店長(zhǎng)小白的故事
海馬生鮮做為一家發(fā)展多年的公司，在線下已經(jīng)有多家主營(yíng)生鮮商品的門店。小白作為門店的店長(zhǎng)，每天上班最重要的事情之一就是訂貨。小白將門店訂貨需求在系統(tǒng)中輸入以后，海馬生鮮全國(guó)各地的供應(yīng)商如農(nóng)產(chǎn)品生產(chǎn)合作社、水產(chǎn)養(yǎng)殖基地等即根據(jù)各店長(zhǎng)需求開始進(jìn)行采摘、打撈、質(zhì)檢、包裝等工作，然后從源產(chǎn)地經(jīng)干線物流到分撥中心再經(jīng)城市物流送達(dá)各個(gè)門店。有了這樣一個(gè)高效的物流系統(tǒng)，今天訂的貨，在后天早上即可到達(dá)門店上架銷售。
但是，這里還有一個(gè)非常關(guān)鍵問(wèn)題，那就是到底訂什么貨？訂多少？這是很考驗(yàn)店長(zhǎng)能力的事情。小白訂貨時(shí)一般會(huì)考慮以下因素：
歷史銷量。訂貨時(shí)小白首先會(huì)參考近期、去年同期的銷量情況，做為訂貨的基礎(chǔ)；天氣。如果天氣預(yù)報(bào)說(shuō)后天大雨滂沱，那進(jìn)店的人數(shù)會(huì)大大減少，整體訂貨量就都要減下來(lái)；而如果不是這種惡劣天氣，僅僅是氣溫的變化，則預(yù)估訂貨量時(shí)就要針對(duì)單品，比如當(dāng)氣溫低于20度時(shí)，西瓜是比較難賣的，那就要減少訂貨量；商圈和節(jié)假日。如果小白的門店是開在景區(qū)周圍，節(jié)假日的人流會(huì)大幅上升，那訂貨量也要進(jìn)行相應(yīng)提升；而如果小白的門店開在寫字樓附近，因?yàn)楣?jié)假日放假，則人流會(huì)斷崖式下跌，訂貨量則要相應(yīng)降低；促銷。比如，最近公司5周年慶，推出了全場(chǎng)5折的促銷活動(dòng)，預(yù)計(jì)人流會(huì)超多，訂貨量相較平時(shí)需要大幅增加；不同產(chǎn)品保質(zhì)期和新鮮度的要求。比如，鮮活水產(chǎn)品，在門店的存活期為2天左右；而冰鮮的水產(chǎn)品可保存7天；冷藏水產(chǎn)品可保存15天；干貨水產(chǎn)品可保存30天?，F(xiàn)在消費(fèi)者都很重視生產(chǎn)日期和保質(zhì)期，不要說(shuō)是過(guò)期商品，即使是臨期商品，都很難賣得出去；貨品廣度和寬度?，F(xiàn)在很多消費(fèi)者喜歡去商超購(gòu)物，就是因?yàn)槠湄浧菲奉愗S富（即廣度較廣，如蘋果、香蕉、魚、蝦都屬于不同的品類），同一個(gè)品類下有較多不同商品選擇（即寬度較寬，如蝦有基圍蝦、明蝦、小龍蝦、皮皮蝦等），可實(shí)現(xiàn)一站式購(gòu)物。所以為讓消費(fèi)者愿意進(jìn)店消費(fèi)，貨品的廣度和寬度也是要考慮的重要因素。但是，與此同時(shí)還需要綜合考慮管理和運(yùn)營(yíng)的成本；
訂貨的好壞與門店的經(jīng)營(yíng)績(jī)效有非常強(qiáng)的關(guān)系。訂的好，庫(kù)存該高的高，該低的低，則既能控制斷貨保證銷售機(jī)會(huì)，又能控制報(bào)損降低成本。反之，則可能有的貨品早早斷貨，有的堆積嚴(yán)重，遲遲賣不出去，只能報(bào)損。
海馬生鮮也做了多種努力，以提升店長(zhǎng)的訂貨水平，比如有經(jīng)驗(yàn)店長(zhǎng)對(duì)見習(xí)店長(zhǎng)為期一年的傳幫帶計(jì)劃，定期組織公司內(nèi)部?jī)?yōu)秀店長(zhǎng)分享經(jīng)驗(yàn)等等。小白也是依靠較長(zhǎng)時(shí)間的培訓(xùn)、學(xué)習(xí)以及個(gè)人在實(shí)踐中摸索和積累才成為訂貨水平相對(duì)優(yōu)秀的店長(zhǎng)，訂貨時(shí)考慮的因素相對(duì)全面。
