转自亿邦动力网

【亿邦动力讯】8月3日消息,在2018思路零售数字化服务大会上,观远数据合伙人、副总裁鲁伊莎发表了题为《AI+BI,构建新零售决策大脑》的演讲。她从几个层面为大家分析了在环境快速变化的市场里,怎样能够很有效的做到商品的汰换,找到爆品趋势,做到千人千面、千店千面,还有供应链端如何有能力精确地做到全渠道、全品类、全周期的基于大数据的预测。

鲁伊莎还讲到,对于零售行业,“人、货、场”三个要素背后有非常核心的要素,就是“决策大脑”,怎样构建这个决策大脑?

据悉,大会以“赋能”为主题,由亿邦动力网、思路网主办,本届大会将从红利市场、数字场景、数字营销、数字供应链、数字零售服务对接、跨境电商服务对接等多个主论坛和分论坛切入,带领企业洞察进化方向。

--1-3
观远数据合伙人、副总裁鲁伊莎

以下是鲁伊莎演讲实录。
大家上午好,接下来为大家分享四个方面:

一、关于观远数据

观远数据成立于2016年9月份,核心团队来自于美国的老牌商业智能软件公司,另外一半来自支付宝、阿里云互联网公司,平均每个人都有10年以上的商业智能数据分析以及大数据技术相关经验,年初有幸拿到红杉资本领投的A轮融资。

我们为什么想创业做观远数据?
我们接触了非常多的本土新锐企业,也服务了很多国际公司,在整个数据分析和大的领域上国内和国外土壤很不一样,我们服务的国际的公司通常有非常大的数据分析师团队,但是国内客户很少有能力构建非常大的数据分析团队的,但是国内还有很多客户,不管在团队构建和配置上还是对数据分析的应用能力以及这个工具使用上,相对来说还是偏薄弱一些。所以我们在思考,我们能不能做一款产品足够好用,学习门槛足够低,技术要足够强大,要足够灵活,能够赋能给在中国土壤上更多的零售商和客户来使用,这就是我们做观远数据的初衷。

--1-3

这是这一年获得的一些荣誉,拿到了微软AI大赛的百威场和迪卡侬场冠军,拿到了中国连锁经营协会办的技术创新奖等等。

这是我们服务的客户:

--1-3
新锐零售都要用观远智能BI

二、IT到DT的挑战

很多人说这是IT到DT的时代,面对很多数据分析和决策升级的挑战,这些挑战包括什么,观远数据服务了很多有线下门店的业态,这些是我们客户经常碰到的典型问题:

  • 比如说单店管理,我怎么用最快的速度定位到销售异常,而且找到销售异常产生的核心原因;
  • 甚至自动的诊断门店的经营情况,现在在市场环境变化这么快,怎样能够很有效的做到商品的汰换,找到爆品趋势;
  • 怎样做到千人千面、千店千面;
  • 还有供应链端如何有能力精确地做到全渠道、全品类、全周期的基于大数据的预测。

--1-3

我们每天无时无刻不再面临这样的决策,应对快速变化的商业环境,我们都知道后面一定是有数据的支撑的,但是现在的现状是什么?这个有点像上图(站桩)。现在企业缺数据吗?但是使用的情况也有点像这个图一样,有数据没有办法很高效的利用这个数据,但是有数据无法很快的洞察这个数据并见到行动建议,因此这样很难行动——这是我们接触很多客户面临的共性挑战。

三、观远解决方案

怎样解决这个挑战?对于零售行业,观远经常提“人、货、场”三个要素背后有非常核心的要素,就是“决策大脑”,怎样构建这个决策大脑?

