联商网消息：2020年注定是载入史册的一年。逆境之下，新一代消费心理和营销模式正发生巨变，零售企业的“人货场”格局自此面临重塑，数字化转型再次被推上促增长的拐点。不确定性已经成为常态，精细运营、快速反应，让决策更智能，将成为未来十年的确定性。

10月23日，2020观远数据智能决策峰会暨产品发布会在上海举行，本次峰会由国内零售智能分析领域的领先企业观远数据主办。此次峰会汇集了500+来自连锁零售、快消品牌、购物中心、新经济消费等各个领域中有代表性的企业高层，释放前沿观点，解读疫后企业数字化转型方法，共同探索通往数据智能的新路径。

联合利华中国业务集团供应链高级总监杨纪宝带来了《AI赋能供应链数字化转型》的主题演讲，他表示，联合利华坚持打造、建设数字化能力，根本原因在于企业在快消行业里面碰到的很多传统积累下来的业务痛点，必须要通过数字化的新技术来突破解决，更好的服务消费者。

如今，消费者购买的行为习惯、消费习惯变得比以前更加的随机难以预测。所有的东西都变得无比碎片化、随机化，作为品牌商几乎在所有的消费场景下都被这种新的消费形态冲击。他认为，在这种情况下，借助AI能力实现人机友好结合互动共同学习，完成全面的数字化转型显得尤为重要。

以下为杨纪宝演讲摘要：

谈人工智能的话题，对我来说是一个挑战，我在思考到底站在什么样的角度跟大家分享。想来想去，只能真切地跟大家分享一下过去3年，我们切身在做的数字化转型历程。

前段时间在北京参会时听到过一句话：在数字化转型里，撇开专业能力，最为重要的能力之一是填坑能力。这正是我们与观远在过去一段时间内重点打造的核心能力之一。

三年前，刚开始“数字化”旅程时，我们对未来的畅想非常美好。我们认为，随着新技术的延伸跟发展，随着新技术的高端化、工业化，所有的行业都会发生突变，也包括了我们所在的快消行业。怀着这样的憧憬，我们开始推进数字化转型——利用人工智能技术，解决过去过分仰仗于人做预测的核心痛点。然而，真正开始的时候，我们发现现实跟理想差距不是城市到郊区的差距，而是两个星球之间的差距，在这个过程中，我们遭遇了很多的挑战，几乎是属于逢山开路、遇水叠桥。

快消行业中的新消费形态

为什么要这样坚定的走这样一段路？根本原因在于，当下快消行业存的很多业务痛点已经没办法依靠传统的方式解决。

在快消行业中，相比以前，消费者购买的行为习惯、消费习惯变得更加的随机、不可琢磨。在传统的消费场景时，你可以知道某一个社区某一个消费者，会在什么时间到哪个场景去购买联合利华的哪件产品。但是，因为如今有太多的消费形态、动机，有更多的便利渠道供消费者选择，这些东西变得无比碎片化、随机化。作为品牌商，我们几乎在所有的消费场景下，都遭到新消费形态冲击。

随着新兴渠道崛起，粉丝经济的影响仍然巨大，与此同时，消费者对虚拟品牌印象、跨界品牌联合，有很强的新诉求。直播更是时下的大热门：刚开始做直播时，我们一天的直播销量，相当于传统线下经销商一至两周的销售额；如今，一场直播带来的销量，甚至可能达到一个经销商一年的销售量。

在业务层面，我们曾面临的一大挑战是什么？ 在传统业务流程里面，我们过多的仰仗“手工化”的处理流程，但整体数据量非常大，过多的仰仗于人工的处理方式，会导致处理的颗粒度非常的粗犷，无法做到对消费者诉求的精准履约服务。

在中国，联合利华运作了接近80个不同的品牌，有接近3000多个不同的单品，涵盖日化、家化、食品、冰淇淋等不同品类。我们要直接面对全国接近8000家配送网络，以及配送需求。有大的超市客户，也有到四线五线甚至六线小的分销商。在不同场景中，消费者群体的特征有很大的差异。对我们而言，每一次跟消费者的触达，都会转化为需求的信号。大家可以想象一下，这对传统的需求预测来讲，是一个多么大的挑战。如果仰仗于人脑处理这些需求的话，带来的将是全员崩溃的结果。

