AI新赛道:智能决策如何助力新鲜零食巨头每年节约数亿元

猎云网王非2022-04-08 15:39 大公司
IDC认为“企业智能理念兴起,智能预测与智能决策价值凸显”。

一、智能决策的前世今生


传统的管理将组织活动分为高层决策、中层管理和基层作业。认为决策只是组织中高层的事,与下面的其他人员无关。作为管理学科的一个重要学派,决策管理学派把二战以后发展起来的系统理论、运筹学、计算机可续等综合运用于管理决策问题,形成了一门有关决策过程、准则、类型及方法的较完整的理论体系。

图灵奖得主,同时也是管理方面唯一获得诺贝尔经济学奖的赫伯特·A·西蒙即是该学派的创始人之一,西蒙等人认为“管理活动的中心就是决策”,“管理的各层次,无论是高层,还是中层和基层,都是在进行决策”。

然而,身处信息过载、技术爆炸和组织复杂度倍增的智能时代,决策制定的难度和不确定性也相应呈指数级上升,对组织来说,重要的不仅是获得信息,更在于对信息进行及时加工、正确分析、洞察规律,支撑决策。

全球知名IT市场研究机构IDC敏锐地洞察到这一趋势,把智能决策作为将会彻底重塑市场的变革型技术纳入“人工智能软件平台技术图谱,2021”。随后在2021年11月公布的《IDC 2022年中国ICT市场十大预测》中,IDC认为“企业智能理念兴起,智能预测与智能决策价值凸显”。

二、智能决策的最佳实践


进入2022年,IDC率先发布《IDC PeerScapeTM:智能决策产品同业洞察》(下称:《同业洞察》),梳理了零售、金融、水利能源等行业企业在建设智能决策应用时所遇到的常见挑战与最佳实践。

(一)来伊份依托AI驱动的智能决策实现北极星指标,年节约数亿


随着业务场景中越来越多实时、高频、重复的需求井喷,零售企业过往引入的各种商业智能(BI)工具因存在时滞性,且仍需管理部门对实际业务进行人工优化和调整,并不能达到预期成效。

来伊份根据多年积累的业务经验,由业务部门主导设定了面向核心战略目标、对业务提升最为关键的北极星指标——现货率、库存周转率、完美订单履约率。

截至2021年底,来伊份依托第四范式的智能决策平台产品和技术服务,实现了智能决策在销售预测、智能定价、智慧供应链等多个核心业务环节的落地。

一期合作的成效显示,来伊份已实现38万长尾商品系统智能补货,约3000个门店系统自动补货调拨,销售预测准确率提升1倍,销售现货率达到95%以上:实现了插拔式的云仓云配的销售和供应网络体系;实现了全渠道的盘货管理,预计可节约人效20万人时/每年,节约库存资金数亿元。

同时,来伊份还在目标管理、品类规划、智能选品、全网销售预测、订单履约管理、智能库存等取得了良好的试点效果,如订单履约场景下实现了超过70%的订单由机器完成,相较之前人工下单有几何倍数的效率提升,出错率大大降低。

IDC在《同业洞察》中指出,零售企业需要首先在业务侧设置北极星指标,实现经营决策的数字化;其次,在变化的业务中,没有“最佳实践”,要在不确定中持续迭代进化,建立面向北极星目标的迭代型组织;最后,要建立对北极星指标体系负责的平台体系,自顶向下或自底向上,规划一系列提升北极星指标的数字化实验场景,由一系列量变汇聚成质变,实现业务腾飞。

(二)智能决策在银行、水电等产业界加速落地


在《同业洞察》中,除了上述以来伊份为代表的零售业之外,智能决策也已经在银行、水利能源等行业加速落地。

广发银行早在2019年便与智能决策相关厂商开展合作。为提升智能决策应用开发的产能和效率,解决因建模人员供给有限,模型供给产能不足的问题,广发银行2019年开始对自动机器学习AutoML开展研究,目前已经完成试点落地和赋能推广,进入规模化应用阶段。广发银行依托先知建模平台HyperCycle ML,构建决策类自动机器学习平台。大幅降低建模门槛后,对零基础的开发人员赋能,可在1个月内完成平台的掌握和模型的建设。模型开发周期缩短50%以上,大幅提高了AI决策模型落地的效率。

