聯(lián)商網(wǎng)消息：2020年注定是載入史冊的一年。逆境之下，新一代消費(fèi)心理和營銷模式正發(fā)生巨變，零售企業(yè)的“人貨場”格局自此面臨重塑，數(shù)字化轉(zhuǎn)型再次被推上促增長的拐點(diǎn)。不確定性已經(jīng)成為常態(tài)，精細(xì)運(yùn)營、快速反應(yīng)，讓決策更智能，將成為未來十年的確定性。

10月23日，2020觀遠(yuǎn)數(shù)據(jù)智能決策峰會暨產(chǎn)品發(fā)布會在上海舉行，本次峰會由國內(nèi)零售智能分析領(lǐng)域的領(lǐng)先企業(yè)觀遠(yuǎn)數(shù)據(jù)主辦。此次峰會匯集了500+來自連鎖零售、快消品牌、購物中心、新經(jīng)濟(jì)消費(fèi)等各個領(lǐng)域中有代表性的企業(yè)高層，釋放前沿觀點(diǎn)，解讀疫后企業(yè)數(shù)字化轉(zhuǎn)型方法，共同探索通往數(shù)據(jù)智能的新路徑。

聯(lián)合利華中國業(yè)務(wù)集團(tuán)供應(yīng)鏈高級總監(jiān)楊紀(jì)寶帶來了《AI賦能供應(yīng)鏈數(shù)字化轉(zhuǎn)型》的主題演講，他表示，聯(lián)合利華堅(jiān)持打造、建設(shè)數(shù)字化能力，根本原因在于企業(yè)在快消行業(yè)里面碰到的很多傳統(tǒng)積累下來的業(yè)務(wù)痛點(diǎn)，必須要通過數(shù)字化的新技術(shù)來突破解決，更好的服務(wù)消費(fèi)者。

如今，消費(fèi)者購買的行為習(xí)慣、消費(fèi)習(xí)慣變得比以前更加的隨機(jī)難以預(yù)測。所有的東西都變得無比碎片化、隨機(jī)化，作為品牌商幾乎在所有的消費(fèi)場景下都被這種新的消費(fèi)形態(tài)沖擊。他認(rèn)為，在這種情況下，借助AI能力實(shí)現(xiàn)人機(jī)友好結(jié)合互動共同學(xué)習(xí)，完成全面的數(shù)字化轉(zhuǎn)型顯得尤為重要。

以下為楊紀(jì)寶演講摘要：

談人工智能的話題，對我來說是一個挑戰(zhàn)，我在思考到底站在什么樣的角度跟大家分享。想來想去，只能真切地跟大家分享一下過去3年，我們切身在做的數(shù)字化轉(zhuǎn)型歷程。

前段時間在北京參會時聽到過一句話：在數(shù)字化轉(zhuǎn)型里，撇開專業(yè)能力，最為重要的能力之一是填坑能力。這正是我們與觀遠(yuǎn)在過去一段時間內(nèi)重點(diǎn)打造的核心能力之一。

三年前，剛開始“數(shù)字化”旅程時，我們對未來的暢想非常美好。我們認(rèn)為，隨著新技術(shù)的延伸跟發(fā)展，隨著新技術(shù)的高端化、工業(yè)化，所有的行業(yè)都會發(fā)生突變，也包括了我們所在的快消行業(yè)。懷著這樣的憧憬，我們開始推進(jìn)數(shù)字化轉(zhuǎn)型——利用人工智能技術(shù)，解決過去過分仰仗于人做預(yù)測的核心痛點(diǎn)。然而，真正開始的時候，我們發(fā)現(xiàn)現(xiàn)實(shí)跟理想差距不是城市到郊區(qū)的差距，而是兩個星球之間的差距，在這個過程中，我們遭遇了很多的挑戰(zhàn)，幾乎是屬于逢山開路、遇水疊橋。

快消行業(yè)中的新消費(fèi)形態(tài)

為什么要這樣堅(jiān)定的走這樣一段路？根本原因在于，當(dāng)下快消行業(yè)存的很多業(yè)務(wù)痛點(diǎn)已經(jīng)沒辦法依靠傳統(tǒng)的方式解決。

在快消行業(yè)中，相比以前，消費(fèi)者購買的行為習(xí)慣、消費(fèi)習(xí)慣變得更加的隨機(jī)、不可琢磨。在傳統(tǒng)的消費(fèi)場景時，你可以知道某一個社區(qū)某一個消費(fèi)者，會在什么時間到哪個場景去購買聯(lián)合利華的哪件產(chǎn)品。但是，因?yàn)槿缃裼刑嗟南M(fèi)形態(tài)、動機(jī)，有更多的便利渠道供消費(fèi)者選擇，這些東西變得無比碎片化、隨機(jī)化。作為品牌商，我們幾乎在所有的消費(fèi)場景下，都遭到新消費(fèi)形態(tài)沖擊。

