線下零售是數(shù)據(jù)智能的“待墾之地”，無論在數(shù)據(jù)采集還是數(shù)據(jù)應(yīng)用上，都比線上更為落后。奇點云定位于AI驅(qū)動的數(shù)據(jù)中臺，在數(shù)據(jù)采集端通過AIoT智能硬件完善線下數(shù)據(jù)基礎(chǔ)，在數(shù)據(jù)中臺端通過AI算法實現(xiàn)數(shù)據(jù)驅(qū)動的業(yè)務(wù)智能。
之所以布局“一端”，是因為奇點云看到，缺乏數(shù)據(jù)尤其是人貨場的過程性數(shù)據(jù)，是線下零售企業(yè)實現(xiàn)數(shù)據(jù)驅(qū)動的第一道坎，也是核心的一道坎。因此，通過部署AIoT智能硬件補齊人貨場過程數(shù)據(jù)，是線下零售企業(yè)建設(shè)數(shù)據(jù)中臺的前提。
奇點云自主研發(fā)了幾款AIoT智能硬件終端，包括奇點識客、奇點魔盒（奇點魔柜、StartGo無人店）等產(chǎn)品?；谟嬎銠C視覺等AI技術(shù)，這些智能硬件能夠幫助線下零售企業(yè)獲取更多人貨場數(shù)據(jù)。
在“兩云”端，奇點云的重點在數(shù)據(jù)中臺。數(shù)據(jù)中臺積累數(shù)據(jù)資產(chǎn)后，利用AI驅(qū)動的深度學習算法，將數(shù)據(jù)分析和預測結(jié)果對接至業(yè)務(wù)中臺或業(yè)務(wù)系統(tǒng)，賦能銷量預測等業(yè)務(wù)場景。此外，反饋結(jié)果不斷回流至算法模型，實現(xiàn)模型的迭代。
目前，奇點云已服務(wù)了200余家傳統(tǒng)零售領(lǐng)域的客戶，涉及大時尚、生鮮超市、綜合體、百購、煙草、美好家居等業(yè)態(tài)。未來，奇點云將繼續(xù)專注在傳統(tǒng)零售深耕，并成立了行業(yè)專家團隊，將技術(shù)與行業(yè)經(jīng)驗做結(jié)合。
近期，愛分析對奇點云創(chuàng)始人&CEO張金銀進行了訪談，主要就中臺的發(fā)展歷史、應(yīng)用現(xiàn)狀以及奇點云的業(yè)務(wù)情況進行了交流，現(xiàn)節(jié)選部分內(nèi)容與讀者分享。
01
補齊客戶數(shù)據(jù)，AI“武器”替代人工
愛分析：奇點云為何選擇用數(shù)據(jù)中臺賦能線下零售這個領(lǐng)域？
張金銀：首先，數(shù)據(jù)中臺是一個很好的領(lǐng)域，是未來整個商業(yè)進入“DT時代”的一個重要基礎(chǔ)設(shè)施。我們創(chuàng)業(yè)的初心，是為了能夠幫助線下傳統(tǒng)企業(yè)進行數(shù)字化轉(zhuǎn)型和升級。
2017年年初我們剛創(chuàng)業(yè)的時候，很多客戶還對數(shù)據(jù)中臺沒什么概念。但行業(yè)經(jīng)過兩年的發(fā)展，加上我們技術(shù)產(chǎn)品也在打磨，現(xiàn)在客戶和市場基本上不需要教育，更可喜的是很多客戶能夠直接找上我們，整個市場的認知度和接受度已經(jīng)比以前好很多，甚至超出我們的預期。
我們從阿里出來，希望能夠把阿里的一些經(jīng)驗復制到線下，因為阿里對數(shù)據(jù)智能的認知領(lǐng)先了傳統(tǒng)企業(yè)五到十年。
在線零售和線下零售最主要的差別是，在線零售是全程在線化、數(shù)據(jù)化、智能化的。這三個是一個先后關(guān)系，前提是要在線化，然后才能數(shù)字化，最后才能智能化。
