數據中臺技術匯 | 智能算法助力企業效率升級

移動生產力和傳統企業困境

縱觀歷次生產力革命，都是從生產者的技術革新開始，最后波及到消費者。幾次工業革命中，能源和制造工藝的升級極大地提高了生產效率，并且創造了大量的新工種，最終提升了消費者的生活質量，促進一輪又一輪的消費升級。最近的信息技術革命，互聯網最先使用在國外的大型工業產業，之后普及到社會生活中，才帶來了無數次的生產力提升的機會和挑戰。

然而，移動互聯網生產力的產生和發展卻不同，它產生于消費端而不是生產端。移動互聯網生產力帶來了兩個核心能力：

1. 分布式，去中心化

2. 縮短信息傳播路徑

在消費端，移動互聯網連接起海量的消費實體，通過一種自發的組織方式，實現了去中心化。消除了之前的生產力單點瓶頸，使得消費規模呈指數級增長。分布式的組織形式同時提供了消息傳遞的極短路徑，使得銷售活動可以非常高效地組織起來，同時增加了消費鏈路的透明化，推動消費力極大提升。

受互聯網發展的影響，消費端的需求逐漸提升，給生產端帶來越來越大的產能壓力。生產端產能升級迫切需要，生產力的再平衡如箭在弦上，不得不發。如何利用移動互聯網的技術優勢和越來越豐富的人工智能算法能力，在生產端發力，提升生產效率，成為了一個越來越重要的命題。同時生產關系隨著消費者和生產者的效率升級，也需要重構，而線下的很多傳統企業多年打造的復雜系統，面臨著巨大的挑戰。

基于這個命題，奇點云提供了數據化智能解決方案。在很多行業不斷打磨、沉淀，深度嘗試移動互聯網技術和AI算法，形成了前沿的創新型算法模型，大幅度提升線下生產力效能，重構生產關系。新的商業模式，一切為了效率。

數據質量這么差，企業如何數字化升級？

在過去的10年，移動生產力通過對人貨場的信息流改造，極大地提高了線上消費場景的效率。但是線下，卻看不到信息流全面覆蓋。大量的傳統行業還是停留在原始的人工運營為主的情況，少數建立了孤立信息系統。在大數據時代，傳統企業，仍然擺脫不了缺乏數據的魔咒。這種數據的欠缺主要表現在兩個方面：

1.線下運營和管理的數據存在獨立的MIS系統中，且深度耦合業務，數據孤島很難打通。

2.線下的用戶行為單一，目前還沒有完善的收集跟蹤用戶在線下交易的完整行為鏈路，對于用戶的偏好和厭惡很有具有說服力的數據來支撐。

基于這樣單薄稀疏的數據，在人貨場的任何場景都很難有大幅度的效率提升，只能自動化最基礎的工作，和線上的智能化、數據化相去甚遠。

針對這些問題，奇點云的數據中臺服務通過整合數據孤島，并結合行業知識，設計行業數據模型，打通不同部門的數據，同時也打通了不同部門的業務。結合我們的能力，企業就可以完全實現：從無數據，到能自主地生產數據。生產是動態的、源源不斷的，這也是企業未來數字化轉型的數據基礎之一。

但是，線下用戶稀疏而單一的行為數據，仍然是目前AI落地傳統行業的重大障礙。

為了解決數據的問題，主要有兩個方向，豐富線下的端和提高一方數據的利用效率：

1.我們開發的智能魔柜、魔鏡、識客系統是很好的用戶線下行為的采集終端。同時，隨AI時代來臨帶來的更強大的算法模型，被用來更加高效的處理線下稀疏的數據。

2.企業的一方數據主要是銷售數據和會員數據等。這些原始數據維度單一、低周轉的商品還存在稀疏的問題。經過在大量項目的實踐，針對這兩個問題我們總結了可靠的方法論：

(1)維度單一：我們可以通過增加模型對相關聯特征的衍生挖掘，補充更多維度的特征；

(2)數據稀疏：我們可以通過解耦和建立子模型的方式，通過簡單模型融合、跨任務融合的方式，提高模型效果。并結合深度神經網絡的結構化數據挖掘優勢，線下數據的諸多問題都被弱化，甚至基本解決。

實戰打磨，AI助力企業智能升級

目前我們積累了大量的實踐項目，幫助傳統企業更好地使用自己數據，挖掘線下數據的價值。

銷售數據是線下用戶行為的最主要來源，但類比線上的數據：點擊、購買、收藏、加購，顯得單一且稀疏。而且線下數據缺乏負樣本的支持，使得傳統的監督學習在使用到線下數據場景上尤為困難。

奇點云大數據算法團隊目前有兩把尖刀，在真實的線下數據場景中取得了不錯的效果。

1. 無監督畫像：通過建立經驗概率模型，結合行業中實體關系，建模實體概率模型并求解。從POS單中挖掘了人-貨-場多個維度的畫像。通過聚類分析和人工解釋，洞察出了各個維度畫像之間隱藏的可解釋關系。一方面，可以提供商家更加豐富靈活的運營手段；另一方面，可以作為特征加入模型，解決稀疏數據的泛化性問題，在智能調補貨、智能排班、智能定價模型中，對于需求預測的準確率提高效果顯著。

2. 需求預測和分析：線下場景的一個重要應用就是用戶需求預測，需求預測可以提升供應鏈效率、提升企業內管理效率、提升運營質量。基于數據中臺的需求預測可以輔助企業的決策層做出更加合理的經營決策。所以，需求預測的準確性非常重要，國外制造業的領先公司，都對需求預測投入了大量成本，1%的需求預測準確率提升，會帶來10%-20%的凈利潤提升。

奇點云算法團隊通過對不同行業銷售數據的深入分析，研究了時間序列、boosting、深度模型等多種方法，全面對比了不同方法在不同場景下的效果。發現其實銷售數據只是表象，根本的是背后的業務邏輯，不同銷售屬性的產品，其數據的分布有巨大區別，數據之間的勾稽關系更是天壤之別，適用的算法也決然不同。我們從“分”到“合”提出了解決方案：

1.從“分”的角度，我們結合行業的不同情況，對需求預測問題分解，針對同一個行業中不同的行為，對需求預測再次分解。

2.從“合”的角度，我們合并行業間的通用問題，合并問題間的通用解決方案。形成了零售、鞋服、綜合體等多個領域的需求預測解決方案。

需求預測不是一個簡單的預測問題，還涉及到業務交互和理解。奇點云需求預測平臺：支持業務可理解的需求解耦、需求重塑。提供給運營人員和企業高層對業務更加深入的洞察角度，和制定經營計劃的精準打擊武器。

商業戰場，瞬息萬變，我們的算法工具，不能呼風喚雨，卻可以預測未來。成敗之間，細節為王。借助數據中臺、數據分析、移動互聯網算法技術，奇點云算法平臺希望能成為企業的核心王牌，幫助側重線下場景的企業能笑到最后。