觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人兼CEO蘇春園：從BI到AI，企業(yè)數(shù)智化轉(zhuǎn)型新引擎

觀遠(yuǎn)數(shù)據(jù) 蘇春園數(shù)據(jù)猿

原創(chuàng) 蘇春園 | 2021-08-25 17:55

【數(shù)據(jù)猿導(dǎo)讀】本文我將基于我們對(duì)零售消費(fèi)行業(yè)的深刻洞察與實(shí)戰(zhàn)經(jīng)驗(yàn)，講述企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)過(guò)程中從BI到AI的演進(jìn)史。

觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人兼CEO蘇春園：從BI到AI，企業(yè)數(shù)智化轉(zhuǎn)型新引擎

“本文由觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人兼CEO蘇春園撰寫并投遞參與由數(shù)據(jù)猿&上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的“行業(yè)盤點(diǎn)季之?dāng)?shù)智化轉(zhuǎn)型升級(jí)”大型主題策劃活動(dòng)之《2021中國(guó)企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)先鋒人物》榜單/獎(jiǎng)項(xiàng)的評(píng)選。

在數(shù)字經(jīng)濟(jì)的時(shí)代，越來(lái)越多的企業(yè)開始意識(shí)到數(shù)據(jù)的價(jià)值，以互聯(lián)網(wǎng)為基礎(chǔ)，信息技術(shù)和數(shù)據(jù)要素為驅(qū)動(dòng)的新增長(zhǎng)模式正在出現(xiàn)，數(shù)字化水平較高的企業(yè)則開始進(jìn)入“數(shù)字化”到“數(shù)智化”的轉(zhuǎn)型升級(jí)。

從“數(shù)字化”到“數(shù)智化”的背后，是大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)帶來(lái)了全球性的科技革命和產(chǎn)業(yè)變革，以“數(shù)字新基建、數(shù)據(jù)新要素、在線新經(jīng)濟(jì)”為核心特征的新一輪數(shù)字經(jīng)濟(jì)發(fā)展浪潮的全面來(lái)臨，這為數(shù)據(jù)智能的落地實(shí)踐帶來(lái)了可能。

本文我將基于我們對(duì)零售消費(fèi)行業(yè)的深刻洞察與實(shí)戰(zhàn)經(jīng)驗(yàn)，講述企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)過(guò)程中從BI到AI的演進(jìn)史。

從傳統(tǒng)BI到智能BI

在新的市場(chǎng)競(jìng)爭(zhēng)形勢(shì)下，如何更快、更有效地響應(yīng)市場(chǎng)變化，開展業(yè)務(wù)分析并做出相應(yīng)對(duì)策，逐漸成為各個(gè)企業(yè)的巨大挑戰(zhàn)，為了及時(shí)洞察消費(fèi)者需求，挖掘數(shù)據(jù)價(jià)值，很多企業(yè)開始引入BI。

BI的概念最早由Gartner在上個(gè)世紀(jì)90年代提出，當(dāng)時(shí)的商業(yè)智能被定義為一類由數(shù)據(jù)倉(cāng)庫(kù)（或數(shù)據(jù)集市）、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的的技術(shù)及其有應(yīng)用。

就BI的發(fā)展來(lái)說(shuō)，國(guó)外BI市場(chǎng)發(fā)展較早，在國(guó)內(nèi)則經(jīng)歷了從傳統(tǒng)BI到智能BI的更新?lián)Q代。傳統(tǒng)BI主要依靠IT人員根據(jù)企業(yè)分析需求建模，提前匯總好數(shù)據(jù)讓管理人員或相關(guān)業(yè)務(wù)人員在前端查看分析結(jié)果的報(bào)表。這樣的做法存在的問(wèn)題是：

1.靜態(tài)報(bào)表不支持深入挖掘問(wèn)題、定位問(wèn)題，開會(huì)變成了過(guò)數(shù)據(jù)，有問(wèn)題只能會(huì)后再解決；

2.需求分析響應(yīng)速度慢、耗時(shí)長(zhǎng)，業(yè)務(wù)人員無(wú)法自己調(diào)整報(bào)表，只能依靠IT人員重建或修改已有的分析模型。

