導(dǎo)讀：近幾年，越來越多的企業(yè)開始關(guān)注如何利用人工智能幫助企業(yè)在這個(gè)時(shí)代獲得更高的運(yùn)營(yíng)效率。各個(gè)企業(yè)都在思考人工智能時(shí)代的終極目標(biāo)是什么？我們認(rèn)為新的技術(shù)應(yīng)該應(yīng)用于智能決策。本文將分享運(yùn)籌學(xué)的一些方法在實(shí)際場(chǎng)景中的應(yīng)用。

全文目錄：

人工智能時(shí)代下的商業(yè)決策

數(shù)智化轉(zhuǎn)型的不同階段

企業(yè)管理面臨巨大挑戰(zhàn)，決策智能化勢(shì)在必行

杉數(shù)科技新一代智能決策平臺(tái)

杉數(shù)智能決策平臺(tái)應(yīng)用場(chǎng)景

01人工智能時(shí)代下的商業(yè)決策

企業(yè)擁有大量數(shù)據(jù)，希望能夠通過這些數(shù)據(jù)做出更好的決策。智能決策涉及以下幾個(gè)重要的環(huán)節(jié)：

1. 數(shù)據(jù)采集與管理

數(shù)據(jù)的采集與管理不僅是大數(shù)據(jù)時(shí)代決策的硬性基礎(chǔ)，也是數(shù)據(jù)時(shí)代驅(qū)動(dòng)公司的原燃料，這個(gè)過程通常是由計(jì)算機(jī)和信息科學(xué)技術(shù)完成的。現(xiàn)在大多數(shù)的企業(yè)遇到的問題并不是數(shù)據(jù)量少，而是數(shù)據(jù)量很多很雜，要把繁雜的數(shù)據(jù)整理成對(duì)我們?nèi)プ鰶Q策有用的數(shù)據(jù)。

2. 規(guī)律性分析

當(dāng)我們有了這些數(shù)據(jù)之后，我們可能會(huì)對(duì)這些數(shù)據(jù)做一些分析，分析的目的主要是對(duì)未來做一些預(yù)判或者預(yù)測(cè)。我們需要將數(shù)據(jù)中的信息提取出來，了解事物背后的規(guī)律。這些通常可以由統(tǒng)計(jì)和機(jī)器學(xué)習(xí)技術(shù)完成。

3. 決策建模及求解

預(yù)測(cè)永遠(yuǎn)都是不準(zhǔn)確的，那么如何才能在不準(zhǔn)確的情況下，做出比較好的決策？核心決策往往有較高的復(fù)雜度，受諸多決策因素影響，且決策因素之間關(guān)系復(fù)雜，因此從規(guī)律到?jīng)Q策的演化往往需要極強(qiáng)的建模及求解能力支撐，通常由運(yùn)籌學(xué)和優(yōu)化技術(shù)來完成。通過數(shù)據(jù)的收集，規(guī)律性的分析，再加上建模和求解，才能打通整個(gè)從數(shù)據(jù)到?jīng)Q策的完整鏈條，最終幫助企業(yè)做出正確的決策。

02數(shù)智化轉(zhuǎn)型的不同階段

不同企業(yè)在數(shù)智化轉(zhuǎn)型的道路上可能處于不同的階段。根據(jù)經(jīng)驗(yàn)，我們將這些階段大致劃分如下：

1. 人工經(jīng)驗(yàn)

最早期階段，企業(yè)無(wú)數(shù)據(jù)積累，決策大多依靠人工經(jīng)驗(yàn)。這仍然是很大一部分企業(yè)，尤其是一些相對(duì)傳統(tǒng)的行業(yè)所處的階段。比如一些物流企業(yè)的調(diào)度、路徑規(guī)劃等，基本上還是靠一些老師傅在做。還有一些消費(fèi)品企業(yè)在做計(jì)劃或者庫(kù)存時(shí)，也是按照人工的經(jīng)驗(yàn)，通過人的決策來做的。

2. 數(shù)據(jù)感知

在向數(shù)智化轉(zhuǎn)變的過程中，第一步就是數(shù)據(jù)感知。有初步的數(shù)據(jù)積累，可以支持人們做一些決策。比如前面講到的庫(kù)存的例子，可能從完全的人工經(jīng)驗(yàn)，發(fā)展到有了一些信息系統(tǒng)，記錄一些數(shù)據(jù)，比如歷史同期數(shù)據(jù)、過去7天的情況等。有了這些數(shù)據(jù)的支持，以及一些簡(jiǎn)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(jī)器本身并不能去做最后的判斷，只是提供做判斷的一些依據(jù)。