但是對(duì)小白來(lái)說(shuō)，這些因素的影響到底有多大，仍然是很難的一個(gè)問(wèn)題。比如，下雨會(huì)降低客流，但是小雨和暴雨分別會(huì)影響多少呢？再比如，促銷會(huì)增加客流，那8折促銷和5折促銷區(qū)別有多大呢？更何況現(xiàn)在各個(gè)商家的促銷政策都是花樣繁多，折扣、滿減、買贈(zèng)可能會(huì)一同出現(xiàn)。這還只是單個(gè)因素，如果出現(xiàn)多個(gè)因素疊加和相互影響，問(wèn)題會(huì)更加復(fù)雜。比如，小白的門店在西湖景區(qū)附近，恰逢十一假期，并且公司也打算推出全場(chǎng)8折，再疊加滿500減50的優(yōu)惠，但是，不巧的是，后天要下中雨，那該如何訂貨呢？面對(duì)這么多因素的考量和權(quán)衡，小白也只能憑著自身的經(jīng)驗(yàn)和感覺去訂貨。
那么如何解決這個(gè)問(wèn)題呢？智能時(shí)代的企業(yè)級(jí)數(shù)據(jù)產(chǎn)品就是問(wèn)題的答案。
企業(yè)級(jí)數(shù)據(jù)產(chǎn)品的三個(gè)階段
從廣義上來(lái)說(shuō)，企業(yè)內(nèi)部和數(shù)據(jù)相關(guān)的系統(tǒng)都可稱為數(shù)據(jù)產(chǎn)品，其大致分為以下三個(gè)發(fā)展階段：
1. 事務(wù)處理系統(tǒng)
企業(yè)運(yùn)營(yíng)和管理過(guò)程中涉及多個(gè)流程，包括采購(gòu)、生產(chǎn)、銷售、付款、收款等。每個(gè)流程又涉及到多種事務(wù)，如采購(gòu)流程中的采購(gòu)訂單下達(dá)、供應(yīng)商送貨、質(zhì)量合格商品的入庫(kù)、供應(yīng)商發(fā)票的入賬、給供應(yīng)商的付款等等；
最初企業(yè)都是通過(guò)手工的方式對(duì)這些事務(wù)進(jìn)行記錄，如：
海馬生鮮10月1日向供應(yīng)商陽(yáng)澄湖管理有限公司采購(gòu)了1000只大閘蟹，要求到貨時(shí)間為10月3日；因?yàn)樨浽磽屖郑?021年10月3日陽(yáng)澄湖管理有限公司僅送來(lái)了900只；在清點(diǎn)時(shí)發(fā)現(xiàn)，運(yùn)輸途中有10只不幸死去，入庫(kù)的數(shù)量為890只；截至10月底，海馬生鮮共向陽(yáng)澄湖管理有限公司采購(gòu)了25,000只大閘蟹，收到供應(yīng)商開票金額共498,000；海馬生鮮給供應(yīng)商的賬期為60天，12月底因公司資金周轉(zhuǎn)原因，上述款項(xiàng)僅付款400,000，剩余款項(xiàng)將在下個(gè)月初進(jìn)行支付；
單個(gè)商品手工記錄的方式看起來(lái)不是那么復(fù)雜，但是當(dāng)企業(yè)發(fā)展到一定規(guī)模，如商品數(shù)量有數(shù)千種，供應(yīng)商有幾百家的時(shí)候，復(fù)雜度會(huì)急劇上升，依靠手工的方式很難記錄清楚。所以，事務(wù)處理型數(shù)據(jù)系統(tǒng)就出現(xiàn)了，如企業(yè)常用的ERP(企業(yè)資源計(jì)劃系統(tǒng))、CRM(客戶關(guān)系管理系統(tǒng))、SRM(供應(yīng)商關(guān)系管理系統(tǒng))、WMS(倉(cāng)儲(chǔ)管理系統(tǒng))、TMS(運(yùn)輸管理系統(tǒng))、MES(制造執(zhí)行系統(tǒng))、POS(銷售終端管理系統(tǒng))、OA(辦公自動(dòng)化系統(tǒng))、QA(質(zhì)量管理系統(tǒng))皆屬于此類。