现在，绝大多数企业都上了ERP的系统，传统的ERP能够解决的是非常基础且宏观的业务流程，如果真正涉足到细致的，例如以每天每个消费者每个单品为单位的履约流程，就需要开发定制化的工具。

尤其是在每一次大促期间，一方面我们发现产能非常紧张，你那一按照消费者对直播、大促、品牌日等的需求习惯进行及时供货；另一方面，匆忙生产出来的货不一定会卖的好，这涉及市场的变化。因此，在新型电商行业中，我们反应速度一定要快。

想要解决这些业务痛点，如果只是依靠加人的方式，不仅很难形成真正的突破，甚至当人加到一定程度的时候，你所解决的只是企业内部人与人之间的问题，而不是企业与消费者之间的问题。

联合利华数字化转型之路

当我们看到在各个不同的领域中，AI带来这么多令人振奋消息的时候，我就在想这是我们的一个机会。

自此，我们开始跟不同的技术商合作，也曾接触过很多大型服务企业，这些企业在宏观技术、基础技术上有非常强的基础。最后真正开始落地的时候，我们非常庆幸选择了观远作为我们合作伙伴，在过去3年里真正实现了这种工业化新技术的应用。

最初，因为AI是一个很高端的人工智能学习的技术，有自我学习的能力，所以我们期望值是很高的，希望它能够做到几乎100%的预测的准确度。但是经过两年多、三年多的尝试，我们发现，将来AI在真实商业环境下的应用一定会是人机结合，是一个人机友好结合、互动共同学习的应用。同时，这个应用带来的期望值和输出的结果，一定是会基于人工进行二次判断，才能够达到业务的真正需求。

所以，开始的时候我们做了非常多基础性的工作。

首先就是清理数据。很多人说数据是新时代的这个石油，我的观点会有一点不一样：不用的数据是不会变成石油，不用的数据一直积累在系统里，只能变成阻扰你的石头。所以我们启动这个项目时，最大的挑战就是对数据的清理，非常感谢观远，对我们公司近50种不同的数据源，采取不同的方式进行了根本性的重塑。

同时，我们利用了观远的BI的能力，在公司层面上，从高层到一线，这个具体操作人员产生了接近200多种不同的结果，帮助优化每日的基础管理工作。我们在搭建模的过程中，曾走了不少的弯路，不同的两类产品的工程的输出等都不一样，我们要做很多的尝试。因此我们跟观远搭建了一个供应链全流程的模拟化平台，通过模拟化的场景跟平台，帮助我们在宏观层面做好把控。

在使用的过程中，我们发现要建立一个更加完整、细致的指标体系，来判断机器学习的结果是否可以达到人的需求，目前，我们用接近20个指标来严格管控每个品类的机器模型的上线。通过这样的方式，截止到今天为止，在联合利华中国区的传统生意里，80%已经完整的使用机器模型的输出结果来取代传统的人工。我们不再需要通过人工Excel完成大量的信息处理，做需求的预测。

当消费者的体验碎片化有这么多随机性和冲动性的时候，你的反馈需要变得非常的颗粒化，这就对需求预测的颗粒度提出了很高的要求。

以前传统做人工预测的时候，最多只能以月、以全国的分仓作为单位指导配货跟补货，但是在AI的基础平台下，我们可以实现周度，原则上来讲，可以实现每周无限制的指导每个分仓的补货策略，对灵活的调整和贡献非常大。

我们得到的收益不仅仅是工作指标的一个提升，当技术嵌入到联合利华的业务里面，你就得重新的思考你组织结构跟人员的搭建。以往，联合利华传统的计划是产销协调的流程：上游对接销售，下游对接我们自己的工厂，整个计划里我们要分需求计划，要分供应计划，要分最后的补货计划等等。如今，借助于观远现在AI跟BI的技术，我们已经实现了需求在产生过程中接触者的极度精简。

