策時的依據。
  • meta分析應該怎麼搭上circular RNA?
    前幾天,我們分享一了一篇關於meta分析搭上lncRNA的文章~Meta分析該如何搭上lncRNA?
  • 鄒炎炎:語義分析介紹及跨語言信息在語義分析中的應用 | AI 研習社...
    為了讓大家更好地區分語法分析和語義分析的不同點,我先介紹一下兩種分析的任務:Dependency parsing :比如輸入一句話「I saw a girl with a telescope」,Dependency parsing 的目標就是找到哪兩個詞之間是存在依賴關係的,更進一步的話,可能需要給這種關係標記上 Label。
  • 關於決策的書籍推薦,這本書科學決策必讀
    市面上你能找到的關於決策的書籍並不算多,而又能完完全全聚焦在決策這門專業和話題的恐怕又是少之又少。筆者曾看過太多掛羊頭賣狗肉的伎倆了,乍一看書名,似乎是與「決策」有關,而等你真正讀下去的時候才大呼上當:這都寫的是什麼風馬牛不相及的東西啊!其次,這本書關於科學決策的講解非常專業。如何做好決策,本身就不是一件靠想當然就能做成的事。良好決策的背後是大量的科學原理與專業理論。
  • 數據分析過程:制定決策的5個步驟
    編輯導語:隨著大數據的重要性逐漸凸顯,越來越多的公司開始收集數據並且進行數據分析,分析過後利用得到的數據制定相應的決策。那麼,制定決策的這個過程應該如何去做呢?本文作者為我們總結了五個步驟,幫助我們完成數據分析、制定決策方案。
  • BI(商業智能)與BA(商業分析)大比拼
    BA:「商業分析方法」,是指英文的Business Analytics。BI:「商業智能」,Business Intelligence。這是兩個不同的概念,但很少有人能理解他們之間的差別。其實簡單的點來說,可以把「商業智能」理解為將數據轉化為知識的分析工具,把「商業分析」理解為基於知識的決策方法。在實際應用中,二者的範圍是交疊和關聯的。「商業分析方法學」來指代BA和BI的組合。首先需要確定這兩個概念在商業活動中扮演的角色。兩者的分析視角、切入點和著重點不一樣。
  • 決策分析與評價考點:項目決策與分析結論與建議
    項目決策分析與評價結論應包括推薦方案和主要比選方案的概述、以及最終的結論性意見。(一)推薦方案概述與分析評價結論1.推薦方案的主要內容和分析研究結果(1)市場預測。(2)資源開發項目的資源條件評價。(3)建設規模與產品方案。
  • 《決策的智慧》:領導人決策3大步驟,教你快速做一個正確的決策
    要明確決策的目標,首先對所處的情況要有一個清晰的了解。對於現狀的明確能夠評估事情的可能性和影響程度。比如要決定產品的促銷方案前,我們現在賣的怎麼樣,顧客人群是不是符合當初產品的預期,單次購買行為是什麼樣的,不同包裝的產品是否按契合當初的場景設計。這一切都是基於數據的收集與分析。