隨著新興渠道崛起，粉絲經(jīng)濟(jì)的影響仍然巨大，與此同時，消費(fèi)者對虛擬品牌印象、跨界品牌聯(lián)合，有很強(qiáng)的新訴求。直播更是時下的大熱門：剛開始做直播時，我們一天的直播銷量，相當(dāng)于傳統(tǒng)線下經(jīng)銷商一至兩周的銷售額；如今，一場直播帶來的銷量，甚至可能達(dá)到一個經(jīng)銷商一年的銷售量。

在業(yè)務(wù)層面，我們曾面臨的一大挑戰(zhàn)是什么？ 在傳統(tǒng)業(yè)務(wù)流程里面，我們過多的仰仗“手工化”的處理流程，但整體數(shù)據(jù)量非常大，過多的仰仗于人工的處理方式，會導(dǎo)致處理的顆粒度非常的粗獷，無法做到對消費(fèi)者訴求的精準(zhǔn)履約服務(wù)。

在中國，聯(lián)合利華運(yùn)作了接近80個不同的品牌，有接近3000多個不同的單品，涵蓋日化、家化、食品、冰淇淋等不同品類。我們要直接面對全國接近8000家配送網(wǎng)絡(luò)，以及配送需求。有大的超市客戶，也有到四線五線甚至六線小的分銷商。在不同場景中，消費(fèi)者群體的特征有很大的差異。對我們而言，每一次跟消費(fèi)者的觸達(dá)，都會轉(zhuǎn)化為需求的信號。大家可以想象一下，這對傳統(tǒng)的需求預(yù)測來講，是一個多么大的挑戰(zhàn)。如果仰仗于人腦處理這些需求的話，帶來的將是全員崩潰的結(jié)果。

現(xiàn)在，絕大多數(shù)企業(yè)都上了ERP的系統(tǒng)，傳統(tǒng)的ERP能夠解決的是非常基礎(chǔ)且宏觀的業(yè)務(wù)流程，如果真正涉足到細(xì)致的，例如以每天每個消費(fèi)者每個單品為單位的履約流程，就需要開發(fā)定制化的工具。

尤其是在每一次大促期間，一方面我們發(fā)現(xiàn)產(chǎn)能非常緊張，你那一按照消費(fèi)者對直播、大促、品牌日等的需求習(xí)慣進(jìn)行及時供貨；另一方面，匆忙生產(chǎn)出來的貨不一定會賣的好，這涉及市場的變化。因此，在新型電商行業(yè)中，我們反應(yīng)速度一定要快。

想要解決這些業(yè)務(wù)痛點(diǎn)，如果只是依靠加人的方式，不僅很難形成真正的突破，甚至當(dāng)人加到一定程度的時候，你所解決的只是企業(yè)內(nèi)部人與人之間的問題，而不是企業(yè)與消費(fèi)者之間的問題。

聯(lián)合利華數(shù)字化轉(zhuǎn)型之路

當(dāng)我們看到在各個不同的領(lǐng)域中，AI帶來這么多令人振奮消息的時候，我就在想這是我們的一個機(jī)會。

自此，我們開始跟不同的技術(shù)商合作，也曾接觸過很多大型服務(wù)企業(yè)，這些企業(yè)在宏觀技術(shù)、基礎(chǔ)技術(shù)上有非常強(qiáng)的基礎(chǔ)。最后真正開始落地的時候，我們非常慶幸選擇了觀遠(yuǎn)作為我們合作伙伴，在過去3年里真正實(shí)現(xiàn)了這種工業(yè)化新技術(shù)的應(yīng)用。

最初，因?yàn)锳I是一個很高端的人工智能學(xué)習(xí)的技術(shù)，有自我學(xué)習(xí)的能力，所以我們期望值是很高的，希望它能夠做到幾乎100%的預(yù)測的準(zhǔn)確度。但是經(jīng)過兩年多、三年多的嘗試，我們發(fā)現(xiàn)，將來AI在真實(shí)商業(yè)環(huán)境下的應(yīng)用一定會是人機(jī)結(jié)合，是一個人機(jī)友好結(jié)合、互動共同學(xué)習(xí)的應(yīng)用。同時，這個應(yīng)用帶來的期望值和輸出的結(jié)果，一定是會基于人工進(jìn)行二次判斷，才能夠達(dá)到業(yè)務(wù)的真正需求。

