聯商網消息：2020年注定是載入史冊的一年。逆境之下，新一代消費心理和營銷模式正發生巨變，零售企業的“人貨場”格局自此面臨重塑，數字化轉型再次被推上促增長的拐點。不確定性已經成為常態，精細運營、快速反應，讓決策更智能，將成為未來十年的確定性。

10月23日，2020觀遠數據智能決策峰會暨產品發布會在上海舉行，本次峰會由國內零售智能分析領域的領先企業觀遠數據主辦。此次峰會匯集了500+來自連鎖零售、快消品牌、購物中心、新經濟消費等各個領域中有代表性的企業高層，釋放前沿觀點，解讀疫后企業數字化轉型方法，共同探索通往數據智能的新路徑。

聯合利華中國業務集團供應鏈高級總監楊紀寶帶來了《AI賦能供應鏈數字化轉型》的主題演講，他表示，聯合利華堅持打造、建設數字化能力，根本原因在于企業在快消行業里面碰到的很多傳統積累下來的業務痛點，必須要通過數字化的新技術來突破解決，更好的服務消費者。

如今，消費者購買的行為習慣、消費習慣變得比以前更加的隨機難以預測。所有的東西都變得無比碎片化、隨機化，作為品牌商幾乎在所有的消費場景下都被這種新的消費形態沖擊。他認為，在這種情況下，借助AI能力實現人機友好結合互動共同學習，完成全面的數字化轉型顯得尤為重要。

以下為楊紀寶演講摘要：

談人工智能的話題，對我來說是一個挑戰，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，我們切身在做的數字化轉型歷程。

前段時間在北京參會時聽到過一句話：在數字化轉型里，撇開專業能力，最為重要的能力之一是填坑能力。這正是我們與觀遠在過去一段時間內重點打造的核心能力之一。

三年前，剛開始“數字化”旅程時，我們對未來的暢想非常美好。我們認為，隨著新技術的延伸跟發展，隨著新技術的高端化、工業化，所有的行業都會發生突變，也包括了我們所在的快消行業。懷著這樣的憧憬，我們開始推進數字化轉型——利用人工智能技術，解決過去過分仰仗于人做預測的核心痛點。然而，真正開始的時候，我們發現現實跟理想差距不是城市到郊區的差距，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，幾乎是屬于逢山開路、遇水疊橋。

快消行業中的新消費形態

為什么要這樣堅定的走這樣一段路？根本原因在于，當下快消行業存的很多業務痛點已經沒辦法依靠傳統的方式解決。

在快消行業中，相比以前，消費者購買的行為習慣、消費習慣變得更加的隨機、不可琢磨。在傳統的消費場景時，你可以知道某一個社區某一個消費者，會在什么時間到哪個場景去購買聯合利華的哪件產品。但是，因為如今有太多的消費形態、動機，有更多的便利渠道供消費者選擇，這些東西變得無比碎片化、隨機化。作為品牌商，我們幾乎在所有的消費場景下，都遭到新消費形態沖擊。

隨著新興渠道崛起，粉絲經濟的影響仍然巨大，與此同時，消費者對虛擬品牌印象、跨界品牌聯合，有很強的新訴求。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，相當于傳統線下經銷商一至兩周的銷售額；如今，一場直播帶來的銷量，甚至可能達到一個經銷商一年的銷售量。

在業務層面，我們曾面臨的一大挑戰是什么？ 在傳統業務流程里面，我們過多的仰仗“手工化”的處理流程，但整體數據量非常大，過多的仰仗于人工的處理方式，會導致處理的顆粒度非常的粗獷，無法做到對消費者訴求的精準履約服務。

在中國，聯合利華運作了接近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家配送網絡，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，消費者群體的特征有很大的差異。對我們而言，每一次跟消費者的觸達，都會轉化為需求的信號。大家可以想象一下，這對傳統的需求預測來講，是一個多么大的挑戰。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果。

現在，絕大多數企業都上了ERP的系統，傳統的ERP能夠解決的是非常基礎且宏觀的業務流程，如果真正涉足到細致的，例如以每天每個消費者每個單品為單位的履約流程，就需要開發定制化的工具。

尤其是在每一次大促期間，一方面我們發現產能非常緊張，你那一按照消費者對直播、大促、品牌日等的需求習慣進行及時供貨；另一方面，匆忙生產出來的貨不一定會賣的好，這涉及市場的變化。因此，在新型電商行業中，我們反應速度一定要快。

想要解決這些業務痛點，如果只是依靠加人的方式，不僅很難形成真正的突破，甚至當人加到一定程度的時候，你所解決的只是企業內部人與人之間的問題，而不是企業與消費者之間的問題。

聯合利華數字化轉型之路

當我們看到在各個不同的領域中，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會。

自此，我們開始跟不同的技術商合作，也曾接觸過很多大型服務企業，這些企業在宏觀技術、基礎技術上有非常強的基礎。最后真正開始落地的時候，我們非常慶幸選擇了觀遠作為我們合作伙伴，在過去3年里真正實現了這種工業化新技術的應用。

最初，因為AI是一個很高端的人工智能學習的技術，有自我學習的能力，所以我們期望值是很高的，希望它能夠做到幾乎100%的預測的準確度。但是經過兩年多、三年多的嘗試，我們發現，將來AI在真實商業環境下的應用一定會是人機結合，是一個人機友好結合、互動共同學習的應用。同時，這個應用帶來的期望值和輸出的結果，一定是會基于人工進行二次判斷，才能夠達到業務的真正需求。

