什麼是演算法？演算法又如何影響生活？
當音樂APP越來越懂你，短影片APP紛紛給你推送感興趣的內容；購物平臺摸索出了你的喜好，它能讓你覺得懂你者是演算法。
願意or不願意，你我都已被潮流裹挾，走進演算法時代。
技術的進步致使演算法突破過去的使用邊界，從輔助人類做決策進入到更深層次的真正替人類做大量的重複決策，透過深度學習等劃時代的演算法才能讓機器更智慧，讓商業更智慧。
作為一家從成立起就自帶演算法基因的公司，奇點雲如何與演算法打交道？智慧演算法在企業數智化轉型中扮演什麼角色？又如何讓演算法實踐落地？
5月13日，資料中臺系列課程第6課，高階演算法專家百然帶來分享《企業數智化轉型背後的智慧演算法》。百然，奇點雲合夥人、演算法負責人、大資料商業分析及精準營銷領域演算法專家，原阿里巴巴機器學習演算法專家，原阿里雲資料化運營演算法負責人，原阿里巴巴天貓商業智慧應用演算法專家。
下文為分享節選：
01企業如何解決轉型中的痛點？
企業數智化轉型中的三大問題
大資料運用打破壁壘是關鍵。奇點雲在服務大量的需求客戶（政府、金融、時尚、商超等）過程中，總結了企業日常經營過程中遇到的核心問題：存、通、用。
存：例如鞋服門店，擁有很多資料，但是到底有多少資料，資料到底存在哪裡並不清晰，且資料散落在各個應用系統裡，未完成集中儲存的現象比比皆是。
通：生產、銷售、物流各個系統若沒有打通，資料就是割裂的，使用者畫像並沒法完成。
用：企業數智化本質上就是要將資料「用起來」，「用」是資料變現的通道。
智慧演算法價值實現三階段
數字化：門店如何知曉誰來過？多少人來過？他們都去了哪裡？是否還會再來及顧客的購物癖好。需把門店無形的資料透過計算機視覺技術進行數字化。
BI：分析+決策，若只是單純地做報表，瞭解當月的銷量、效率等，那只是最基本的判斷。而價值的實現需要知道問題存在哪裡，找到最好的實現方式，大量的資料分析結合演算法，幫助企業找出最優的活動方式。
演算法應用：演算法是一個工具，不帶表情、色彩，價值在於懂演算法的同學透過演算法這個工具，結合商業需求應用起來。
02智慧演算法如何幫企業做決策？
在資料「用」的階段，智慧演算法主要有兩個用途：預測和決策。
精準的需求預測，能幫助企業變以往粗放被動的經營方式為精準主動的經營方式，輔助企業的決策層做出更加合理的經營決策，從而更好地服務客戶及挖掘顧客價值，最終增加盈利。
更準確的需求預測只是決策的一個步驟，還有隨著銷量等業務變動過程和流程管理過程中的庫存訂貨決策、價格波動決策、短缺博弈決策等決策問題。資料要產生實際價值，必須真正提升決策質量，實現決策的自動化、流程化、規範化。
奇點雲預測引擎以需求預測作為切入點，決策引擎則關注執行過程中的計劃決策效率和決策質量。已為不同領域企業進行企業決策，戰績還不少：
✨為某服裝企業，每年省下了數千萬的人力成本，且全面提高效率與組織協作效率。
✨為某商業綜合體，為其改變拍腦袋的決策方式，在招商策略、品牌汰換、經營決策上發揮更重要的作用，能夠達到甚至超過預期的效果。
✨為某大時尚企業，幫助客戶業務人員對應的重複工作量減少80%，計劃決策時間縮短三天。
✨為某生鮮企業，其門店正毛利率從上線前的87%提升到了上線後92%，且上線後基本穩定在90%以上。
而上述四個案例只是奇點雲智慧決策案例的冰山一角。
03 智慧演算法落地實踐案例
使用者畫像使用者畫像完美地抽象出使用者的資訊全貌，簡單來說就是使用者顯式（隱式）的基本特徵，包括性別、學歷、年齡、地區及使用者的購物偏好、消費軌跡等。我們使用者通常被機器標註成一個資料組合，如：科技50%、時尚10%、健身10%等等。
使用者畫像基於業務場景出發，不同企業對使用者畫像理解不同，如時尚行業與金融行業對使用者的畫像需求不同，瞭解資訊的緯度不同，但核心都為客戶及業務場景服務。
運籌規劃在人工智慧和大資料時代，越來越多的雲上資料和越來越智慧的模型開始輔助人們做出各種最優決策，從運營效率、成本節約、最優配置等方方面面，實現降本增效，進一步提升商業效率。京東、美團、滴滴、順豐等眾多知名廠商，都透過運籌最佳化平臺，改造其供應鏈、智慧派單、司乘匹配、智慧分揀等等。
奇點雲根據成熟的軟體工具包（cplex, gurobi, glpk，lpsolve, scip ...）給出經典運籌最佳化問題的baseline解，快速上線試執行。在執行的過程中根據結果評估的核心指標，結合運籌最佳化演算法和強化學習，對演算法和求解過程進一步最佳化，使得計劃決策模型、求解過程、評估體系能夠為客戶實現業務發展最優路徑、最終實現收益最大化。
商場數字化商場數字化，簡單來說就是商場的特點，包括區域畫像和店鋪畫像。其中區域畫像，指的是對某個具體區域在時空多個維度上進行區域熱力、區域人流、區域價值等多方面進行分析。而店鋪畫像，透過結合人的畫像，從而對一個店鋪的熱度、店鋪消費群體、進店轉化率、店鋪復購率、店鋪行業屬性等多方面進行描述。
最終AI演算法並不是萬能且高深莫測的，演算法僅是工具，只不過我們瞭解世界多了更多緯度，還可用演算法加速認知世界的步伐。