3. 數(shù)據(jù)導(dǎo)向

再向前一步，就是數(shù)據(jù)導(dǎo)向的模式。數(shù)據(jù)導(dǎo)向和數(shù)據(jù)感知都是數(shù)據(jù)和人的結(jié)合，但區(qū)別在于主次發(fā)生了變化。在數(shù)據(jù)感知里，數(shù)據(jù)是作為輔助來支持人來做決策；而數(shù)據(jù)導(dǎo)向的決策是由算法做支持的，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(bǔ)貨的場(chǎng)景，如果有個(gè)算法告訴我們每天的庫(kù)存應(yīng)該補(bǔ)多少，應(yīng)該進(jìn)多少貨，那么決策者可以根據(jù)這個(gè)結(jié)果選擇接受與否。除卻一些突發(fā)事件的發(fā)生，需要進(jìn)行修改，其他情況下則可以自動(dòng)接受即可。

4. 數(shù)據(jù)驅(qū)動(dòng)

我們最終的愿景是數(shù)據(jù)驅(qū)動(dòng)。由大數(shù)據(jù)分析與算法自動(dòng)計(jì)算，得出企業(yè)運(yùn)營(yíng)決策。現(xiàn)在很多企業(yè)，尤其是在一些相對(duì)比較自動(dòng)化高頻的場(chǎng)景，比如自動(dòng)化的倉(cāng)庫(kù)，或者一些互聯(lián)網(wǎng)的公司需要做實(shí)時(shí)決策，如網(wǎng)頁(yè)顯示的內(nèi)容推薦等，都可以做到數(shù)據(jù)驅(qū)動(dòng)的效果，完全由算法大數(shù)據(jù)來幫助企業(yè)運(yùn)營(yíng)，人工干預(yù)非常小。

03企業(yè)管理面臨巨大挑戰(zhàn)，決策智能化勢(shì)在必行

1. 市場(chǎng)變化快

市場(chǎng)變化非常快，很多企業(yè)銷售模式從傳統(tǒng)的線下轉(zhuǎn)移到了線上，從幾種比較固定的模式，到現(xiàn)在直播等新的模式。這些市場(chǎng)的變化也給管理帶來了很大的變化，企業(yè)需要快速地應(yīng)對(duì)市場(chǎng)變化，過去計(jì)劃可以一年年做，但今天已經(jīng)不可能了，很多計(jì)劃已經(jīng)變成了月月做、周周做。為企業(yè)帶來很多壓力，也帶來很多人工經(jīng)驗(yàn)無(wú)法快速沉淀適應(yīng)的情況。

2. 供應(yīng)鏈要求快

響應(yīng)銷售策略，銷售渠道/銷售產(chǎn)品更新快，涉及到很多的供應(yīng)工作的變化，比如庫(kù)存、計(jì)劃、生產(chǎn)、運(yùn)輸?shù)取１热绗F(xiàn)在大家買東西都是希望能越快拿到越好，所以對(duì)供應(yīng)鏈的速度要求就很高，相應(yīng)的對(duì)供應(yīng)鏈的能力，比如倉(cāng)網(wǎng)規(guī)劃、庫(kù)存等方面的要求也越來越高。

3. 技術(shù)迭代快

項(xiàng)目落地和技術(shù)迭代速度快，過去全國(guó)30多個(gè)工廠，實(shí)現(xiàn)全覆蓋可能要花5、6年時(shí)間，現(xiàn)在可能只有2年時(shí)間。

4. 行業(yè)的嚴(yán)峻挑戰(zhàn)帶來切實(shí)的管理與運(yùn)營(yíng)痛點(diǎn)

各個(gè)部門缺乏統(tǒng)一協(xié)調(diào)，需要通過數(shù)據(jù)提供一個(gè)客觀的參考。

5. 制造企業(yè)面臨的挑戰(zhàn)

內(nèi)外部環(huán)境復(fù)雜、變化快，比如原材料的短缺，國(guó)際形勢(shì)導(dǎo)致芯片、能源受到限制，又比如疫情等突發(fā)情況，都為制造業(yè)帶來了很多挑戰(zhàn)。要應(yīng)對(duì)這些挑戰(zhàn)，人工的能力非常有限，人們的經(jīng)驗(yàn)通常得來于長(zhǎng)期的積累，但新的事情發(fā)生后人的適應(yīng)是需要時(shí)間的，我們就希望通過數(shù)據(jù)和一些新的算法技術(shù)來幫助企業(yè)去響應(yīng)這些變化。

6. 決策智能化勢(shì)在必行

大家都已經(jīng)看到數(shù)智化的趨勢(shì)日益緊迫，甚至?xí)绊懙狡髽I(yè)的生存。

04杉數(shù)科技新一代智能決策平臺(tái)

