在企業運營、管理的大生態中，以資料驅動決策的商業智慧（BI）軟體日漸成為強剛需，為企業決策和運營預判提供“油鹽水”的支援。
成立於2016年的BI服務商觀遠資料，一方面深耕泛零售與消費領域，不斷拓寬行業應用場景。另一方面，堅持“AI+BI”，降低BI使用門檻的同時，不斷推動決策從統計分析往更智慧的預測與診斷分析邁進。
成立四年，觀遠已服務聯合利華、沃爾瑪、百威英博、全家、鮮豐水果、赫基集團、元氣森林、小紅書、bilibili等近兩百家的行業品牌。
撰文 | 力琴
資訊化時代，企業透過基礎IT建設產生大量的業務資料，如果不及時進行處理就很難發現當下的業務問題和機會。
Excel最多能承載十萬級資料量，報表工具也只能承載百萬級資料量，而DT時代，企業資料動輒上億，尤其是零售消費行業SKU數量多，資料顆粒度細，資料更新頻率高。
僅憑傳統資料分析工具，即使是專業資料分析師也難以給予業務高效支撐。 敏捷化、智慧化的商業智慧（BI）正成為主流。
商業智慧旨在將企業在生產、活動及運營等環節生成的資料進行整合、清洗、分析、視覺化並分發，以便企業實時地理解資料並獲取具有價值的決策資訊，瞭解企業業務執行的全貌。
BI作為指導企業運營、決策背後那雙看不見的“幕後推手”，需要具備智慧化、敏捷化的能力，以實現“業務主導的自主分析模式”。
觀遠資料作為BI行業中的新銳玩家之一，利用“AI+BI”的產品服務模式，豐富場景化服務，幫助更多企業實現精細化運營和智慧決策。
一 “看不見”的幕後推手
在企業運營、管理的大生態中，以資料驅動決策的商業智慧（BI）軟體就處於上段位，為企業決策和運營預判提供“油鹽水”的支援。
企業要維持競爭優勢，需要持續改進流程與商業決策。通常情況下，企業業務操作都會產生大量的資料，例如訂單、庫存、交易賬目及客戶資料等，透過商業智慧軟體能夠幫助決策者增進對業務情況的瞭解。
商業智慧的關鍵在於如何從業務資料中提取有用的資訊，並根據資訊產生有價值的結果。 作為一家新一代智慧資料分析與決策（AI+BI）解決方案服務商，與傳統商業智慧不同，觀遠資料透過智慧資料分析，提供可行動的決策建議，幫助企業在數字化與智慧化升級的過程中建立可持續的競爭優勢。
觀遠資料成立於2016年，其創始人兼CEO蘇春園，畢業於卡內基梅隆大學，曾任職於MicroStrategy微策略，並擔任全球高管及中國區研發總裁。
觀遠資料創始人蘇春園
早在創辦之初，蘇春園就意識到不少規模比較大、品牌實力強勁的企業資料基礎並非想象中完善，基於服務中大型企業的經驗與資料能力，觀遠資料瞄準了泛零售與消費市場。
不過，觀遠資料所在BI賽道並非藍海，入局者眾多。 尤其隨著企業對資料的認知和重視不斷加深，對資料的儲存、處理、管理和價值挖掘的重視程度增加。
自去年以來，就有不少提供BI服務的廠商獲得資本的青睞。例如明略科技、數瀾科技、思邁特等。那麼，觀遠資料優勢能力又在哪裡呢？
在產品差異化方面，觀遠資料從成立之初就確定了“AI+BI”的產品戰略，以面向業務場景、面向決策過程、面向智慧分析的思路去打磨產品落地方案。在落地過程中，觀遠資料提出一整套從BI（敏捷分析）到AI（智慧決策）的完整“5A”落地路徑方法論。
以場景化為例，觀遠資料會將指標視覺化，透過不同型別的銷售指標、流量指標和庫存指標呈現視覺化，針對不同的使用者，落地不同的分析模型。
這一點明確指向了從不同型別管理者，例如，在連鎖零售領域，針對CEO、一線店長和資料分析師，搭建自上而下的資料分析體系。“CEO對於企業數字化的認知、目標和邊界定義，決定了企業數字化推進的方向和節奏。”蘇春園表示。
在店長角色中，會有當天的業績目標、現階段業績目標、囤貨數量等。
“如此一來，可以實現精細化的資料運營，店長就可以把握每天的盈虧平衡點，需要多少才能夠達成目標，還需要做怎樣的工作才能促進業績達成。”現場工作人員告訴機器之心。
“通常情況下，95%的企業都可以直接利用觀遠資料提供的資料處理與分析能力，無需任何定製。從4年前產品研發的第一天開始，觀遠的產品理念就是低程式碼和無程式碼，只是這些概念最近一年行業才開始突然熱起來。”
觀遠團隊過去十年一直深耕資料分析領域，最近幾年又深度服務了很多頭部的零售消費領域客戶，很多行業經驗陸續沉澱到資料分析模型中，針對不同需求企業提供快速上手的標準化方案。
據機器之心瞭解，分析模板與模型由行業顧問牽頭把關，無論是針對怎樣的業務需求，在將資料給到技術之前，都會交給顧問，經由調研，理清業務模型、管理思路後，投入使用。
在所聚焦的行業方向上，觀遠資料聚焦的是泛零售、消費與網際網路行業，以服裝行業為例，目前Lily商務時裝全國有1000家門店，從店長到導購，都可以透過觀遠移動端的資料分析看板（店長/導購管家），以每小時為單位去發現所負責區域的資料指標變化。
