中臺是“讓聽得見炮火的人召喚炮火”，面對如火如荼的中臺建設潮，只有先解釋了“資料該怎麼用”的問題，才有必要進一步解答“資料怎麼來”、“資料怎麼存”的問題。

為什麼需要資料智慧模型

中臺，2019最火熱的詞彙之一。

如果把資料中臺比喻為現代企業資料管理的航空母艦，無疑現在這艘航母還是一艘孤零零的巨無霸，沒有護衛艦隊，沒有搭載作戰叢集，更沒有攻擊性核潛艇。

現在的問題是，我們建好了「中央發電站」，卻發現缺少能釋放其巨大產能的「電燈泡」。

我們空有單叢集上萬臺伺服器規模的算力基礎設施，僅僅只是讓報表跑得更快或者消除資料孤島？這無疑是對海量算力最大的資源浪費，市場呼喚著能把這些龐大算力釋放出來的資料應用。

什麼樣的系統才能與巨大的算力相匹配？什麼樣的系統才能真實有力地去解決業務實際問題？資料智慧模型！

什麼是資料智慧模型

什麼是資料智慧模型？他和傳統的資訊化系統有什麼區別？智慧又體現在什麼地方？

這裡需要解釋下「資訊化系統」和「智慧化系統」的區別，「資訊化系統」本質是編輯資料庫，一個系統如果核心是靠人工決策並且依賴大量人工互動來完成任務，那麼就是資訊化系統。而「智慧化系統」則是依靠機器高度自動化完成“資料清洗—問題定位—業務決策”等一系列操作，以任務為輸入，以處理結果為輸出。

按照這個標準，市面上形形色色的智慧系統都只是借智慧之名魚目混珠。

智慧化系統的智慧程度可以參考下圖，L0向L4意味著智慧化程度越高。

對標企業管理發展的四個階段，企業必須完成整個資訊化工程L0至L4的改造升級。

企業的資訊建設其實是企業管理升級的投影。當然這麼說還是比較抽象。

拿商品運營中最基礎的貨品調補環節舉例。

1、L0階段：在企業早期階段，區域門店的補貨、門店間的調貨，不是一個非常嚴重的問題，一個人列幾張表格，花點心思就能搞定，僅僅做到標準化管理即可；

2、L1～2階段：隨著規模的擴大，當門店達到上百家，這時候就必須組建商品部門，去協調上百家門店之間的商品短缺和區域間不平衡的情況，這裡就需要流程化管理。半自動化或者自動化管理系統可以輔助商品運營人員形成企業獨有的運營風格和策略；

3、L3～4階段：資料的傳輸效率會隨著節點（人員）的增加邊際遞減，隨著規模的進一步擴大，想依靠加人頭來管好線下的整盤貨，就變成了一個人員臃腫、效率低下、成效難以衡量的問題，期間伴隨著高昂的人員培訓成本和核心員工離職的風險。智慧化系統也就應運而生。

我們近期服務的某集團正處於流程化管理向自動化管理過渡階段，商品運營部門人員多達20餘人，這20餘人平均每週需要投入四天時間去處理商品的補貨、調貨資料。

這20餘人訓練有素，需要人肉去判斷500家門店商品的盈虧狀態，在供大於求的時候優先滿足哪種型別的門店，應該滿足多少？供小於求的時候？一個熟練的投放專員在每次補調貨的時候需要同時考慮十多個衡量指標。

現在某集團預備在未來一年內開啟加盟模式，門店預計擴張到4000家，一個熟練的商品專員平均培養週期最少2年。

門店擴大十倍，商品專員也相應擴大十倍？

智慧調補貨系統，集採了天氣、區域、位置等外部資料，結合行業先進的調補貨經驗，上線後預計可達到：

1、採用深度學習演算法，原先需要十多人協作完成的補貨資料，機器僅僅在幾分鐘內就完成了全部補貨過程，即使千餘家門店的調補貨計算量也不在話下，無需辛苦招人培訓，還要隨時警惕競爭對手來挖角；

2、原本需要整個商品部反覆拉扯的補貨問題，系統自動按照毛利最優解決方案，完成了全部的排程工作，預計可將商品平均周售罄率提升到60%～70%，雙週售罄率穩定提升到80%以上，區域間調撥次數降低30%以上（18年某集團僅補貨物流成本可達250萬）；

3、業務人員的腦力被極大釋放，珍貴的核心員工只需管理好演算法模型的最佳化方向和資料補充，有更多時間去思考商品本身的運營策略，商品部也由一個成本部門升級為利潤部門。

雲端計算浪潮降低了硬體採購的成本，直接催生了今天中臺生態的繁榮。

今日中國的中小企業可以低成本搭建自己的資料中臺，有機會從源頭就開始校正資料化建設方向，但是中臺的盛行和業務發展的需求，必然會倒逼業務前臺的升級改造。

中臺戰略之下，現行企業的方方面面其實都值得重構升級一遍。