但是對于線下傳統(tǒng)零售企業(yè)來說，在線化可能都很難做到。一家店結(jié)束一天營業(yè)之后，你問店長今天門口經(jīng)過了多少人，哪些人是客戶，進來了的人中男女比例是多少，這些人中哪些是新客，哪些是老客，看了哪些沒買，看了哪些買了。這些人的“過程數(shù)據(jù)”通通是沒有的，只有貨物的結(jié)果數(shù)據(jù)。所以這是線下零售企業(yè)一個急需解決的問題。
愛分析：如何理解“AI驅(qū)動”的數(shù)據(jù)中臺這一定位？
張金銀：我們定位為AI驅(qū)動的數(shù)據(jù)中臺，而不是普通的數(shù)據(jù)中臺，是我們對服務(wù)客戶的認知決定的。
我們的第一個認知，是我們既要解決客戶數(shù)據(jù)使用的問題，更要解決客戶數(shù)據(jù)生產(chǎn)的問題，特別是消費者行為數(shù)據(jù)的生產(chǎn)問題。有些數(shù)據(jù)中臺服務(wù)者，他們假設(shè)的前提條件是客戶已經(jīng)擁有了豐富的數(shù)據(jù)。他們用一個很好的，能夠支撐很大計算量的數(shù)據(jù)平臺，加上很好的分析和挖掘的工具去服務(wù)客戶。
但我們對客戶的認知不是這樣。過程數(shù)據(jù)相當重要，以我們在阿里的經(jīng)驗，只有貨物的結(jié)果數(shù)據(jù)是沒用的，把過程改善了，結(jié)果自然就會改善，所以改善過程很重要。
我們要通過AI的手段去補齊人貨場的數(shù)據(jù)。隨著5G和視覺計算技術(shù)的發(fā)展，我們很早就籌建了自己的視覺計算團隊，目的就在希望通過機器視覺技術(shù)補齊更多人貨場數(shù)據(jù)。我們在這塊也取得了很好的效果。很多客戶都已經(jīng)在用我們以攝像頭為核心的IoT硬件，這些硬件能夠幫我們的客戶補齊數(shù)據(jù)。數(shù)據(jù)補齊了，數(shù)據(jù)中臺的力量才能發(fā)揮出來。
比如，我們服務(wù)的一家客戶，沒有任何線上業(yè)務(wù)，在線下有9000家門店，找到我們做數(shù)據(jù)中臺。我們發(fā)現(xiàn)它只有300G的數(shù)據(jù)，數(shù)據(jù)量太小，這些數(shù)據(jù)一個筆記本電腦就可以裝下，根本沒必要用更高級的“武器”來對待。它首先要做的反而是補齊數(shù)據(jù)。
我們的第二個認知，是以前的傳統(tǒng)線下領(lǐng)域里，人工的經(jīng)驗居多，智能的經(jīng)驗很少。當然也是因為沒有人去服務(wù)他們，沒有人去用機器替代人工，而機器是可以替代人工的。
比如我們的一個客戶是做生鮮超市的，生鮮超市面對的最重要的一個問題之一是，第二天要進多少生鮮，因為生鮮對時間非常敏感，進多了就會浪費，甚至會壞掉，進少了就會斷貨。所以它需要通過數(shù)據(jù)去解決這個問題。
它以前是根據(jù)人工經(jīng)驗去用Excel算出來。人的算力有限，只能根據(jù)以前的歷史銷量去做一個簡單的預測。我們開始服務(wù)后，第一步就做了數(shù)據(jù)升維，捕獲他的人貨場數(shù)據(jù)，再加上天氣數(shù)據(jù)、節(jié)假日數(shù)據(jù)、它的歷史銷量數(shù)據(jù)，把它以前僅有的19個維度，升級到139個。
我們用了深度學習的算法，而不是只是Excel，因為深度學習算法最重要的是開始不一定很準，但它是越用越準，因為它會把結(jié)果再回流到模型里面校正自己的模型。
