BI的應用在不同階段的企業中有不同的需求,對于新經濟、高成長企業來說,首要的是通過商業智能快速從0-1構建起數據分析體系,讓企業獲得挖掘數據價值的能力。對于規模化的大型企業來說,就需要更強大的企業級數據分析能力,來幫助企業做出更準確的業務決策。
大型企業的業務流程繁多,相應的將產生海量數據,如此巨大的數據體量如果通過“手工化”的處理流程,其處理的顆粒度必然非常粗獷。“人”的管控能力往往受制于個人經驗,就必然難以避免因人而生的錯誤與效率的低下。
以聯合利華為例,作為國際化大型企業,進入數字化時代,其在“人、貨、場”方面面臨的挑戰也是巨大的。
“貨”的層面,聯合利華在中國運作品牌接近80個,單品數量超過3000個,品類涵蓋日化、家化、食品、冰淇淋等眾多不同類目;
“場”的層面,聯合利華需要直接面對全國對接8000多家配送網絡級配送需求,從大的超市客戶,到四五六線的小的分銷商;
“人”的層面,聯合利華面對的是在不同消費場景中,消費特征差異化十足的消費者群體,而每一次與消費者的觸達都會轉化為需求的信號。
從消費者的需求,連接到“貨”的供應“場”的對接,以滿足消費者需求,在以上如此龐大的數據基礎上,想要倚杖人腦來處理分析,做出需求預測是絕無可能的,更難以得到足夠細顆粒度的分析結果。
而未來,企業管理正在從“粗放式”向“精細化”轉變,企業做業務決策時數據的顆粒度要求只會更細,顆粒度革命正在加速到來。
因此,我們需要思考,在BI之上,如何突破人的局限,實現智能決策?
觀遠數據在與聯合利華、百威亞太、沃爾瑪等領先企業的合作中,進行了供應鏈與需求分析預測等方面的前沿實踐。并獨家推出能夠基于數據與算法,實現多個場景預測的AI小助手,以數據驅動從全局出發,指導計劃生產與管理。
觀遠數據還在行業內普遍關心的“產銷匹配”需求上進行了成功實踐。觀遠數據的AI需求預測能力以不同的商品、渠道、時間的預測規模化地取代了基于人工的傳統BI預測方式,在與某世界500強企業的四年合作中,至2020年覆蓋了該企業80%的生意,到今年已超過90%。
除了供應鏈預測,品牌商也可以將AI算法融合到各大業務場景中,進行財務預測、客戶流失預測、AI稽查、商品精準營銷等增強分析,提高自己的風險預測能力。
數據是BI的基礎,而BI是AI的基礎。
信息化、數字化到智能化已經變成不同行業企業轉型升級的必然路徑,在未來幾年里,伴隨著新經濟產業的不斷發展,大數據應用落地的穩步成熟,更快、更智能的數據決策成為可能。
而觀遠數據,也將持續迭代更新產品,在更長的時間里,推動行業長遠創新,讓企業得以自主掌控時代發展的脈搏。