企業(yè)運(yùn)轉(zhuǎn)有不同部門去負(fù)責(zé)不同的事情，比如市場(chǎng)、銷售、供應(yīng)鏈、生產(chǎn)、采購(gòu)等，每個(gè)部門都有自己的數(shù)據(jù)，和業(yè)務(wù)要求和流程。企業(yè)數(shù)智化升級(jí)需要把全部流程打通，串起來，將一套數(shù)據(jù)整合，為企業(yè)提供決策支持。

杉數(shù)新一代智能決策平臺(tái)就是基于多年經(jīng)驗(yàn)打造的一套幫助企業(yè)打通各個(gè)部門，提供整合信息及一體性決策的一個(gè)平臺(tái)。具體包括不同的一些模塊，通過運(yùn)籌優(yōu)化和機(jī)器學(xué)習(xí)等技術(shù)手段，來幫助企業(yè)解決端到端的決策問題。

我們的平臺(tái)搭建在企業(yè)原有的一些系統(tǒng)之上，比如CRM、MRP、ERP等，從其中提取數(shù)據(jù)，整合并呈現(xiàn)到我們的平臺(tái)上。

各個(gè)模塊之間松耦合。企業(yè)的應(yīng)用實(shí)施也可以分步驟、分模塊的進(jìn)行。

05杉數(shù)智能決策平臺(tái)應(yīng)用場(chǎng)景

我們的平臺(tái)廣泛應(yīng)用于泛零售、工業(yè)制造、基礎(chǔ)設(shè)施等領(lǐng)域。下面介紹幾個(gè)具體案例。

在銷售方面，很多企業(yè)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(yīng)該怎么分配到不同的渠道、不同的流量、不同的商品上去。這里涉及了大量的機(jī)器學(xué)習(xí)內(nèi)容。首先機(jī)器要先去學(xué)習(xí)每個(gè)產(chǎn)品、每個(gè)渠道的特點(diǎn)，再去做一些動(dòng)態(tài)的資源分配，會(huì)涉及到一些復(fù)雜的優(yōu)化模型。通過我們的平臺(tái)，給企業(yè)帶來了顯著的提升。

第二個(gè)場(chǎng)景是我們和好麗友合作的一個(gè)相對(duì)比較完整的供應(yīng)鏈的項(xiàng)目，包括從需求計(jì)劃到供應(yīng)計(jì)劃，到履約等各個(gè)環(huán)節(jié)。他們通過經(jīng)銷商賣貨，會(huì)出現(xiàn)經(jīng)銷商大量要貨，大家其實(shí)也不知道賣多少，但是反正先把貨要到。但是食品類受保質(zhì)期的影響，不能一下生產(chǎn)很多，所以數(shù)量有限的貨應(yīng)該給誰(shuí)，每個(gè)人給多少，這就涉及到分配的問題。因?yàn)橘u不出去還要退回來，所以給太多并不一定好。這就需要一套科學(xué)的方法，依據(jù)數(shù)據(jù)來進(jìn)行分配，給企業(yè)帶來最大的收益。

除了前兩個(gè)偏前端的銷售相關(guān)的場(chǎng)景，我們?cè)谏a(chǎn)端也有一些實(shí)踐。比如化工企業(yè)需要知道應(yīng)該在什么時(shí)間生產(chǎn)什么產(chǎn)品，產(chǎn)品線該如何利用。如果生產(chǎn)了太多，前端不需要，就會(huì)造成庫(kù)存的積壓，一方面是帶來了很多浪費(fèi)；另外一方面，像化學(xué)類產(chǎn)品它們放了一段時(shí)間質(zhì)量就會(huì)有問題，需要重新去煉，而且產(chǎn)品本身也會(huì)帶來污染等一些問題。所以就涉及到了產(chǎn)銷協(xié)同、生產(chǎn)計(jì)劃安排等。我們幫助企業(yè)實(shí)現(xiàn)了庫(kù)存的大幅下降，同時(shí)也減少了碳排放。

還有離散制造的場(chǎng)景，比如手機(jī)行業(yè)。邏輯復(fù)雜，中間的原材料、半成品、產(chǎn)成品等數(shù)目非常多，有很多生產(chǎn)線，每天每條產(chǎn)線上應(yīng)該用哪些原材料生產(chǎn)哪些半成品或者成品，如何充分利用產(chǎn)能去滿足前端的訂單，如何應(yīng)對(duì)臨時(shí)狀況等，涉及到非常多的模型。

我們幫助他們?nèi)ソ鉀Q各種問題，從而提升訂單滿足率，降低產(chǎn)能損失，同時(shí)提高自動(dòng)化程度，減少人工干預(yù)。

由于篇幅有限，還有更多的場(chǎng)景不能在此一一介紹。

數(shù)據(jù)科學(xué)是數(shù)智化轉(zhuǎn)型中至關(guān)重要的一部分，希望有更多的企業(yè)通過應(yīng)用這些技術(shù)來真正實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)，智慧運(yùn)營(yíng)，從而帶來更大的效益。