杉數科技王子卓博士:資料驅動的智慧決策

語言: CN / TW / HK

分享嘉賓 :王子卓 博士 杉數科技

編輯整理: 郭苗苗 新瑞鵬集團

出品平臺:DataFunTalk

導讀: 近幾年,越來越多的企業開始關注如何利用人工智慧幫助企業在這個時代獲得更高的運營效率。各個企業都在思考人工智慧時代的終極目標是什麼?我們認為新的技術應該應用於智慧決策。本文將分享運籌學的一些方法在實際場景中的應用。

全文目錄:

  • 人工智慧時代下的商業決策

  • 數智化轉型的不同階段

  • 企業管理面臨巨大挑戰,決策智慧化勢在必行

  • 杉數科技新一代智慧決策平臺

  • 杉數智慧決策平臺應用場景

01

人工智慧時代下的商業決策

企業擁有大量資料,希望能夠通過這些資料做出更好的決策。智慧決策涉及以下幾個重要的環節:

1. 資料採集與管理

資料的採集與管理不僅是大資料時代決策的硬性基礎,也是資料時代驅動公司的原燃料,這個過程通常是由計算機和資訊科學技術完成的。現在大多數的企業遇到的問題並不是資料量少,而是資料量很多很雜,要把繁雜的資料整理成對我們去做決策有用的資料。

2. 規律性分析

當我們有了這些資料之後,我們可能會對這些資料做一些分析,分析的目的主要是對未來做一些預判或者預測。我們需要將資料中的資訊提取出來,瞭解事物背後的規律。這些通常可以由統計和機器學習技術完成。

3. 決策建模及求解

預測永遠都是不準確的,那麼如何才能在不準確的情況下,做出比較好的決策?核心決策往往有較高的複雜度,受諸多決策因素影響,且決策因素之間關係複雜,因此從規律到決策的演化往往需要極強的建模及求解能力支撐,通常由運籌學和優化技術來完成。通過資料的收集,規律性的分析,再加上建模和求解,才能打通整個從資料到決策的完整鏈條,最終幫助企業做出正確的決策。

02

數智化轉型的不同階段

不同企業在數智化轉型的道路上可能處於不同的階段。根據經驗,我們將這些階段大致劃分如下:

1. 人工經驗

最早期階段,企業無資料積累,決策大多依靠人工經驗。這仍然是很大一部分企業,尤其是一些相對傳統的行業所處的階段。比如一些物流企業的排程、路徑規劃等,基本上還是靠一些老師傅在做。還有一些消費品企業在做計劃或者庫存時,也是按照人工的經驗,通過人的決策來做的。

2. 資料感知

在向數智化轉變的過程中,第一步就是資料感知。有初步的資料積累,可以支援人們做一些決策。比如前面講到的庫存的例子,可能從完全的人工經驗,發展到有了一些資訊系統,記錄一些資料,比如歷史同期資料、過去7天的情況等。有了這些資料的支援,以及一些簡單的分析可以用作參考,來幫助大家做決策。但是最終的決策還是由人來做的,機器本身並不能去做最後的判斷,只是提供做判斷的一些依據。

3. 資料導向

再向前一步,就是資料導向的模式。資料導向和資料感知都是資料和人的結合,但區別在於主次發生了變化。在資料感知裡,資料是作為輔助來支援人來做決策;而資料導向的決策是由演算法做支援的,演算法提供決策方案,而我們只需要去做選擇或者只做小部分的修改即可。例如門店補貨的場景,如果有個演算法告訴我們每天的庫存應該補多少,應該進多少貨,那麼決策者可以根據這個結果選擇接受與否。除卻一些突發事件的發生,需要進行修改,其他情況下則可以自動接受即可。

4. 資料驅動

我們最終的願景是資料驅動。由大資料分析與演算法自動計算,得出企業運營決策。現在很多企業,尤其是在一些相對比較自動化高頻的場景,比如自動化的倉庫,或者一些網際網路的公司需要做實時決策,如網頁顯示的內容推薦等,都可以做到資料驅動的效果,完全由演算法大資料來幫助企業運營,人工干預非常小。

03

企業管理面臨巨大挑戰,決策智慧化勢在必行

1. 市場變化快

市場變化非常快,很多企業銷售模式從傳統的線下轉移到了線上,從幾種比較固定的模式,到現在直播等新的模式。這些市場的變化也給管理帶來了很大的變化,企業需要快速地應對市場變化,過去計劃可以一年年做,但今天已經不可能了,很多計劃已經變成了月月做、週週做。為企業帶來很多壓力,也帶來很多人工經驗無法快速沉澱適應的情況。

2. 供應鏈要求快

響應銷售策略,銷售渠道/銷售產品更新快,涉及到很多的供應工作的變化,比如庫存、計劃、生產、運輸等。比如現在大家買東西都是希望能越快拿到越好,所以對供應鏈的速度要求就很高,相應的對供應鏈的能力,比如倉網規劃、庫存等方面的要求也越來越高。

3. 技術迭代快

專案落地和技術迭代速度快,過去全國30多個工廠,實現全覆蓋可能要花5、6年時間,現在可能只有2年時間。

4. 行業的嚴峻挑戰帶來切實的管理與運營痛點

各個部門缺乏統一協調,需要通過資料提供一個客觀的參考。

5. 製造企業面臨的挑戰

內外部環境複雜、變化快,比如原材料的短缺,國際形勢導致晶片、能源受到限制,又比如疫情等突發情況,都為製造業帶來了很多挑戰。要應對這些挑戰,人工的能力非常有限,人們的經驗通常得來於長期的積累,但新的事情發生後人的適應是需要時間的,我們就希望通過資料和一些新的演算法技術來幫助企業去響應這些變化。