我們上線了幾個月，把這家客戶的生鮮補貨的損耗率降低了35%，一家店就可以節(jié)約幾百萬。這是一個典型的機器替代人工的很好的案例。
所以這是為什么我們要做AI驅(qū)動的數(shù)據(jù)中臺，主要體現(xiàn)在兩個方面。一個方面就是我們用視覺+AIoT的方式去捕獲人貨場數(shù)據(jù)。另一方面就是我們在數(shù)據(jù)智能應(yīng)用端，用數(shù)據(jù)智能算法去替代人工經(jīng)驗。
02
數(shù)據(jù)中臺之“通”
業(yè)務(wù)中臺之“享”
愛分析：奇點云的“兩云一端”業(yè)務(wù)體系是否有側(cè)重？
張金銀：數(shù)據(jù)中臺、業(yè)務(wù)中臺，加上智能硬件的“兩云一端”是我們很早就有的想法，今天也并沒有改變。只不過在業(yè)務(wù)中臺方面，因為現(xiàn)在有很多公司在做業(yè)務(wù)中臺，我們可以跟他們合作，把我們數(shù)據(jù)中臺計算的結(jié)果輸送到業(yè)務(wù)中臺，從業(yè)務(wù)中臺去和客戶的業(yè)務(wù)系統(tǒng)做結(jié)合。
愛分析：數(shù)據(jù)中臺是怎樣發(fā)展起來的？
張金銀：數(shù)據(jù)中臺的歷史起源是來自于我2004年加入阿里巴巴，那時阿里沒有任何的數(shù)據(jù)團隊和數(shù)據(jù)技術(shù)基礎(chǔ)設(shè)施，我作為阿里構(gòu)建數(shù)據(jù)團隊和數(shù)據(jù)的基礎(chǔ)設(shè)施的第一個人。那時候我們還叫“數(shù)倉（數(shù)據(jù)倉庫）”。
2009年，阿里決定要“去IOE”。我們以前做數(shù)倉，會買IBM服務(wù)器，用OracleRAC軟件去做，并用EMC存儲，所以是“IOE”。但是，淘寶的業(yè)務(wù)增長非?？欤?009年的時候我們就發(fā)現(xiàn)我們總共使用了Oracle RAC的20多個節(jié)點，當時在整個亞洲是最大的。
我們發(fā)現(xiàn)，后面會發(fā)生的問題主要來自兩方面，一方面是我們預期到淘寶的業(yè)務(wù)量可能還會增長一百倍甚至一千倍，而Oracle RAC因為共享磁盤技術(shù)的限制，導致它不可能再增長一百倍、一千倍。所以我們一定要尋找新的技術(shù)。
另一方面，我們每年交給IBM、Oracle RAC、EMC的商業(yè)費用很高，如果我們再增加一百倍，可能每年阿里的利潤都會填到這里去。所以當時要去IOE，自建分布式的數(shù)據(jù)平臺，這就從數(shù)倉階段邁入了數(shù)據(jù)平臺階段。2015年陸兆禧兼任阿里CDO，把阿里巴巴數(shù)據(jù)技術(shù)團隊做了大一統(tǒng)，成立數(shù)據(jù)平臺部，用自己的開源技術(shù)支撐整個阿里巴巴的數(shù)據(jù)工具的發(fā)展。
2015年，“數(shù)據(jù)中臺”又被提出。所以，數(shù)據(jù)中臺的來源就是四個階段，從數(shù)據(jù)庫，到數(shù)據(jù)倉庫，到數(shù)據(jù)平臺，再到數(shù)據(jù)中臺。
愛分析：業(yè)務(wù)中臺與數(shù)據(jù)中臺有哪些區(qū)別？
張金銀：業(yè)務(wù)中臺比數(shù)據(jù)中臺起源要晚。最早我們建淘寶的時候，要建會員體系、商品體系、訂單體系。后來建淘寶商城，也自建了獨立的一套體系。后來要建聚劃算，我們就發(fā)現(xiàn)了問題，這會讓消費者非常麻煩。
