近日，“数据智能”成为快消流通领域的经销商争相讨论的热词，但数据智能到底是什么，能为业务增长带来哪些帮助，可能对大部分经销商来说都没有一个清晰的答案。
想了解数据智能，首先要了解科技进化的三个阶段。第一阶段是IT时代，经销商能够在线实时查看一些数据信息，但是不明其价值。第二阶段是DT1.0时代，数据经过挖掘、清洗、筛选，并且套入了商业模型，经销商能看到数据之间的关系，并得到部分有价值的信息，比如能直观地看到一段时间内纯利润的变化趋势，辅助经销商做决策。第三阶段是DT2.0时代，也就是数据智能的主场，不仅能让经销商看到各个数据、数据变化的趋势，还能让经销商了解哪项数据起到关键作用，如何调整才能实现效果最大化。更进一步，还能让经销商知道后续是沿用目前的策略更好，还是应该尽快做出调整。
今天，我们特别邀请舟谱数据的CTO慕巍先生，来为广大经销商详细讲解数据智的价值。
编辑：数据智能是什么？相较于传统的大数据+人工智能，数据智能带来了怎样的跃迁？
慕巍：其实数据智能可以看成是大数据2.0时代。在1.0时代里，可以粗浅地认为是大数据+人工智能，通过数据模型+梳理+机器学习，数据能够可视化地展现出来，但是能够读懂其中价值的人很少，因为读懂这些数据需要比较专业的技能，要经过繁琐的数据清洗、筛选和拼接才能够找到有价值的数据。普通人要想想看懂20到30个图表的含义，就必须聘请专业的数据分析师。而且，在人力主导分析过程，不仅会带来大量的人工成本，还会受到分析人员水平与能力不一的局限。所以说，人们常说数据就像是一座矿山，但是很少有人在矿山中找金子。
而大数据2.0时代，数据智能就是让数据更平民化一些。让更多的普通人不再囿于专业技能的局限，也能够读懂数据。而且在这个时代，给你的不仅仅数据，而是洞察，并且根据洞察你能够迅速找出问题出在哪里，自然地生成决策，换句话说就是用数据驱动决策。
编辑：在竞争激烈的新零售时代，数据智能对于流通领域的价值是什么？
慕巍：随着新零售的到来，新生力量不断地涌入，流通领域的竞争愈发激烈，经销商们也知道增量越来越少，越来越难做，把握存量市场成为关键。而如何稳固或提升自己的存量市场销量，就需要你有更高的效率，能够更快感知市场变化，更快速地触达。但问题的关键在于，经销商并不知道哪里效率低下，是人员、配送的问题，还是选品有问题，又或者是经营策略的问题？即便是能够看到数据报表，但因牵扯到的专业知识，经销商无法去比较，去深钻，也就没办知道效率到底低在哪里。
这个时候数据智能的价值就体现了，数据智能为我们提供了行业数据以及你自身历史数据，通过智能商业模型，在帮助我们消除不确定性的同时，逐步牵引这我们找到原因。在找到原因的基础上，用数据带给我们以洞察，并最终引领我们做出科学的决策。而且，随着行业的复杂性的不断提高，依靠数据来做决策的价值也会越来越高。
编辑：数据智能的价值，会在流通领域的哪些具体场景中展现？
慕巍：其实新零售意味着门店会越来越贴近消费者，越来越贴近消费者的需求。而这对于经销商的精准补货就提出了要求。就拿补货这件事来说吧，门店当然是需要越来越精准的补货，从而不占用库存，保持比较科学的余量，所以这就需要更高频次和更精准的补货。但是经销商有那么多SKU的产品，那么多门店，你没办法来精准预测到底哪个产品在哪家需要补货，哪个产品的余量在哪家店比较多，如果仅仅依靠业务员多跑门店获知信息的话，这个就不太现实。这个时候数据智能就起作用了——智能补货，它会依托市场动态，行业数据，行为数据以及各个门店的历史订单数据等，洞察出门店之间品项、数量之间的差异，给出一个符合门店实际的补货量，以保证门店不至于缺货或者余量过多。
而在经销商最为在意的利润方面，数据智能的价值还在不断显现。比如在分析你销量上涨或者是下跌的原因时，会具体到各个区域的销量、各个品项的销量；然后继续拆分，在一个区域里，是商超（KA）的订货量下降了，还是夫妻老婆店的订单下降了；然后继续拆分出是哪个品项的下降了；然后继续拆分是因为业务员的拜访频次不够，补货不够还是选品上出了问题。。。。。。不断地来拆解原因，层层剖析，让经销商能够洞察到根本的问题，从而能够自然地做出科学决策。
编辑：为什么舟谱数据可以引领用户进入到数据智能层面（DT2.0时代）？
慕巍：这里可以从两个方面来谈。首先是意识层面，在舟谱看来，一个优秀的数据产品，带给客户的不只是数据，只是数据没有任何的意义，一定是要给客户带来洞察，进而给出客户有价值的决策。这也是我们一直以来在做的事情——数据驱动决策。其次是技术层面，在追求数据价值的道路上，舟谱一直用不断扩充的技术能力和行业深耕经验，逐步缩短数据洞察到价值创造的距离，主要体现在三方面：
1。优秀的数据可视化能力。在人机交互的界面上，舟谱通过高低不同的柱状图折线图，丰富的数据看板等，让用户直接看出来数据的波动和变化。
2。理解商业运营的模型。只有理解了经销商的商业模型，才能让合适数据放在合适的位置呈现出来。比如说，利润=营收-成本，利润的计算会比较复杂，你的利润需要营收-你的广告投放-你的人力成本-你的损耗。。。。，这些数据怎么关联，一定要懂这些商业原理和真实的生产环境，舟谱拥有多年的行业深耕经验，能够给出合理的数据算法模型。
3。具备增强分析的能力。原先这些机器学习、数据准备、洞察生成，都需要人来展现，而现在用机器学习和人工智能来自动做成。但是在舟谱看来这些还不够，舟谱在还运用了目标制定、异常检测、数据地图等技术进一步辅助决策生成。
比如说，你的利润同比下滑了10%，或者是你的利润同比增长10%，但是你不知道这个到底是个好事还是坏事。那如果我告诉你，你的利润同比增长10%，但你去年同期增长是20%，那实际上你的利润是下降的。但是如果我告诉你，因为经济衰退，整个行业的增长只有2%，那你的10%就属于比较强的增长。所以，首先要有一个目标。才能谈这个数据是好是坏。
也正是基于此，舟谱运用数据智能及时为你提供到行业数据、历史数据多个维度的对比，来帮助用户完成一个目标的自动制定；基于这样一个目标去找原因，通常一个商业流程很长，中间会牵扯到很多的数据，但是你不知道是哪个数据在“捣乱”，这个时候就需要异常检测，来帮你检测到底哪个地方产生偏差；同时，构建数据分层地图，一层层导引出数据偏差的位置。经过数据的分析和洞察的发现，通过底层数据能够自然地产生决策。
一直以来，技术的发展是不可逆的，技术对于商业的影响也是任何一家企业无法回避的。因此，舟谱数据一直追求运用更新、更智能的技术让经销商掌握数据价值，帮助经销商在未来实现业绩的可持续增长！
0