所以，開始的時候我們做了非常多基礎性的工作。

首先就是清理數據。很多人說數據是新時代的這個石油，我的觀點會有一點不一樣：不用的數據是不會變成石油，不用的數據一直積累在系統里，只能變成阻擾你的石頭。所以我們啟動這個項目時，最大的挑戰就是對數據的清理，非常感謝觀遠，對我們公司近50種不同的數據源，采取不同的方式進行了根本性的重塑。

同時，我們利用了觀遠的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生了接近200多種不同的結果，幫助優化每日的基礎管理工作。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。因此我們跟觀遠搭建了一個供應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，我們發現要建立一個更加完整、細致的指標體系，來判斷機器學習的結果是否可以達到人的需求，目前，我們用接近20個指標來嚴格管控每個品類的機器模型的上線。通過這樣的方式，截止到今天為止，在聯合利華中國區的傳統生意里，80%已經完整的使用機器模型的輸出結果來取代傳統的人工。我們不再需要通過人工Excel完成大量的信息處理，做需求的預測。

當消費者的體驗碎片化有這么多隨機性和沖動性的時候，你的反饋需要變得非常的顆粒化，這就對需求預測的顆粒度提出了很高的要求。

以前傳統做人工預測的時候，最多只能以月、以全國的分倉作為單位指導配貨跟補貨，但是在AI的基礎平臺下，我們可以實現周度，原則上來講，可以實現每周無限制的指導每個分倉的補貨策略，對靈活的調整和貢獻非常大。

我們得到的收益不僅僅是工作指標的一個提升，當技術嵌入到聯合利華的業務里面，你就得重新的思考你組織結構跟人員的搭建。以往，聯合利華傳統的計劃是產銷協調的流程：上游對接銷售，下游對接我們自己的工廠，整個計劃里我們要分需求計劃，要分供應計劃，要分最后的補貨計劃等等。如今，借助于觀遠現在AI跟BI的技術，我們已經實現了需求在產生過程中接觸者的極度精簡。

當我們真正的去深入的看到每個細節的時候，你會發現這些人更多的不是在處理前臺消費者的需求波動，而是在處理內部的多環節、多層次的溝通。所以當我們有了一個統一的智能化的平臺之后，我們完全基于這個平臺，跟一個角色進行賦能和對接，而不需要跟這么多人進行對接，這也是我們已經實現了的“三變”中的一個變化。從以前三個計劃員去服務同一個品類，變成今天一個計劃員直接對應上游銷售跟下游供應鏈，實現了最精簡的信息鏈傳遞。很多時候，需求預測不準不是因為做預測的人太少。很多人對預測的判斷都有自己的想法，只有通過一個強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的窗口接通，我們才能撇開不必要的人員的干擾，進行最好的預測。

所以，在落實的過程中，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果應該都是數據，都是特征工程分析的結果，而不應該有任何人的干擾。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，基于商業的規則，允許業務進行調整，諸如控制產品的促銷力度，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。因為模型搭建的結果最終是要服務于生意。

另外一個很切身的體驗，是當AI輸出的結果越來越好，我們擔心卻越來越多。因為你看不懂，不知道它為什么會輸出這樣的指導。基于此，我們要把AI和機器學習白盒化，通過觀遠的技術能力，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據源，這個分析功能會告訴我們每個數據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據源會影響到你的輸出，通過這樣的線性關系跟分析結果，來幫助計劃員更好的解讀AI背后的建模邏輯。

我們還有很多業務的場景，是需要有人機互動的，需要人跟這個AI之間進行對話。因此，我們和觀遠共同開發了一個叫做AI小助手的定制化功能。這是一個基于每個品類、不同的業務員需求情況，專項服務業務員跟AI服務模型對話的軟件。這是我們在AI技術中去工業化的嘗試，也是非常受歡迎的一個功能。

最后，我們也是在做S&OP產銷全流程的思考，我們在需求端跟觀遠的合作進一步升級。未來，我們會利用觀遠的技術平臺搭建一個全公司數字化的需求中心服務整個業務部門，尤其是供應鏈、財務跟銷售在所有維度上的預測需求。我們會輸出各種維度的預測需求，然后在供應端實現基于Saas技術平臺的一個供應計劃的調整，然后把兩個系統平臺搭建起來，這樣從需求到產出，到供應計劃的調整安排，可以實現一鍵式全流程的操作。基于公司搭建的數據湖平臺，我們能夠賦能將來的業務可以持續演變跟進化。基于這樣的場景，我們可以真正打破在傳統快消基于傳統ERP、基于人工的產銷流程，實現每周的產銷對比、銷售的結果、財務的報表，甚至可以做到以天為單位的高效流程。這是我們現在在推進的2.0版本的一個升級。

人才培養，賦能數字化的轉型

最后有一個事情想跟大家做分享，是我們在整個的轉型過程中關于人才問題的思考。以前，我們招的都是學機械，學模型，學有機化學、無機化學等工科學生，很少會招聘學計算機、學高等數學的學生，但是我們發現他們如今也變成不可缺少的一部分。

現在，我們跟觀遠正在在共同搭建一個基于面向未來數字化人才專項培養課程，聯合利華這一端輸出在真正商業環境下必須要解決的商業痛點以及基礎的商業流程，通過觀遠的技術平臺定制開發。告訴大家在行業中，高管級別、中層管理級別、一線管理人員應該具備哪些知識，如何培養？采取靈活的培訓形式，臨時培訓的課程，賦能整個數字化的轉型，我們相信通過這種方式，才能促使傳統型的企業在數字化轉型的過程中變得更加具有競爭力。