這類系統(tǒng)著重于企業(yè)內(nèi)部業(yè)務(wù)流轉(zhuǎn)過(guò)程中事務(wù)數(shù)據(jù)的記錄，再輔之以各類報(bào)表對(duì)相關(guān)事務(wù)數(shù)據(jù)進(jìn)行分析和監(jiān)控，如采購(gòu)明細(xì)報(bào)表、應(yīng)付賬齡表、庫(kù)存收發(fā)存報(bào)表等。從數(shù)據(jù)分析的角度看，這個(gè)是數(shù)據(jù)產(chǎn)品的初級(jí)形態(tài)。
2. 決策支持系統(tǒng)
隨著企業(yè)內(nèi)部事務(wù)處理系統(tǒng)的增多，數(shù)據(jù)煙囪、信息孤島和碎片化現(xiàn)象越來(lái)越嚴(yán)重，企業(yè)管理人員（尤其是高層）需要關(guān)注的數(shù)據(jù)散落在各個(gè)系統(tǒng)中，比如門店的銷量、銷售額、客單價(jià)等銷售統(tǒng)計(jì)和分析數(shù)據(jù)要在POS系統(tǒng)中看，采購(gòu)供應(yīng)商送貨及時(shí)率、價(jià)格波動(dòng)等采購(gòu)統(tǒng)計(jì)和分析數(shù)據(jù)又得在SRM系統(tǒng)中查看，頗為不便。
更重要的是，很多數(shù)據(jù)需要結(jié)合起來(lái)多維度分析，才能形成洞見。比如從SRM系統(tǒng)分析看某供應(yīng)商送貨及時(shí)率和價(jià)格處于前20%，但是從QA系統(tǒng)中看到該供應(yīng)商質(zhì)量合格率處于后20%，那可能就需要將此供應(yīng)商降級(jí)甚至排除出合格供應(yīng)商名單。
所以，數(shù)據(jù)整合就成為迫切的需求。很多企業(yè)為此也做了很多努力，如通過(guò)數(shù)據(jù)接口，把多個(gè)系統(tǒng)的數(shù)據(jù)都同步至ERP系統(tǒng)，在ERP做數(shù)據(jù)的清洗、整合、分析和展現(xiàn)。但是因?yàn)檫@類系統(tǒng)尤其是底層數(shù)據(jù)庫(kù)設(shè)計(jì)之初是面向事務(wù)處理的（即OLTP，Online Transaction Processing），主要著重點(diǎn)在數(shù)據(jù)的快速寫入，因此采用的是行存儲(chǔ)的方式。但是，做數(shù)據(jù)分析時(shí)，主要著重點(diǎn)在數(shù)據(jù)的快速讀取和查詢，尤其當(dāng)積累和整合的數(shù)據(jù)量越來(lái)越大時(shí)，行存儲(chǔ)的數(shù)據(jù)庫(kù)顯得越來(lái)越力不從心。比如中大型的連鎖零售企業(yè)，一年可能產(chǎn)生數(shù)億條交易記錄；更不用說(shuō)京東、阿里這種大型電商，產(chǎn)生的數(shù)據(jù)量更是天文數(shù)字；所以，很多面向分析的技術(shù)就出現(xiàn)了（即OLAP，Online Analytical Processing），如列存儲(chǔ)數(shù)據(jù)庫(kù)、分布式數(shù)據(jù)庫(kù)等。