所以，開始的時候我們做了非常多基礎(chǔ)性的工作。

首先就是清理數(shù)據(jù)。很多人說數(shù)據(jù)是新時代的這個石油，我的觀點(diǎn)會有一點(diǎn)不一樣：不用的數(shù)據(jù)是不會變成石油，不用的數(shù)據(jù)一直積累在系統(tǒng)里，只能變成阻擾你的石頭。所以我們啟動這個項(xiàng)目時，最大的挑戰(zhàn)就是對數(shù)據(jù)的清理，非常感謝觀遠(yuǎn)，對我們公司近50種不同的數(shù)據(jù)源，采取不同的方式進(jìn)行了根本性的重塑。

同時，我們利用了觀遠(yuǎn)的BI的能力，在公司層面上，從高層到一線，這個具體操作人員產(chǎn)生了接近200多種不同的結(jié)果，幫助優(yōu)化每日的基礎(chǔ)管理工作。我們在搭建模的過程中，曾走了不少的彎路，不同的兩類產(chǎn)品的工程的輸出等都不一樣，我們要做很多的嘗試。因此我們跟觀遠(yuǎn)搭建了一個供應(yīng)鏈全流程的模擬化平臺，通過模擬化的場景跟平臺，幫助我們在宏觀層面做好把控。

在使用的過程中，我們發(fā)現(xiàn)要建立一個更加完整、細(xì)致的指標(biāo)體系，來判斷機(jī)器學(xué)習(xí)的結(jié)果是否可以達(dá)到人的需求，目前，我們用接近20個指標(biāo)來嚴(yán)格管控每個品類的機(jī)器模型的上線。通過這樣的方式，截止到今天為止，在聯(lián)合利華中國區(qū)的傳統(tǒng)生意里，80%已經(jīng)完整的使用機(jī)器模型的輸出結(jié)果來取代傳統(tǒng)的人工。我們不再需要通過人工Excel完成大量的信息處理，做需求的預(yù)測。

當(dāng)消費(fèi)者的體驗(yàn)碎片化有這么多隨機(jī)性和沖動性的時候，你的反饋需要變得非常的顆粒化，這就對需求預(yù)測的顆粒度提出了很高的要求。

以前傳統(tǒng)做人工預(yù)測的時候，最多只能以月、以全國的分倉作為單位指導(dǎo)配貨跟補(bǔ)貨，但是在AI的基礎(chǔ)平臺下，我們可以實(shí)現(xiàn)周度，原則上來講，可以實(shí)現(xiàn)每周無限制的指導(dǎo)每個分倉的補(bǔ)貨策略，對靈活的調(diào)整和貢獻(xiàn)非常大。

我們得到的收益不僅僅是工作指標(biāo)的一個提升，當(dāng)技術(shù)嵌入到聯(lián)合利華的業(yè)務(wù)里面，你就得重新的思考你組織結(jié)構(gòu)跟人員的搭建。以往，聯(lián)合利華傳統(tǒng)的計(jì)劃是產(chǎn)銷協(xié)調(diào)的流程：上游對接銷售，下游對接我們自己的工廠，整個計(jì)劃里我們要分需求計(jì)劃，要分供應(yīng)計(jì)劃，要分最后的補(bǔ)貨計(jì)劃等等。如今，借助于觀遠(yuǎn)現(xiàn)在AI跟BI的技術(shù)，我們已經(jīng)實(shí)現(xiàn)了需求在產(chǎn)生過程中接觸者的極度精簡。

當(dāng)我們真正的去深入的看到每個細(xì)節(jié)的時候，你會發(fā)現(xiàn)這些人更多的不是在處理前臺消費(fèi)者的需求波動，而是在處理內(nèi)部的多環(huán)節(jié)、多層次的溝通。所以當(dāng)我們有了一個統(tǒng)一的智能化的平臺之后，我們完全基于這個平臺，跟一個角色進(jìn)行賦能和對接，而不需要跟這么多人進(jìn)行對接，這也是我們已經(jīng)實(shí)現(xiàn)了的“三變”中的一個變化。從以前三個計(jì)劃員去服務(wù)同一個品類，變成今天一個計(jì)劃員直接對應(yīng)上游銷售跟下游供應(yīng)鏈，實(shí)現(xiàn)了最精簡的信息鏈傳遞。很多時候，需求預(yù)測不準(zhǔn)不是因?yàn)樽鲱A(yù)測的人太少。很多人對預(yù)測的判斷都有自己的想法，只有通過一個強(qiáng)大的信息處理平臺把信息匯總在一塊，讓它的輸出通過單點(diǎn)的窗口接通，我們才能撇開不必要的人員的干擾，進(jìn)行最好的預(yù)測。

