構建新零售決策大腦:從資料分析到智慧決策
8月24-25日，觀遠資料受邀參加“第四屆中國行業網際網路大會暨CIO班13週年年會”，並榮獲“2018年度CIO最信賴服務商獎”。
觀遠資料創始人兼CEO蘇春園在會上做了題為“構建新零售決策大腦：從資料分析到智慧決策”的精彩分享，收到熱烈反響。
具體內容如下：
關於觀遠
大家下午好！今天在座的有老朋友，更多的是新朋友。我在創立觀遠資料之前就是做資料分析的。我們知道，資料分析解決的就是精細化管理問題。2018年年中，這可能是一個拐點，企業粗放式發展的紅利褪去了，現在正逐漸回到經營的本質。
我在兩年前成立了觀遠資料，初衷是想通過AI更先進的演算法讓資料分析更加智慧。
國內現在有三大加速器，微軟加速器、騰訊AI加速器、萬達創新加速器，觀遠資料是唯一一家在今年被三大加速器同時選入的技術創新型企業。我們跟他們合作，以及跟一些500強、行業領軍公司合作，一起去探索怎麼樣用資料驅動營銷決策。
BI與大資料的趨勢
01.資料分析的全球發展
在資料分析和BI領域，從國外到國內有一些是可以借鑑的，但是國內還是有一些不一樣的需求。這是2018年Gartner的報告（下圖），他對全球CIO（裡面有很多零售的CIO）關於2018年的預算花在哪些方面做的調研。
排在第一是資料分析和BI方面，達到19%。AI現在大家討論的很火，排在第十的位置。其實很多公司關注AI，但是真正落地時會發現（比如預測），我一定是需要歷史的各種細粒度的銷售明細、促銷資料等來支撐，因此如果沒有一個好的資料分析基礎和BI基礎體系的建設，AI是很難落地的。
02.未來演進趨勢
傳統BI的產品和方案大家都非常熟悉了，像BO、Cognos等等，但是他們慢慢地在退出這個舞臺。這背後有更大的趨勢，投入在更新的領域就是資料分析。
以星巴克為例，星巴克在全球有幾萬家門店，怎麼樣對這些門店的經營表現進行分析，如何及時發現它的異常，這是最核心的一個關鍵。他們有很多分析的場景，在這背後如果是傳統方式解決的話，需要人大量的解讀這些資料，分析人員去看每一個門店背後有什麼異常，密密麻麻的Excel表格以及大量的報表和儀表板，這些都是傳統BI裡面我稱之為“站樁看資料”的上一代方式。
但這些方式更多都是過去時了，那麼未來更智慧的方式是什麼？一定是要告訴我們結果，給出行動建議。
比如說在這個模擬的場景裡面，這個是我們關注的區域門店裡面，哪些門店有異常、哪些指標有異常、為什麼有異常、哪些維度裡出現異常。當它發現異常之後，會自動打通到這個區域的督導或者品類負責人，並在移動端做出及時響應。這個場景是從傳統的只是看資料，到及時給出行動決策，這是一個大的變化。
那麼這個背後怎麼支撐？我們的方案是“觀遠5A路徑”。現在各家最不缺的就是各種各樣的資料來源。我們對資料來源首先要做到敏捷化。更進一步就是場景化。比如說以連鎖為例，單店怎麼做、報廢怎麼做。再就是自動化，資料追人，還有就是行動化，這是智慧運營系統，最後是增強化，也就是偏AI的部分。
觀遠新零售方案
接下來給大家分享一下客戶是怎麼樣和我們一起去共建方案的。
在零售裡面大家都談“人、貨、場”，但是我們發現一定體量之後，第四個因素，也就是“決策大腦”越來越重要。為什麼？這裡舉了一些例子，當然不同行業複雜度不同，可能複雜N倍。每一個零售的決策場景無處不在，因為我們有幾百個、幾千個門店，或者幾千個渠道點，有大量的會員等等。但是每天從CEO的角度看店長，店長做的是什麼？微決策。比如說下午4點以後，哪些品類要及時做調整，如何第一時間去關聯並主動去推動。