原有的事務(wù)處理系統(tǒng)，除了數(shù)據(jù)查詢性能的短板以外，在數(shù)據(jù)展示上也存在不足，事務(wù)處理系統(tǒng)主要通過(guò)表格對(duì)數(shù)據(jù)進(jìn)行展示，但是這種方式很不直觀，在發(fā)現(xiàn)趨勢(shì)、尋找相關(guān)性、分析相似性等方面尤其是如此。所以，后面又出現(xiàn)了可視化的技術(shù)，將數(shù)據(jù)通過(guò)圖形直觀展示出來(lái)，以發(fā)現(xiàn)其中的規(guī)律。所以，才有「一圖勝千言」的說(shuō)法。
將列存儲(chǔ)數(shù)據(jù)庫(kù)、可視化等多種技術(shù)綜合應(yīng)用即成為當(dāng)今企業(yè)非常流行的BI（Business Intelligence，商務(wù)智能）系統(tǒng)，其將手機(jī)靚號(hào)出售企業(yè)中現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合，為企業(yè)管理者決策提供快速、準(zhǔn)確、全面的數(shù)據(jù)支持，是一種最典型的決策支持系統(tǒng)。
3. 智能決策系統(tǒng)
有了決策支持系統(tǒng)，小白就可以很快速地知道商品不同時(shí)間的銷量以及斷貨、報(bào)損等關(guān)鍵指標(biāo)，但是為什么會(huì)導(dǎo)致這樣子的銷量、斷貨和報(bào)損呢？要靠人理清其與天氣、促銷、節(jié)假日等因素的關(guān)系，仍然是一件很困難的事情。所以，就出現(xiàn)了數(shù)據(jù)挖掘（data mining）的技術(shù)?！竿诰颉惯@個(gè)詞很很形象，這種技術(shù)就是要在一堆數(shù)據(jù)中找出有用的信息、規(guī)律和模式。數(shù)據(jù)挖掘用到了多種學(xué)科的知識(shí)，包括統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、運(yùn)籌學(xué)等。當(dāng)然，相關(guān)行業(yè)的專業(yè)知識(shí)必不可少。Garter將商業(yè)數(shù)據(jù)分析分為四個(gè)層次，分別為描述性分析、診斷性分析、預(yù)測(cè)性分析和處方式分析。決策支持系統(tǒng)一般做到的主要是描述性分析，即發(fā)生了什么、現(xiàn)狀是什么。而智能決策系統(tǒng)還要做到診斷性分析、預(yù)測(cè)性分析和處方式分析，即告訴用戶為什么發(fā)生、預(yù)計(jì)未來(lái)會(huì)發(fā)生什么以及該采取何種行動(dòng)進(jìn)行應(yīng)對(duì)。而后三個(gè)分析層次用到的也是數(shù)據(jù)挖掘的技術(shù)。
智能決策系統(tǒng)最關(guān)鍵的因素有三點(diǎn)：數(shù)據(jù)、算法和算力，而這三個(gè)方面現(xiàn)在都取得了長(zhǎng)足進(jìn)步：
首先，是數(shù)據(jù)方面。20年前，ERP在國(guó)內(nèi)剛開始興起時(shí)，知名企業(yè)家柳傳志說(shuō)過(guò)一句流傳甚廣的話：不上ERP是等死，上了ERP是找死。而現(xiàn)在如果再有企業(yè)家說(shuō)這種話，就是貽笑大方了。當(dāng)前很多小企業(yè)（年?duì)I收大于100萬(wàn)）都部署了ERP系統(tǒng)，更不用說(shuō)中大型企業(yè)，現(xiàn)在中大型企業(yè)已經(jīng)在部署更專業(yè)的事務(wù)處理系統(tǒng)，如CRM、SRM、WMS、MES等。而且，隨著物聯(lián)網(wǎng)技術(shù)的快速進(jìn)步和發(fā)展，企業(yè)也在逐步應(yīng)用此技術(shù)，相信全面應(yīng)用后企業(yè)能獲得的數(shù)據(jù)會(huì)爆炸性增長(zhǎng)。