所以，在落實(shí)的過程中，我們在模型搭建上做了很多的嘗試。最初，我們覺得第一個板塊出來的結(jié)果應(yīng)該都是數(shù)據(jù)，都是特征工程分析的結(jié)果，而不應(yīng)該有任何人的干擾。然而，銷售量最終是靠人做出來的，所以需要一些從人的角度的思考，基于商業(yè)的規(guī)則，允許業(yè)務(wù)進(jìn)行調(diào)整，諸如控制產(chǎn)品的促銷力度，控制某些單品在渠道上的流向，控制它跟品牌合作的深度等等。因?yàn)槟Ｐ痛罱ǖ慕Y(jié)果最終是要服務(wù)于生意。

另外一個很切身的體驗(yàn)，是當(dāng)AI輸出的結(jié)果越來越好，我們擔(dān)心卻越來越多。因?yàn)槟憧床欢恢浪鼮槭裁磿敵鲞@樣的指導(dǎo)。基于此，我們要把AI和機(jī)器學(xué)習(xí)白盒化，通過觀遠(yuǎn)的技術(shù)能力，我們搭建了一個特征工程的線性分析功能，縱軸上是我們輸入的每個數(shù)據(jù)源，這個分析功能會告訴我們每個數(shù)據(jù)源最終對模型的輸出影響值是多少，這些值是相對值不是絕對值，它會幫我們很好的量化哪個數(shù)據(jù)源會影響到你的輸出，通過這樣的線性關(guān)系跟分析結(jié)果，來幫助計(jì)劃員更好的解讀AI背后的建模邏輯。

我們還有很多業(yè)務(wù)的場景，是需要有人機(jī)互動的，需要人跟這個AI之間進(jìn)行對話。因此，我們和觀遠(yuǎn)共同開發(fā)了一個叫做AI小助手的定制化功能。這是一個基于每個品類、不同的業(yè)務(wù)員需求情況，專項(xiàng)服務(wù)業(yè)務(wù)員跟AI服務(wù)模型對話的軟件。這是我們在AI技術(shù)中去工業(yè)化的嘗試，也是非常受歡迎的一個功能。

最后，我們也是在做S&OP產(chǎn)銷全流程的思考，我們在需求端跟觀遠(yuǎn)的合作進(jìn)一步升級。未來，我們會利用觀遠(yuǎn)的技術(shù)平臺搭建一個全公司數(shù)字化的需求中心服務(wù)整個業(yè)務(wù)部門，尤其是供應(yīng)鏈、財(cái)務(wù)跟銷售在所有維度上的預(yù)測需求。我們會輸出各種維度的預(yù)測需求，然后在供應(yīng)端實(shí)現(xiàn)基于Saas技術(shù)平臺的一個供應(yīng)計(jì)劃的調(diào)整，然后把兩個系統(tǒng)平臺搭建起來，這樣從需求到產(chǎn)出，到供應(yīng)計(jì)劃的調(diào)整安排，可以實(shí)現(xiàn)一鍵式全流程的操作。基于公司搭建的數(shù)據(jù)湖平臺，我們能夠賦能將來的業(yè)務(wù)可以持續(xù)演變跟進(jìn)化。基于這樣的場景，我們可以真正打破在傳統(tǒng)快消基于傳統(tǒng)ERP、基于人工的產(chǎn)銷流程，實(shí)現(xiàn)每周的產(chǎn)銷對比、銷售的結(jié)果、財(cái)務(wù)的報(bào)表，甚至可以做到以天為單位的高效流程。這是我們現(xiàn)在在推進(jìn)的2.0版本的一個升級。

人才培養(yǎng)，賦能數(shù)字化的轉(zhuǎn)型

最后有一個事情想跟大家做分享，是我們在整個的轉(zhuǎn)型過程中關(guān)于人才問題的思考。以前，我們招的都是學(xué)機(jī)械，學(xué)模型，學(xué)有機(jī)化學(xué)、無機(jī)化學(xué)等工科學(xué)生，很少會招聘學(xué)計(jì)算機(jī)、學(xué)高等數(shù)學(xué)的學(xué)生，但是我們發(fā)現(xiàn)他們?nèi)缃褚沧兂刹豢扇鄙俚囊徊糠帧?

現(xiàn)在，我們跟觀遠(yuǎn)正在在共同搭建一個基于面向未來數(shù)字化人才專項(xiàng)培養(yǎng)課程，聯(lián)合利華這一端輸出在真正商業(yè)環(huán)境下必須要解決的商業(yè)痛點(diǎn)以及基礎(chǔ)的商業(yè)流程，通過觀遠(yuǎn)的技術(shù)平臺定制開發(fā)。告訴大家在行業(yè)中，高管級別、中層管理級別、一線管理人員應(yīng)該具備哪些知識，如何培養(yǎng)？采取靈活的培訓(xùn)形式，臨時培訓(xùn)的課程，賦能整個數(shù)字化的轉(zhuǎn)型，我們相信通過這種方式，才能促使傳統(tǒng)型的企業(yè)在數(shù)字化轉(zhuǎn)型的過程中變得更加具有競爭力。