当我们真正的去深入的看到每个细节的时候，你会发现这些人更多的不是在处理前台消费者的需求波动，而是在处理内部的多环节、多层次的沟通。所以当我们有了一个统一的智能化的平台之后，我们完全基于这个平台，跟一个角色进行赋能和对接，而不需要跟这么多人进行对接，这也是我们已经实现了的“三变”中的一个变化。从以前三个计划员去服务同一个品类，变成今天一个计划员直接对应上游销售跟下游供应链，实现了最精简的信息链传递。很多时候，需求预测不准不是因为做预测的人太少。很多人对预测的判断都有自己的想法，只有通过一个强大的信息处理平台把信息汇总在一块，让它的输出通过单点的窗口接通，我们才能撇开不必要的人员的干扰，进行最好的预测。

所以，在落实的过程中，我们在模型搭建上做了很多的尝试。最初，我们觉得第一个板块出来的结果应该都是数据，都是特征工程分析的结果，而不应该有任何人的干扰。然而，销售量最终是靠人做出来的，所以需要一些从人的角度的思考，基于商业的规则，允许业务进行调整，诸如控制产品的促销力度，控制某些单品在渠道上的流向，控制它跟品牌合作的深度等等。因为模型搭建的结果最终是要服务于生意。

另外一个很切身的体验，是当AI输出的结果越来越好，我们担心却越来越多。因为你看不懂，不知道它为什么会输出这样的指导。基于此，我们要把AI和机器学习白盒化，通过观远的技术能力，我们搭建了一个特征工程的线性分析功能，纵轴上是我们输入的每个数据源，这个分析功能会告诉我们每个数据源最终对模型的输出影响值是多少，这些值是相对值不是绝对值，它会帮我们很好的量化哪个数据源会影响到你的输出，通过这样的线性关系跟分析结果，来帮助计划员更好的解读AI背后的建模逻辑。

我们还有很多业务的场景，是需要有人机互动的，需要人跟这个AI之间进行对话。因此，我们和观远共同开发了一个叫做AI小助手的定制化功能。这是一个基于每个品类、不同的业务员需求情况，专项服务业务员跟AI服务模型对话的软件。这是我们在AI技术中去工业化的尝试，也是非常受欢迎的一个功能。

最后，我们也是在做S&OP产销全流程的思考，我们在需求端跟观远的合作进一步升级。未来，我们会利用观远的技术平台搭建一个全公司数字化的需求中心服务整个业务部门，尤其是供应链、财务跟销售在所有维度上的预测需求。我们会输出各种维度的预测需求，然后在供应端实现基于Saas技术平台的一个供应计划的调整，然后把两个系统平台搭建起来，这样从需求到产出，到供应计划的调整安排，可以实现一键式全流程的操作。基于公司搭建的数据湖平台，我们能够赋能将来的业务可以持续演变跟进化。基于这样的场景，我们可以真正打破在传统快消基于传统ERP、基于人工的产销流程，实现每周的产销对比、销售的结果、财务的报表，甚至可以做到以天为单位的高效流程。这是我们现在在推进的2.0版本的一个升级。

人才培养，赋能数字化的转型

最后有一个事情想跟大家做分享，是我们在整个的转型过程中关于人才问题的思考。以前，我们招的都是学机械，学模型，学有机化学、无机化学等工科学生，很少会招聘学计算机、学高等数学的学生，但是我们发现他们如今也变成不可缺少的一部分。

现在，我们跟观远正在在共同搭建一个基于面向未来数字化人才专项培养课程，联合利华这一端输出在真正商业环境下必须要解决的商业痛点以及基础的商业流程，通过观远的技术平台定制开发。告诉大家在行业中，高管级别、中层管理级别、一线管理人员应该具备哪些知识，如何培养？采取灵活的培训形式，临时培训的课程，赋能整个数字化的转型，我们相信通过这种方式，才能促使传统型的企业在数字化转型的过程中变得更加具有竞争力。