從“數(shù)字化”到“數(shù)智化”的背后，是大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)帶來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”為核心特征的新一輪數(shù)字經(jīng)濟發(fā)展浪潮的全面來臨，這為數(shù)據(jù)智能的落地實踐帶來了可能。

本文我將基于我們對零售消費行業(yè)的深刻洞察與實戰(zhàn)經(jīng)驗，講述企業(yè)數(shù)智化轉(zhuǎn)型升級過程中從BI到AI的演進史。

在新的市場競爭形勢下，如何更快、更有效地響應市場變化，開展業(yè)務分析并做出相應對策，逐漸成為各個企業(yè)的巨大挑戰(zhàn)，為了及時洞察消費者需求，挖掘數(shù)據(jù)價值，很多企業(yè)開始引入BI。

BI的概念最早由Gartner在上個世紀90年代提出，當時的商業(yè)智能被定義為一類由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等部分組成的、以幫助企業(yè)決策為目的的技術(shù)及其有應用。

就BI的發(fā)展來說，國外BI市場發(fā)展較早，在國內(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)務人員在前端查看分析結(jié)果的報表。這樣的做法存在的問題是：

1.靜態(tài)報表不支持深入挖掘問題、定位問題，開會變成了過數(shù)據(jù)，有問題只能會后再解決；

2.需求分析響應速度慢、耗時長，業(yè)務人員無法自己調(diào)整報表，只能依靠IT人員重建或修改已有的分析模型。

隨著中國零售消費行業(yè)的發(fā)展，市場對于企業(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)字化過程中的必選項?；趯π袠I(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)實現(xiàn)多元數(shù)據(jù)匯總、數(shù)據(jù)建模，還能夠通過幫助企業(yè)快速構(gòu)建智能數(shù)據(jù)分析平臺，完成海量數(shù)據(jù)的自動化處理，實時響應各種突發(fā)需求，并通過AI算法介入，輔助企業(yè)高頻決策，幫助企業(yè)減小商業(yè)活動中的不確定性。

自2020年開始，Gartner已將魔力象限報告的關(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分析，即通過去技術(shù)化的手段讓分析無處不在，進入到每一個業(yè)務場景中，讓AI滲透至BI領(lǐng)域。

同時，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)字化帶來的數(shù)據(jù)基礎的日益成熟，AI概念的日漸落地，AI+BI不再是一句空洞的口號，而是可以落到實處、看得見摸得著的實際應用。

在具體實踐中，AI能夠幫助企業(yè)在銷售預測、門店診斷、行動建議等方面更好地做出決策。以零售消費行業(yè)的需求預測為例。企業(yè)可以依據(jù)AI銷售預測的數(shù)據(jù)更好地實現(xiàn)：

• 通過銷售預測來指導進貨與庫存，在保證供給的前提下，進一步降低庫存金額，降低成本；

• 對于可售時長比較短的商品，通過精準的銷售預測，來指導備貨，降低報廢率；

• 對于潛在的銷售機會，比如節(jié)日、活動、天氣變化等，通過銷售預測來指導提前備貨，充分把握銷售機會，最大化銷售額。

• 對于可以做到自產(chǎn)自銷的零售企業(yè)來說，準確的銷售預測，還能夠?qū)㈩A測數(shù)據(jù)倒推到生產(chǎn)、配送環(huán)節(jié)，指導排產(chǎn)、物流。

• 通過分時段的銷售預測，來指導門店進行更為合理的數(shù)據(jù)化排班，最大化地利用人力成本，同時保障客戶消費體驗。

• 通過對當前累計銷售額與未來銷售預期的預測分析，評估銷售目標的完成進度與質(zhì)量。有需要的還可以及時調(diào)整銷售目標，做到敏捷運營。

• 通過進銷存各個環(huán)節(jié)的預測，增強客戶體驗，避免各類因缺貨、延遲交貨、延遲發(fā)貨等情況導致的客戶消費體驗下降的情況發(fā)生。

在我們“AI+BI”的服務模式中，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預測通過更好的數(shù)據(jù)、模型、計算能力，變得更加智能，并在各個行業(yè)的核心場景中進行應用是落地實踐的重點。

目前，我們已經(jīng)幫助聯(lián)合利華、百威英博等多家500強企業(yè)客戶實施了需求預測。

與此同時，我們也要注意，企業(yè)在向數(shù)智化轉(zhuǎn)型升級的過程中，也需要循序漸進，在完成基礎數(shù)據(jù)建設之后，信奉復利與長期主義。

在服務客戶服務時，一定要堅持“看3年，做3個月”的原則，無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)字化的建設路徑，做到：回歸本質(zhì)、以終為始、分步構(gòu)建。

對于數(shù)據(jù)基礎相對還比較薄弱的企業(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，選擇一些核心業(yè)務場景，搭建運營分析體系。

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

數(shù)據(jù)基礎的積累并非一朝一夕之事，從BI到AI也需要一個發(fā)展的過程。為此，我們基于國內(nèi)市場現(xiàn)狀提煉出了BI+AI的5A實踐路徑幫助企業(yè)構(gòu)建智能決策大腦，其中Agile 敏捷化、Accurate 場景化、Automated 自動化、Augmented 增強化和Actionable 行動化對應著不同數(shù)據(jù)基礎的企業(yè)。

隨著DT時代的到來，能否用數(shù)據(jù)驅(qū)動智能決策，決定了企業(yè)核心競爭力。如何利用數(shù)智化的能力獲得全新的增長空間，通過人貨場的持續(xù)迭代與精細化運營，獲得全新的“代際”競爭力成為了關(guān)鍵。觀遠數(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，降本提效。

作者個人簡介

蘇春園，觀遠數(shù)據(jù)創(chuàng)始人兼CEO，有超過15年數(shù)據(jù)分析實戰(zhàn)經(jīng)驗，為很多500強企業(yè)一級新銳品牌提供過大數(shù)據(jù)分析方面的服務。2016年成立觀遠數(shù)據(jù)，致力于為企業(yè)提供新一代大數(shù)據(jù)智能分析平臺與行業(yè)最佳數(shù)據(jù)分析解決方案。