隨著中國(guó)零售消費(fèi)行業(yè)的發(fā)展，市場(chǎng)對(duì)于企業(yè)洞察力、決策力的要求不斷變高，敏捷而高效BI產(chǎn)品成為了企業(yè)數(shù)字化過(guò)程中的必選項(xiàng)?；趯?duì)行業(yè)和大數(shù)據(jù)分析現(xiàn)狀的深刻洞察，我們提出了一站式智能數(shù)據(jù)分析與決策（AI+BI）解決方案，大力推進(jìn)從傳統(tǒng)BI到智能決策的成功轉(zhuǎn)型。

與傳統(tǒng)BI不同的是，智能BI不僅能夠基于大數(shù)據(jù)的處理技術(shù)實(shí)現(xiàn)多元數(shù)據(jù)匯總、數(shù)據(jù)建模，還能夠通過(guò)幫助企業(yè)快速構(gòu)建智能數(shù)據(jù)分析平臺(tái)，完成海量數(shù)據(jù)的自動(dòng)化處理，實(shí)時(shí)響應(yīng)各種突發(fā)需求，并通過(guò)AI算法介入，輔助企業(yè)高頻決策，幫助企業(yè)減小商業(yè)活動(dòng)中的不確定性。

從BI到AI

自2020年開始，Gartner已將魔力象限報(bào)告的關(guān)鍵詞從 BI 改為 ABI，其中的A代表的是Analytics更是Augmented，意味著智能化的增強(qiáng)分析，即通過(guò)去技術(shù)化的手段讓分析無(wú)處不在，進(jìn)入到每一個(gè)業(yè)務(wù)場(chǎng)景中，讓AI滲透至BI領(lǐng)域。

同時(shí)，AI技術(shù)的發(fā)展將為BI的變革提供有效途徑，隨著產(chǎn)業(yè)數(shù)字化帶來(lái)的數(shù)據(jù)基礎(chǔ)的日益成熟，AI概念的日漸落地，AI+BI不再是一句空洞的口號(hào)，而是可以落到實(shí)處、看得見摸得著的實(shí)際應(yīng)用。

在具體實(shí)踐中，AI能夠幫助企業(yè)在銷售預(yù)測(cè)、門店診斷、行動(dòng)建議等方面更好地做出決策。以零售消費(fèi)行業(yè)的需求預(yù)測(cè)為例。企業(yè)可以依據(jù)AI銷售預(yù)測(cè)的數(shù)據(jù)更好地實(shí)現(xiàn)：

通過(guò)銷售預(yù)測(cè)來(lái)指導(dǎo)進(jìn)貨與庫(kù)存，在保證供給的前提下，進(jìn)一步降低庫(kù)存金額，降低成本；

對(duì)于可售時(shí)長(zhǎng)比較短的商品，通過(guò)精準(zhǔn)的銷售預(yù)測(cè)，來(lái)指導(dǎo)備貨，降低報(bào)廢率；

對(duì)于潛在的銷售機(jī)會(huì)，比如節(jié)日、活動(dòng)、天氣變化等，通過(guò)銷售預(yù)測(cè)來(lái)指導(dǎo)提前備貨，充分把握銷售機(jī)會(huì)，最大化銷售額。

對(duì)于可以做到自產(chǎn)自銷的零售企業(yè)來(lái)說(shuō)，準(zhǔn)確的銷售預(yù)測(cè)，還能夠?qū)㈩A(yù)測(cè)數(shù)據(jù)倒推到生產(chǎn)、配送環(huán)節(jié)，指導(dǎo)排產(chǎn)、物流。

通過(guò)分時(shí)段的銷售預(yù)測(cè)，來(lái)指導(dǎo)門店進(jìn)行更為合理的數(shù)據(jù)化排班，最大化地利用人力成本，同時(shí)保障客戶消費(fèi)體驗(yàn)。

通過(guò)對(duì)當(dāng)前累計(jì)銷售額與未來(lái)銷售預(yù)期的預(yù)測(cè)分析，評(píng)估銷售目標(biāo)的完成進(jìn)度與質(zhì)量。有需要的還可以及時(shí)調(diào)整銷售目標(biāo)，做到敏捷運(yùn)營(yíng)。

通過(guò)進(jìn)銷存各個(gè)環(huán)節(jié)的預(yù)測(cè)，增強(qiáng)客戶體驗(yàn)，避免各類因缺貨、延遲交貨、延遲發(fā)貨等情況導(dǎo)致的客戶消費(fèi)體驗(yàn)下降的情況發(fā)生。