“例如，服裝行業裡比較經典的258黃金點，下午2點、5點和晚上8點，不同的點如果指標沒有完成，就可以透過資料分析及時追蹤是哪些原因導致，究竟是客流、櫥窗擺設還是服務問題。找到問題之後，就可以透過及時人為干預抓住其中的增長機會。”
蘇春園還向機器之心表示，今年觀遠資料也實現了一些新行業的突破，包括新銳消費品牌、運動戶外、美妝美業、綜合通用行業等。 尤其，在疫情加速的節點，企業對數字化的需求越發迫切，也給觀遠資料帶來了新的升級與機會。
二 AI與商業決策的迭代與最佳化
不少企業的經營狀態都在疫情期間深受影響，以線下門店為主的零售業、服裝業面臨開閉店的抉擇為例。
疫情期間，觀遠資料與頭部連鎖零售企業合作推出“開閉店分析”，利用商業智慧進行全域性的資料監控，去發現哪些是區域性受疫情影響較小的門店，哪些是受疫情刺激需求更旺的門店。
當中，涉及的關鍵資料指標有門店的來客數、營業額、可復工員工數等資料，以此判斷哪些門店滿足開閉店條件。 針對零售店的“開閉店”雖然只是短時間，疫情過後，目標沒有發生改變，依舊是以“人貨場”為核心，實現精細化運營。
“人”的層面，透過會員分析，精準識別消費者的喜好、消費習慣和消費能力。
據機器之心觀察，觀遠資料也可以關聯門店人臉識別系統中的資料去分析使用者的消費習慣。在觀遠合作的一個案例中，某零售商戶的門店會設定人臉識別的攝像頭，既可感知人臉，也可識別客流。當攝像機抓拍到人臉之後，可以跟後臺的會員ID做關聯與對映。
“比如，持有門店會員的消費者進店後，收銀員可以瞭解消費者的消費標籤和消費習慣，就可以適當給消費者推薦產品。”觀遠資料工作人員告訴機器之心。
“貨”的層面，透過資料分析最佳化商品結構、提高商品的客單價。透過每天、每週的迭代，找到不同商品最優的表現條件，將商品的營業額貢獻率最大化，提前做好供應鏈補貨準備。
“場”的層面，指導企業向全渠道轉型，透過精細化運營，延續線上流量的紅利。
“未來零售企業的競爭力重點在於，是否能夠更敏銳地洞察消費者。”一位零售行業從業者說道。 實際上，以AI、大資料為導向的商業智慧，正在幫助零售消費業務實現數字化轉型。
在AI能力方面，觀遠資料在2020年智慧決策峰會上釋出了一站式分析平臺3.0版本，涵蓋Universe資料開發、Galaxy資料分析、Atlas雲三大“灰科技”產品線。在縱向應用上，Universe中的一站式AI專案開發與執行功能——Universe-Lab先後與聯合利華、沃爾瑪、百威等世界500強零售消費企業落地行業需求預測、智慧配補貨等AI應用。
銷售預測對於商業企業而言至關重要，這能夠判斷當下投入對企業本身是否足夠重要。
行業諮詢機構曾經做過一份資料調查，如果對商品降低1%的成本，淨利潤就能夠上升若干個點。 基於AI需求預測，觀遠資料與多家頭部品牌合作了這些場景，比如和沃爾瑪基於果蔬商品智慧預測的補貨最佳化專案。
據瞭解，國內線下有各種的銷售渠道，產品需求量極大。而生鮮類又對保鮮有要求，一旦遇到庫存過多又滯銷，會造成重大損失。
對於生鮮庫存而言，透過銷售預測來指導進貨與庫存，能夠在保證攻擊的前提下，進一步降低庫存金額，降低成本。因此，準確的銷量預測資料對於供應鏈的配補貨有至關重要的意義。
工作人員告訴機器之心，實際上，涉及到供應鏈的配補貨，資料分析追蹤從銷售訂單就開始，可以追蹤到工廠發貨。
“比如需要1萬件訂單，BI的資料分析能力就可溯源到工廠端，再按工廠的計劃進行拆解，例如需要多少原材料，再往生產環節進行拆解。”
此外，觀遠資料還和聯合利華搭建了供應鏈全流程的模擬化平臺。據資料顯示，截止到今天，聯合利華在中國80%的傳統生意已經可以完整地透過使用機器模型輸出結果取代傳統的人工預測。
由此也可說明，現在新零售的營銷和服務不再僅僅只是促銷、媒介購買和廣告投放就能解決問題，以資料和技術為驅動的營銷能力同樣重要。
三 “新零售顆粒度革命正在到來”
如今，在新零售裡，消費者的購買行為和消費習慣比以前更加碎片化、隨機化，更難以預測。
蘇春園認為，零售消費行業的顆粒度革命正在到來或者加速到來。“原來，零售消費是一批貨、一群人，現在注重的是單店、單品、單時、單度、單客、單次，所有的經營元素，不斷地在被拆細。”
由此，指導零售消費企業經營決策的改變，已經由每週、每月店鋪營收和品類表現，細化到每天、每時單個SKU的貢獻率或每個消費動作的改變。
“大資料時代，企業都不缺乏資料，缺乏的是對於資料整合、分析、應用的能力”蘇春園提到。
在此背景下，藉助AI+BI能力實現全面數字化轉型顯得尤為重要。但是，數字化轉型並不只是技術轉型，零售企業還需考慮自身身份的轉變，例如從粗放經營向資料驅動的精細化運營轉變。
根本在於，以消費者為中心，重構人貨場，透過資料和技術來不斷驅動運營效率的提升和商業模式的轉變。