观远数据创始人兼CEO苏春园：从BI到AI，企业数智化转型新引擎

观远数据苏春园数据猿

原创苏春园 | 2021-08-25 17:55

【数据猿导读】本文我将基于我们对零售消费行业的深刻洞察与实战经验，讲述企业数智化转型升级过程中从BI到AI的演进史。

“本文由观远数据创始人兼CEO苏春园撰写并投递参与由数据猿&上海大数据联盟联合推出的“行业盘点季之数智化转型升级”大型主题策划活动之《2021中国企业数智化转型升级先锋人物》榜单/奖项的评选。

在数字经济的时代，越来越多的企业开始意识到数据的价值，以互联网为基础，信息技术和数据要素为驱动的新增长模式正在出现，数字化水平较高的企业则开始进入“数字化”到“数智化”的转型升级。

从“数字化”到“数智化”的背后，是大数据、云计算、物联网等为代表的数字技术带来了全球性的科技革命和产业变革，以“数字新基建、数据新要素、在线新经济”为核心特征的新一轮数字经济发展浪潮的全面来临，这为数据智能的落地实践带来了可能。

本文我将基于我们对零售消费行业的深刻洞察与实战经验，讲述企业数智化转型升级过程中从BI到AI的演进史。

从传统BI到智能BI

在新的市场竞争形势下，如何更快、更有效地响应市场变化，开展业务分析并做出相应对策，逐渐成为各个企业的巨大挑战，为了及时洞察消费者需求，挖掘数据价值，很多企业开始引入BI。

BI的概念最早由Gartner在上个世纪90年代提出，当时的商业智能被定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其有应用。

就BI的发展来说，国外BI市场发展较早，在国内则经历了从传统BI到智能BI的更新换代。传统BI主要依靠IT人员根据企业分析需求建模，提前汇总好数据让管理人员或相关业务人员在前端查看分析结果的报表。这样的做法存在的问题是：

1.静态报表不支持深入挖掘问题、定位问题，开会变成了过数据，有问题只能会后再解决；

2.需求分析响应速度慢、耗时长，业务人员无法自己调整报表，只能依靠IT人员重建或修改已有的分析模型。

随着中国零售消费行业的发展，市场对于企业洞察力、决策力的要求不断变高，敏捷而高效BI产品成为了企业数字化过程中的必选项。基于对行业和大数据分析现状的深刻洞察，我们提出了一站式智能数据分析与决策（AI+BI）解决方案，大力推进从传统BI到智能决策的成功转型。

与传统BI不同的是，智能BI不仅能够基于大数据的处理技术实现多元数据汇总、数据建模，还能够通过帮助企业快速构建智能数据分析平台，完成海量数据的自动化处理，实时响应各种突发需求，并通过AI算法介入，辅助企业高频决策，帮助企业减小商业活动中的不确定性。

从BI到AI

自2020年开始，Gartner已将魔力象限报告的关键词从 BI 改为 ABI，其中的A代表的是Analytics更是Augmented，意味着智能化的增强分析，即通过去技术化的手段让分析无处不在，进入到每一个业务场景中，让AI渗透至BI领域。

同时，AI技术的发展将为BI的变革提供有效途径，随着产业数字化带来的数据基础的日益成熟，AI概念的日渐落地，AI+BI不再是一句空洞的口号，而是可以落到实处、看得见摸得着的实际应用。

在具体实践中，AI能够帮助企业在销售预测、门店诊断、行动建议等方面更好地做出决策。以零售消费行业的需求预测为例。企业可以依据AI销售预测的数据更好地实现：

通过销售预测来指导进货与库存，在保证供给的前提下，进一步降低库存金额，降低成本；

对于可售时长比较短的商品，通过精准的销售预测，来指导备货，降低报废率；

对于潜在的销售机会，比如节日、活动、天气变化等，通过销售预测来指导提前备货，充分把握销售机会，最大化销售额。

对于可以做到自产自销的零售企业来说，准确的销售预测，还能够将预测数据倒推到生产、配送环节，指导排产、物流。

通过分时段的销售预测，来指导门店进行更为合理的数据化排班，最大化地利用人力成本，同时保障客户消费体验。

通过对当前累计销售额与未来销售预期的预测分析，评估销售目标的完成进度与质量。有需要的还可以及时调整销售目标，做到敏捷运营。

通过进销存各个环节的预测，增强客户体验，避免各类因缺货、延迟交货、延迟发货等情况导致的客户消费体验下降的情况发生。

在我们“AI+BI”的服务模式中，AI技术一直作为跨越敏捷分析到智能决策的关键推力。如何把AI预测通过更好的数据、模型、计算能力，变得更加智能，并在各个行业的核心场景中进行应用是落地实践的重点。

目前，我们已经帮助联合利华、百威英博等多家500强企业客户实施了需求预测。

从认知到实践

与此同时，我们也要注意，企业在向数智化转型升级的过程中，也需要循序渐进，在完成基础数据建设之后，信奉复利与长期主义。

在服务客户服务时，一定要坚持“看3年，做3个月”的原则，无论是哪种类型的企业，都要先根据自己的基因、发展阶段和特色，找到自己品牌比较合适的数字化的建设路径，做到：回归本质、以终为始、分步构建。

对于数据基础相对还比较薄弱的企业，建议企业可以先梳理底层数据，把能够构成基本盘的数据尽快沉淀下来，选择一些核心业务场景，搭建运营分析体系。

对于数据基础比较完善的企业，则可以做更全面的数据分析和数据应用体系构建，通过赋能业务人员掌握自助式数据分析能力，不断进行数据迭代和闭环，打造企业专属的智能决策大脑。

观远数据_苏春园_数据猿-1

数据基础的积累并非一朝一夕之事，从BI到AI也需要一个发展的过程。为此，我们基于国内市场现状提炼出了BI+AI的5A实践路径帮助企业构建智能决策大脑，其中Agile 敏捷化、Accurate 场景化、Automated 自动化、Augmented 增强化和Actionable 行动化对应着不同数据基础的企业。

随着DT时代的到来，能否用数据驱动智能决策，决定了企业核心竞争力。如何利用数智化的能力获得全新的增长空间，通过人货场的持续迭代与精细化运营，获得全新的“代际”竞争力成为了关键。观远数据也将秉持“让决策更智能”的使命，为更多企业提供从敏捷分析到智能决策的数字化解决方案，助力企业精益增长，降本提效。

作者个人简介

苏春园，观远数据创始人兼CEO，有超过15年数据分析实战经验，为很多500强企业一级新锐品牌提供过大数据分析方面的服务。2016年成立观远数据，致力于为企业提供新一代大数据智能分析平台与行业最佳数据分析解决方案。

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。