第一,首先有构建这个大脑的平台,而且这个平台需要有的特点,一定要轻、灵、快、易四大特点。

  • “轻”
    整个系统服务集群、部署、配置要在几个小时之内完成,每一个终端要使用数据分析平台的用户,不需要安装任何的东西,可以通过浏览器、可以通过微信、可以通过钉钉、可以通过小程序直接接收到这些数据分析的赋能。

  • “灵”
    这个平台不仅要有完成最基础数据分析的能力,还要有空间合成在未来的智能应用,包括自动异常检测、门店运营状态的智能诊断,也包括刚才说供应链端的需求预测。

--1-3

  • “快”
    现在所有数据平台应该具有的基础能力,比如说亿级数据秒级响应。

  • “易”
    我们要赋能,或者我们要给我们的用户的体验一定是学习门槛超低,可以一个小时上手,可以做自己想要的分析,可以把沉睡在部门里或者个人搜集的数据唤醒、赋能。

这是我们认为要构建这样的决策大脑,一定要有符合以上四个属性的平台作为支撑。
接下来会提到,我们和很多客户一起创新,怎样去落地从BI到AI的路径。

--1-3
5A是什么?(上图)

最敏捷的急速构建基础分析体系,这个环境当中一定要快,在个性基础分析体系之后再一步一步把能力构建出一些行业的经典应用,包括行业最佳实践,有了这些进一步说如何实现从人找数到数追人这种自动化分析和预警,接下来就是在整个分析过程当中要结合知识库给一些能够赋能每一层业务人员行动化的建议和概念,最终到一步一步AI算法的深度应用,这是我们总结出来的5A战略,分布、构建、企业决策大脑的路径。

四、案例分享

01案例:来伊份

当我们的老板、决策层开始习惯于随时随地看数据的时候,可以发现整个组织会发生很有意思的变化,构建数据大屏不需要很炫酷,但是一定很好用,很快。

--1-3

来伊份是SAP体系,整个这样一个轻量级的分析平台能够无缝和SAP体系集成,这样才可以帮助业务部门盘活不管是什么样的系统,在这种情况下,我们相当于在SAP体系上搭了轻量级平台,给业务人员更多的可能,可以把数据活用起来。
在算法方面也有深入合作,现在正在进行中。

02案例:TODAY

TODAY,400多家门店,今年希望突破1000家,我记得春哥专访的时候说当线下门店开200家以后会深刻体现撕裂式成长的感觉,如何应对这个撕裂式成长,数据层面我们协助TODAY规划了整个大数据火种源计划,涵盖了从数据技术到比较通用的可视化的分析,再模型沉淀以及算法赋能应用。

--1-3

这里也和大家分享几个典型场景,像线下零售也是属于劳动密集型企业,其实基层的从业人员基本上也是数字参差不齐的,我们一定要给他们赋能,最直接的就是移动赋能,我们是需要帮助每一个基层的店长都可以在手机端看到最应该关心的核心指标和经营状态,从专家的角度一个好的店长需要关心什么,我们把它做好推送给每一个店长,包括滞销商品、库存和各大异常。我们一定要把数据做到最细的一步,在这个基础上有一个融合的平台,人在家中坐,可以看到整个体系所有的商品。

--1-3

在中国,面临最难的事情是疯狂开店当中怎样找到或者招到那么多的优秀店长,尤其国内很多连锁品牌是区域性质的,在同一个区域密集开店的时候人才缺口非常大,我们怎样把最优秀的思路固化到系统中,我们做了很多诊断,包括引入了虚拟标杆店动态屏幕标准,这样拿到的时候就像一个体检报告一样,每一天对每一家门店用他们应该对比的标准指标诊断每一项是健康的还是不健康的,应该采用什么样的策略。

03案例:Amer Sports 亚玛芬体育

这是整个的业务流程自动化的例子,这是一个国际品牌,商品很多,需要做很多人工的匹配的事情才能够把整个商品部库存搞清楚,把这些规则固化,把原来人工易错和重复劳动从两天变成两分钟,这是自动化的经典应用。

--1-3

04案例:百威英博

基于新的理念和方法的需求预测,为500强快消提升预测精度。

--1-3

这个图是借鉴了语音识别和机器翻译常用的机器算法模型,很创新的用到了零售当中,取得的成果是有10%以上的提升,这个需求预测的提升是优化了整个供应链链条,包括生产计划的优化,包括可以减少经销商的库存,可以减少跨仓库的调度以及减少因为生产产能不足造成的销售机会损失,所以在这一点来说也是跨时代的,用机器学习的算法突破了原来人工用统计学方法预测的极限。

总结

(下图示)这是简单的总结,用这样的企业决策大脑可以实现增长的提升、成本降低、效率提升。
欢迎大家线下多多交流,谢谢大家!

--1-3