在我們“AI+BI”的服務(wù)模式中，AI技術(shù)一直作為跨越敏捷分析到智能決策的關(guān)鍵推力。如何把AI預(yù)測(cè)通過(guò)更好的數(shù)據(jù)、模型、計(jì)算能力，變得更加智能，并在各個(gè)行業(yè)的核心場(chǎng)景中進(jìn)行應(yīng)用是落地實(shí)踐的重點(diǎn)。

目前，我們已經(jīng)幫助聯(lián)合利華、百威英博等多家500強(qiáng)企業(yè)客戶實(shí)施了需求預(yù)測(cè)。

從認(rèn)知到實(shí)踐

與此同時(shí)，我們也要注意，企業(yè)在向數(shù)智化轉(zhuǎn)型升級(jí)的過(guò)程中，也需要循序漸進(jìn)，在完成基礎(chǔ)數(shù)據(jù)建設(shè)之后，信奉復(fù)利與長(zhǎng)期主義。

在服務(wù)客戶服務(wù)時(shí)，一定要堅(jiān)持“看3年，做3個(gè)月”的原則，無(wú)論是哪種類型的企業(yè)，都要先根據(jù)自己的基因、發(fā)展階段和特色，找到自己品牌比較合適的數(shù)字化的建設(shè)路徑，做到：回歸本質(zhì)、以終為始、分步構(gòu)建。

對(duì)于數(shù)據(jù)基礎(chǔ)相對(duì)還比較薄弱的企業(yè)，建議企業(yè)可以先梳理底層數(shù)據(jù)，把能夠構(gòu)成基本盤的數(shù)據(jù)盡快沉淀下來(lái)，選擇一些核心業(yè)務(wù)場(chǎng)景，搭建運(yùn)營(yíng)分析體系。

對(duì)于數(shù)據(jù)基礎(chǔ)比較完善的企業(yè)，則可以做更全面的數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用體系構(gòu)建，通過(guò)賦能業(yè)務(wù)人員掌握自助式數(shù)據(jù)分析能力，不斷進(jìn)行數(shù)據(jù)迭代和閉環(huán)，打造企業(yè)專屬的智能決策大腦。

觀遠(yuǎn)數(shù)據(jù)_蘇春園_數(shù)據(jù)猿-1 ?

數(shù)據(jù)基礎(chǔ)的積累并非一朝一夕之事，從BI到AI也需要一個(gè)發(fā)展的過(guò)程。為此，我們基于國(guó)內(nèi)市場(chǎng)現(xiàn)狀提煉出了BI+AI的5A實(shí)踐路徑幫助企業(yè)構(gòu)建智能決策大腦，其中Agile 敏捷化、Accurate 場(chǎng)景化、Automated 自動(dòng)化、Augmented 增強(qiáng)化和Actionable 行動(dòng)化對(duì)應(yīng)著不同數(shù)據(jù)基礎(chǔ)的企業(yè)。

隨著DT時(shí)代的到來(lái)，能否用數(shù)據(jù)驅(qū)動(dòng)智能決策，決定了企業(yè)核心競(jìng)爭(zhēng)力。如何利用數(shù)智化的能力獲得全新的增長(zhǎng)空間，通過(guò)人貨場(chǎng)的持續(xù)迭代與精細(xì)化運(yùn)營(yíng)，獲得全新的“代際”競(jìng)爭(zhēng)力成為了關(guān)鍵。觀遠(yuǎn)數(shù)據(jù)也將秉持“讓決策更智能”的使命，為更多企業(yè)提供從敏捷分析到智能決策的數(shù)字化解決方案，助力企業(yè)精益增長(zhǎng)，降本提效。

作者個(gè)人簡(jiǎn)介

蘇春園，觀遠(yuǎn)數(shù)據(jù)創(chuàng)始人兼CEO，有超過(guò)15年數(shù)據(jù)分析實(shí)戰(zhàn)經(jīng)驗(yàn)，為很多500強(qiáng)企業(yè)一級(jí)新銳品牌提供過(guò)大數(shù)據(jù)分析方面的服務(wù)。2016年成立觀遠(yuǎn)數(shù)據(jù)，致力于為企業(yè)提供新一代大數(shù)據(jù)智能分析平臺(tái)與行業(yè)最佳數(shù)據(jù)分析解決方案。

來(lái)源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來(lái)源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來(lái)源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。