6. 決策智慧化勢在必行

大家都已經看到數智化的趨勢日益緊迫,甚至會影響到企業的生存。

04

杉數科技新一代智慧決策平臺

企業運轉有不同部門去負責不同的事情,比如市場、銷售、供應鏈、生產、採購等,每個部門都有自己的資料,和業務要求和流程。企業數智化升級需要把全部流程打通,串起來,將一套資料整合,為企業提供決策支援。

杉數新一代智慧決策平臺就是基於多年經驗打造的一套幫助企業打通各個部門,提供整合資訊及一體性決策的一個平臺。具體包括不同的一些模組,通過運籌優化和機器學習等技術手段,來幫助企業解決端到端的決策問題。

我們的平臺搭建在企業原有的一些系統之上,比如CRM、MRP、ERP等,從其中提取資料,整合並呈現到我們的平臺上。

各個模組之間鬆耦合 。企業的應用實施也可以分步驟、分模組的進行。

05

杉數智慧決策平臺應用場景

我們的平臺廣泛應用於泛零售、工業製造、基礎設施等領域。 下面介紹幾個具體案例。

在銷售方面,很多企業遇到的困難是完全不清楚不同手段的促銷,花了很多錢,到底有沒有效果,錢應該怎麼分配到不同的渠道、不同的流量、不同的商品上去。這裡涉及了大量的機器學習內容。 首先機器要先去學習每個產品、每個渠道的特點,再去做一些動態的資源分配,會涉及到一些複雜的優化模型 。通過我們的平臺,給企業帶來了顯著的提升。

第二個場景是我們 和好麗友合作的一個相對比較完整的供應鏈的專案 ,包括從需求計劃到供應計劃,到履約等各個環節。他們通過經銷商賣貨,會出現經銷商大量要貨,大家其實也不知道賣多少,但是反正先把貨要到。但是食品類受保質期的影響,不能一下生產很多,所以數量有限的貨應該給誰,每個人給多少,這就涉及到分配的問題。因為賣不出去還要退回來,所以給太多並不一定好。這就需要一套科學的方法,依據資料來進行分配,給企業帶來最大的收益。

除了前兩個偏前端的銷售相關的場景, 我們在生產端也有一些實踐 。比如化工企業需要知道應該在什麼時間生產什麼產品,產品線該如何利用。如果生產了太多,前端不需要,就會造成庫存的積壓,一方面是帶來了很多浪費;另外一方面,像化學類產品它們放了一段時間質量就會有問題,需要重新去煉,而且產品本身也會帶來汙染等一些問題。所以就涉及到了產銷協同、生產計劃安排等。我們幫助企業實現了庫存的大幅下降,同時也減少了碳排放。

還有離散製造的場景,比如手機行業。 邏輯複雜,中間的原材料、半成品、產成品等數目非常多,有很多生產線,每天每條產線上應該用哪些原材料生產哪些半成品或者成品,如何充分利用產能去滿足前端的訂單,如何應對臨時狀況等,涉及到非常多的模型。

我們幫助他們去解決各種問題,從而提升訂單滿足率,降低產能損失,同時提高自動化程度,減少人工干預。

由於篇幅有限,還有更多的場景不能在此一一介紹。

資料科學是數智化轉型中至關重要的一部分,希望有更多的企業通過應用這些技術來真正實現資料驅動,智慧運營,從而帶來更大的效益。

今天的分享就到這裡,謝謝大家。

在文末分享、點贊、在看,給個3連擊唄~

01 / 分享嘉賓

王子卓 博士

杉數科技 聯合創始人&CTO

王子卓博士現為杉數科技聯合創始人、首席技術官,香港中文大學(深圳)資料科學學院教授、副院長。王子卓2007年本科畢業於清華大學數學系,2012年博士畢業於斯坦福大學管理科學與工程系。王子卓曾任職美國明尼蘇達大學工業與系統工程系助理教授、(終身)副教授。

王子卓博士的主要研究方向為運籌優化和運營管理。特別地,他對消費者行為,商品定價和市場量化營銷有著深入研究。他在運籌優化和管理科學國際頂尖雜誌上發表過超過40篇文章,在國內國際會議上多次應邀進行報告,並擔任多個國際管理科學期刊副主編。王子卓曾獲得多項運籌優化領域學術獎項,並擔任多次國際學術會議組織者。

王子卓博士在工業界有著豐富的專案經驗,在美國時曾長期參與IBM定價專案,為企業大幅提升收益,也曾為希捷、美國運通等做過專案諮詢,也曾在華爾街量化基金擔任過研究員。2016年起,王子卓與他人共同創立杉數科技並擔任CTO。杉數科技為國內大型物流、零售、製造型企業提供資料決策系統與服務,幫助企業顯著提升運營效率。

02 / 免費下載資料

03 / 報名看直播 免費領PPT

04 / 關於我們

DataFun: 專注於大資料、人工智慧技術應用的分享與交流。發起於2017年,在北京、上海、深圳、杭州等城市舉辦超過100+線下和100+線上沙龍、論壇及峰會,已邀請超過2000位專家和學者參與分享。其公眾號 DataFunTalk 累計生產原創文章700+,百萬+閱讀,14萬+精準粉絲

  分享、點贊、在看 ,給個 3連擊 :point_down: