台灣FANS俱樂部

台灣FANS俱樂部 網站首頁 科技 查看內容

算法博士+人工智能+大數據=企業供應鏈智慧化決策?

算法博士+人工智能+大數據=企業供應鏈智慧化決策?

如果說AlphaGo讓2016年被稱為“人工智能元年”,那麼2017年一定是人工智能在各行業應用領域的大爆發。



伴隨著巨大的市場機會和逐漸膨脹的AI泡沫,人工智能、大數據、雲計算、機器學習等技術性名詞就逐漸滲透到了各個行業。在數據化、智能化的同時,對企業供應鏈管理的影響是顯著的。在企業運營過程中,能夠通過對過去傳統ERP時代積累的大量數據的深度分析,結合其他大數據的變量因素,產生更加智慧化的企業供應鏈決策,是人工智能時代對企業重要的創新應用。



但技術創新的背後是否能夠真正地為企業產生直接價值,是需要符合技術應用為前提的。從筆者過去對企業供應鏈管理的認識中來看,今天的技術的企業創新應用需要四大價值前提:企業應用場景、原始數據積累、技術分析能力、適用工作流。這四個價值前提是企業應用技術、企業落實技術應用以及企業將技術成功融入流程管理的重要因素。



目前大多數人工智能領域的創業公司都帶著自身大量的技術沉淀,結合著目前人工智能的風口,形成了一波技術資本熱潮。曾經研究機器學習、優化算法、運籌學、視覺識別等領域的專家博士,什至在該領域進行科學研究多年的學者教授,都從未像今天一樣被企業所認識和重視,也從未如此受到資本市場的追捧。



一家人工智能領域創業公司,或者是與之相關的科技公司如果沒有一兩個算法方面的“首席科學家”,都難以向市場及資本方驗證自身產品的高度“專業”。



但在供應鏈智慧決策領域,僅僅帶著“科學家”和人工智能的供應鏈管理公司,都無法有效的幫助企業打造真正人工智能時代需求驅動的供應鏈管理創新。而這樣瓶頸的產生,其根源並不在於技術是否足夠先進,算法是否足夠領先,而是在於幫助企業進行科學決策優化時,是否足夠理解你所認識的“企業”,足夠理解企業所在的行業。



對於人工智能應用來說,網際網路及高科技企業是結合程度最高,應用范圍最廣的。但除此以外大部分的傳統行業,包括制造業、能源產業、鞋服及快消,即是系統化程度最層次不齊,也是痛點最痛的行業,卻是新技術應用阻礙最大的行業。



首先是企業系統應用程度差距很大。以零售行業為例,同樣是CRM、WMS和ERP系統所產生的數據,不同的企業在整個內部供應鏈的管理上應用差距很大。從采購、生產、物流運輸到庫存管理及門店管理,有以7-11代表的高度協同的需求鏈信息系統的應用,也有管理水平比較低的夫妻店的簡單進銷存的記錄。這種跨度就註定了不同的企業形態需要供應鏈管理公司從不同的角度切入。



切入的選擇就是在選擇企業的應用場景,讓技術的應用有所為,有所不為。並不是有一個“黑科技”就一定需要企業用得起來,而是在基於對它的理解上,選擇最適合且最成熟的應用場景落地。對於已經有各種系統支持的企業而言,需要的系統間的協同和流程上的協同,這兩塊是缺一不可的。系統上的協同是為了更好的運用智能算法進行深度分析,從而避免企業內部的信息孤島的產生。



以一家化妝品行業巨頭企業為例,企業內部信息系統在有7-8個之多,在一個大框架下還有另開發其他的小功能。那麼如果從這個角度應用AI數據分析,如何打通已存的系統間的數據,就是很大的挑戰,另外需要在這個基礎上,引入其他的數據源做高精度的分析,就成為了做技術應用的人需要深度理解其系統應用及流程應用的重點。



而針對商品管理的領域如選品、定價、促銷、供應鏈、采購、物流等所構成的運營體系的技術應用,需要的是選擇最適用於這類企業的模型算法,結合現有業務的數據建模,來滿足不同業務場景下的不同商業目標,這才是一個好的人工智能的商業運用,相應地也能夠形成一個完整的數據閉環。



因此,企業要建立以需求為導向的供應鏈智慧化決策體系,需要的是跨領域的專業融合。從筆者自身來講,同樣是多年算法、運籌及供應鏈管理的研究,但是經過企業實踐應用及觸及流程變革時產生的困難,會讓我們意識到模型算法是我們手上的工具,是否能夠對企業有用,需要的是歸納總結出適用於不同行業的業務規律,並能夠對不同企業流程上的差異來進行數據模型的建立。



AI的技術十分重要,我們仍然相信,這已經是不可也無法逃避忽視的企業關鍵要素之一。對未來而言也會是企業產生最核心差異的競爭力之一。



但就目前而言,是要先針對不同業態的發展階段,讓人工智能落地,為不同的企業找到合適的應用場景,調用企業的歷史數據進行深度數據分析,從工作流的角度分析應用的方式,最終為企業建立“獲取數據—分析數據—建立模型—預測未來—支持決策—形成數據”的數據閉環。才將成為人工智能企業在技術門檻日益降低的發展過程中,鑄就自身真正的商業模式壁壘的解決辦法。



Copyright © 2008 - 2017 TaiwanFansclub All rights reserved.
返回頂部