IDC在《同业洞察》中指出,随着组织中智能决策类需求的日益增加,需要开发的模型数量快速增长,有必要考虑引入AutoML工具,并打造敏捷快速的模型开发部署平台,加速智能决策应用上线。

智能决策在保障水利能源行业的安全生产方面同样大展身手。长江电力葛洲坝水力发电厂与广州健新科技合作在2020年将国内智慧水电领域首个“水电机组全息监测项目”—— 葛洲坝电站全息监测系统高级应用投入试运行,落地了工况识别、经济运行分析、趋势分析、故障诊断、设备评估、维修指导等多个智能决策高级应用。实现了机组同类型的检修时间、启动实验时间显著缩短,有力保证了零弃水目标的实现,节水增发电量有了大幅提升,经济效益提升显著。

IDC在《同业洞察》中鼓励业务与技术人员共同参与智能决策应用的开发和使用。智能决策系统旨在支撑企业的关键业务目标实现,需提供低门槛,甚至零代码的开发与自动化配置能力,便于对IT不太了解的业务人员也能快速上手开发出面向业务的智能决策应用。

三、智能决策的广阔前景


IDC预测,到2025年,超过60%的企业将把人类专业知识与人工智能、机器学习、NLP和模式识别相结合,做智能预测与决策,增强整个企业的远见卓识,并使员工的工作效率和生产力提高25%。要达到这些绩效,设置用于协调业务与AI的专属CXO也将成为刚需。

作为潜力巨大的新兴赛道,智能决策目前尚无公认的定义。IDC中国助理研究总监卢言霞在接受采访时表示,“智能决策在AI赛道里属于比较前沿的赛道,能促进AI进入一个更高级、更融合的阶段。一般理解上,指利用机器学习、深度学习、联邦学习等技术,识别数据中的隐藏规律,支撑诸如精准营销、销量预测、供应链管理、风险控制等企业核心业务环节实现智能决策;2021年以来,一些公司赋予了智能决策全新内涵,比如第四范式在帮助企业把核心战略用可量化的方式进行数字化落地,通过设置相关的北极星指标,以同一套标准进行拆解、实验和量化评价。”

谈及市场空间和增速,卢言霞表示:“明显可见的是,这是一个正在兴起的市场,预计未来5年的复合增长率能在50%以上。智能决策涉及的核心技术带来的软件、硬件,还有服务等相关市场,有望达到千亿规模。近日,国家发改委等部门联合印发文件宣布‘东数西算’工程正式启动。而伴随这些大项目、大工程的不断批复落地,也都会直接或间接地带动智能决策应用的一些新思路落地,带来一些新的项目机会。”

除了《同业洞察》中提到的几大行业外,卢言霞认为,“制造业也是一个非常有潜力的行业,包括生产车间的数字工厂。此外,交通行业,不管是机场航班还是高铁、地铁的资源调度,也都是有很大的潜力的应用场景。”

面对不断加剧的竞争,卢言霞则建议企业用户,“需要以一种开放的心态和外部合作伙伴共同探索一些场景化的应用。同时,智能决策作为一项涉及到企业核心战略的举措,应该从整个企业的最高层级,开始探讨并实施智能决策。”

【本文为合作媒体授权博望财经转载,文章版权归原作者及原出处所有。文章系作者个人观点,不代表博望财经立场,转载请联系原作者及原出处获得授权。有任何疑问都请联系(联系(微信公众号ID:AppleiTree)。免责声明:本网站所有文章仅作为资讯传播使用,既不代表任何观点导向,也不构成任何投资建议。】

猜你喜欢