1
第一個例子是今天便利店，這是便利店行業最創新的一個品牌，總部在武漢，有400家門店。他們整套大資料分析的平臺，從基礎的資料分析指標體系到深度的應用是和我們一同共建的。
選擇其中幾個場景來分享：
首先這個是一個非常經典品類的挖掘，這裡面大的品類到中品類、小品類。原來的話基本是分析到小品類就差不多了，但是如何在海量資料裡面鑽取到某一個單品，觀遠智慧BI可以實現，且這個分析路徑是自動監控的。
第二，是線下客流部分。我們可以看到資料顯示（下圖），哪些人進店前是開心的，哪些是進店前是不開心的，哪些對消費體驗產生影響。通過採集，把門店端的客流資料和經營資料、排班資料結合起來形成一個完整的場景去回答，哪些門店哪些客戶消費體驗是在過去24小時裡面有問題的。這是資料驅動消費體驗的改善體現。
第三，就是對於企業來說，三張報表只是基礎工作。第四張報表關乎企業運營的是否健康。我們這裡可以看到每一個門店跟他同比的門店，在過去一個時間段營銷活動表現好或不好，從中可以進行細分，對它進行打分。對於督導、對於總部來說關注的是自動得出的結論。這樣的方式把好的經驗、管理、決策提煉出來，讓門店運營得到提高。
2
還有一個例子是來伊份，這裡是會員分析的場景，在這個基礎上可以進行更豐富維度的分析。其實我們知道CIO最擔心的不是上線一個系統本身的複雜度，而是上了這個系統推廣不起來怎麼辦，否則這會產生巨大的浪費。所以一個系統好不好用，能不能很輕、快，被大量的用起來，這個尤其關鍵。更進一步，當這些系統用起來之後我們希望它能夠用活。天然直接SAP的資料，幫助來伊份決策。
3
接下來一個例子是亞瑪芬。他們也是SAP的客戶，因為這些品牌都是他擴張的過程當中陸陸續續收購的，雖然他有完整的SAP的系統，但是挑戰在於多品牌、資料分散。
它始終有一個場景繞不開，就是商品部門每週，甚至希望每天都希望知道每一個SKU真實的庫存數。這個我們知道是不容易的，因為可能會有電商全渠道、退貨、在途等等，所以他們的商品部門的工作人員有兩位同事每週要花兩天時間手動的大量重複的工作，從裡面匯出SKU資料，和他內部的主資料，再加上損耗等資料得出這樣一個結果。
但是通過我們全自動化的方案（業內首創拖拽式Smart ETL），在這裡大家可以看到，直接把他處理邏輯和原系統做了一次性配置，剩下的就交給系統，原來需要兩天大量的重複的過程直接一鍵解決，基本上沒人干預。通過這個全自動的分析，他的決策效能得到很大的提高。那麼人員的能量可以被大量的釋放出來做一些其他的事情。
4
最後一個例子是百威英博，包括跟聯合利華等500強一起合作做的AI預測專案。他們所做的事情是什麼呢，是每一個區域每週都需要做需求預測。過去的做法是需求預測部門有很多人，計劃員跟各個大區銷售進行分析判斷，得出一個結論。這個過程一方面重複，一方面是基於經驗。所以我們全自動化，第二會自帶很多零售演算法的演算法庫。
大家看到的這個（上圖）就是一個非常適合零售行業跟時間序列有關的演算法，它可以有效看歷史的規律對未來的影響，所以最後可以達到10%的提升，這個不僅僅是效率提升，更多的是降損的效果。
總結
小結一下，這個是我們的產品矩陣（下圖），區別於傳統的BI，從敏捷分析一步步進入到更加智慧決策的路徑。我們一些客戶有些是在前面階段，有些是進入到後面智慧的階段。
最本質的一點，在未來精細化是基礎，智慧化是方向。所以循序漸進通過更輕更快的方式讓系統用活，這是從零售企業角度來說去真正讓資料產生價值的關鍵要素。
時間關係就分析到這裡，如果有興趣的話我們在會後繼續展開交流。謝謝大家！