在会议当天，搜狐科技联合天眼查正式发布了《2019搜狐科技AI创新100榜单》，在明星公司和独角兽大量涌现的今天，寻找当今人工智能浪潮的执牛耳者。榜单结合企业技术投入、创新能力、商业化能力、业务拓展能力、业务增长速度以及各类行业资料、专利申请、团队背景、新闻报道等多维度信息，对人工智能领域上百家企业进行综合梳理，大规模重点分析了人工智能行业近一年来的创新发展趋势。百分点因在数据智能领域所获得的众多创新成果及显著的商业进展荣登“AI创新100”榜单头部。
数据智能重构零售行业
百分点首席数据科学家杜晓梦认为，目前已经进入了大数据和人工智能结合后的数据智能的时代，无论是营销、销售、供应链还是生产端都越来越智能，未来数据智能应用、专家知识系统这两部分，将会给零售行业带来巨大的突破，实现从数据到智能跃迁。
第一步是业务数据化。零售行业在生产、营销、销售和服务整个流程当中，每一个环节都会产生大量的数据，需要通过设计数据采集场景和机制、完善数据采集流程、采用数据采集先进技术把这些业务数据捕捉下来。第二步是数据资产化。业务环节产生的大量数据如果不进行治理，不仅杂乱而且产生不了价值，因此需要全渠道数据的拉通、进行数据治理、建立数据资源目录和标准，帮助零售企业实现数据洞见。第三步是资产应用化。需要将已经梳理好的企业自有体系内部数据及第三方数据，根据业务需求和优先级构建数据驱动的应用。比如招商选品、品类规划、门店选址、以及采购补货、库存管理、精准供应、高效物流等供应链环节应用。第四步是应用智能化。自动化和智能化的应用需要海量的数据，并在应用场景中快速迭代、不断优化，让零售各环节变得更加智能。比如某龙头药业集团，每年在全国各个大区举办数十亿投入的营销活动当中，因为缺少数据化，没有数据为决策做支撑，导致无法判断预算倾斜到哪些营销活动当中效果会更好。因此，百分点帮助集团把整个营销活动全流程进行数据采集，包括时间、金额、申请人、活动方案、物料、产品、客户等信息，进而根据活动投入范围展示不同维度指标，通过建立模型分析费用投入的标准额度，测算申请、总结费用金额的参考范围并进行预警提示。在此基础上，就可以让决策者看到不同的投入、不同的营销活动能够带来多大的价值，从而进行比对、搜索和分析决策。因此，业务数据化不仅是重要一环，且是一切数字化转型的第一个步骤。比如百分点为某零售百货集团搭建的大数据平台项目，帮其打通了全国几十家门店以及线上线下的数据，进行数据资产化管理。实际上，这是一项非常艰苦卓绝的工作，零售行业因独特的行业属性，数据非常杂乱，比如货品数据，消费者线上线下数据及交易数据等，都需要进行治理、整合和盘点，这之后才能形成数据资产。比如围绕一个个体消费者的全触点数据，需要打通停车系统数据、PC端和线上商城数据、线下门店数据、微商城数据，只有把这些数据全部拉通之后才能形成对于一个人的统一预判，这也是用户画像建立的过程。在数据资产化后，才能依托这些数据资产构建用户的宏观画像，以及基于不同的人做千人千面的营销。因此，数据资产化也是大数据应用的一个前置条件和基础。百分点为某家电集团做的销量预测案例，在做销量预测之时就会用到一系列已经资产化的数据，包括订单、竞品、库存等已经梳理好的数据。在此基础上进行数据建模和输出，帮助预测不同的阶段、不同推广力度下的销量情况，让决策者在可视化系统上可以看到不同尺寸、不同价格、不同阶段的销量情况。基于销量预测指导生产，比如不同地区应该生产多少不同种类的产品，以及这些产品的库存在途调度情况，都可以需要基于销量预判进行优化。因此，通过销量预测，能够数字化地帮助客户预判下一个季度、下一个月、下一周在全国的销售，而前提就是把促销、价格、政策等数据进行很好的资产化。比如百分点为某免税品集团搭建了数据中台和业务中台，将会员、交易、商品、营销、店铺，甚至地理位置等维度，都能形成一套中台服务体系，有效促进业务的集成和协作，并为企业级分析、进销存管理提供基础，满足数据中台的各种业务应用及会员体系的各种主题的构建。基于数据中台之上，百分点的数据运营团队借助过去积累的成熟的商业模型和数字化运营经验，帮助客户搭建一套智能营销体系，在与消费者接触的各个前端触点（如移动app、微信公众号、小程序等）上实行无感知营销的及时性交互沟通。在数据中台构建的同时，客户还实现了基于数据驱动的业务流程优化，比如：供应商的采购、发货、门店库存、品牌经营数据的业务生命周期流转，以及门店间的协同采购，有效解决连锁经营业务，且总部的供应商议价能力提高、物流规模效应也得到了极大地释放。正如客户所希望的，在未来三到五年之后，所有的采购决策可以由机器来做，让机器决策不同的门店应该在什么时间、采购什么品牌的东西、采购多少是最合理的，更好地优化利润空间。杜晓梦认为，依托大数据和人工智能技术，未来零售企业无论销售决策、营销决策还是生产决策，都会更加智能化、自动化。业务数据化、数据资产化、资产应用化、应用智能化是从数据到智能跃迁当中必经的四个步骤，但这四个环节不能强求一步到位，而是在业务环节当中实现不断地迭代。未来还需要更好地结合专家和业务人员的知识，让系统变得更加智能。