那時候還是PC時代，一方面消費者要注冊兩個賬號，另一方面是在淘寶里搜不到淘寶商城的商品，因為商品互不相通。要建聚劃算時，阿里高層做了一個“五彩石”項目的決策，把訂單中心、商品中心、交易中心等這些功能模塊抽象出來。聚劃算就是基于五彩石之上來做的業(yè)務(wù)改變，七個人做了一個半月就上線了。
業(yè)務(wù)中臺和數(shù)據(jù)中臺本質(zhì)的差別，就是業(yè)務(wù)中臺最主要的是解決業(yè)務(wù)多端共享的問題，不要重復“造輪子”；數(shù)據(jù)中臺最主要的是解決“打通”的問題，怎樣把各個BU獲取的數(shù)據(jù)通用。
比如，你可能用支付寶交水電費，用淘寶購物，用高德導航。以前這些數(shù)據(jù)都是沉淀在各個BU里面，那怎么能夠把這些數(shù)據(jù)歸集到一個大的數(shù)據(jù)計算平臺里，并且把它打通，賦能前臺業(yè)務(wù)？
拿UC瀏覽器來說，它被阿里收購后，我們就發(fā)現(xiàn)瀏覽器里要解決的一個問題就是冷啟動問題，就是你第一次使用UC瀏覽器，我們怎么給你推薦你愛看的新聞。當時我們阿里數(shù)據(jù)平臺部和UC專門成立了一個項目組來解決這個問題。
你可能是第一次使用UC瀏覽器，但你可能不是第一次使用阿里的服務(wù)。你可能在淘寶里留下了痕跡，在支付寶里留下了痕跡，那我們可以通過淘寶和支付寶大概率推測你大概是什么樣偏好的一個人。將這些偏好屬性反饋給UC瀏覽器，UC瀏覽器就可以針對性地推薦你要看的新聞。
所以，數(shù)據(jù)中臺和業(yè)務(wù)中臺還是有很重要的差別。
愛分析：從市場需求和商業(yè)模式的角度，如何看待數(shù)據(jù)中臺和業(yè)務(wù)中臺？
張金銀：我們有三個認知。
第一個認知是，數(shù)據(jù)中臺和業(yè)務(wù)中臺相比，客戶基數(shù)會相對大一些，因為大家都需要做數(shù)字化轉(zhuǎn)型?；貧w到BI和數(shù)倉層面，這二者很早以前就出現(xiàn)了，大概有20年了，所以大家都有看數(shù)據(jù)的需求，不管是大公司還是小公司。
業(yè)務(wù)中臺會稍微不太一樣，最主要的是解決是多端共享的問題。一家公司要既有線上業(yè)務(wù)，又有線下業(yè)務(wù)，有多端的業(yè)務(wù)，才會催生它去解決共享的問題。所以我覺得業(yè)務(wù)中臺的客戶基礎(chǔ)相對來說會比較窄一點。
第二個認知是，數(shù)據(jù)中臺相對來說產(chǎn)品化率更好，因為無非就是底層一個數(shù)據(jù)平臺，上面有BI工具，有算法的工具，對數(shù)據(jù)進行加工挖掘。但是業(yè)務(wù)中臺會深入到客戶的業(yè)務(wù)里去，所以定制化率會更高一些，相對來說規(guī)?；乃俣染筒粫敲纯?。
第三個認知是，客戶對業(yè)務(wù)中臺和數(shù)據(jù)中臺的決策成本會不太一樣。因為數(shù)據(jù)中臺相對來說不會去影響業(yè)務(wù)，所以客戶決策會快一點。業(yè)務(wù)中臺因為和客戶的業(yè)務(wù)做緊密的耦合，所以相對來說決策成本會高。傳統(tǒng)企業(yè)的數(shù)字化轉(zhuǎn)型過程中，數(shù)據(jù)中臺是很基礎(chǔ)的一個需求。一些業(yè)務(wù)比較復雜、有多渠道業(yè)務(wù)的企業(yè)會有業(yè)務(wù)中臺的需求。
03
中臺“土地”上，用智能應(yīng)用幫客戶“種果樹”
04
多個行業(yè)適用
但重視專注深耕
聯(lián)系客服