這些都將為智能決策系統(tǒng)的使用打下堅(jiān)實(shí)基礎(chǔ)。其次，是算法方面。AlphaGo之所以能打遍天下無(wú)敵手，就是因?yàn)榱似溲邪l(fā)團(tuán)隊(duì)在算法上做出了巨大改進(jìn)。曾經(jīng)在1997年擊敗人類國(guó)際象棋冠軍的「深藍(lán)」主要靠的窮舉這種笨辦法，而AlphaGo靠的是讓機(jī)器真正能夠去「學(xué)習(xí)」，其使用了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等算法，不僅僅是能夠從人類的經(jīng)驗(yàn)去學(xué)習(xí)，更能夠在自我對(duì)弈中去學(xué)習(xí)，所以它能下出超越人類智慧和理解的好棋來(lái)。最后，是算力方面。世界上第一臺(tái)通用計(jì)算機(jī)“ENIAC”誕生于1946年，其每秒可進(jìn)行5000次運(yùn)算，當(dāng)前蘋果手機(jī)最新的A12處理器已經(jīng)可以達(dá)到每秒5萬(wàn)億次的運(yùn)算速度，而谷歌專為機(jī)器學(xué)習(xí)而定制的芯片最新版TPU3.0已經(jīng)可以達(dá)到每秒1000萬(wàn)億次計(jì)算。
當(dāng)前在貸款審核、汽車自動(dòng)駕駛、醫(yī)學(xué)影像分析等多個(gè)領(lǐng)域和場(chǎng)景已經(jīng)在使用機(jī)器學(xué)習(xí)的技術(shù)，這些都預(yù)示著人類已經(jīng)進(jìn)入智能時(shí)代。但是，在商業(yè)領(lǐng)域仍然僅僅處于剛開始的階段。比如，在企業(yè)實(shí)際庫(kù)存管理中，為了應(yīng)對(duì)需求波動(dòng)，一般需要備一部分安全庫(kù)存，而安全庫(kù)存的合理性與庫(kù)存管理的績(jī)效有非常大的關(guān)系。大部分ERP系統(tǒng)也會(huì)有此參數(shù)。但是，如何設(shè)置這個(gè)參數(shù)卻要用戶自己去想辦法。所以，在B端，智能決策類的數(shù)據(jù)產(chǎn)品大有可為，凡是涉及到?jīng)Q策的地方，其都可以發(fā)揮作用。
如何設(shè)計(jì)優(yōu)秀的智能決策系統(tǒng)
本文的主題為設(shè)計(jì)數(shù)據(jù)產(chǎn)品，這樣表述大家更容易理解，但是更準(zhǔn)確的說(shuō)應(yīng)該是如何設(shè)計(jì)一款優(yōu)秀的智能決策系統(tǒng)。
其實(shí)市面上有一款很典型的面向企業(yè)的數(shù)據(jù)分析BI工具，滿足數(shù)據(jù)整合、面向分析的數(shù)據(jù)分析、數(shù)據(jù)挖掘等智能決策——FineBI。
業(yè)務(wù)端，可以連接CRM、SRM、WMS、TMS、MES、POS、OA等系統(tǒng)的數(shù)據(jù)。將數(shù)據(jù)按分析流整合到數(shù)據(jù)倉(cāng)庫(kù)或抽取到大數(shù)據(jù)平臺(tái)。
然后在BI前端連接數(shù)據(jù)源，自由抽取數(shù)據(jù)，進(jìn)行自助式的表數(shù)據(jù)處理。包括表數(shù)據(jù)的過(guò)濾、排序、分組匯總分析，建立表關(guān)聯(lián)，自動(dòng)觸發(fā)更新數(shù)據(jù)，各種粒度權(quán)限下的數(shù)據(jù)權(quán)限管理。
數(shù)據(jù)由數(shù)據(jù)管理員準(zhǔn)備好之后。分配到權(quán)限下的各業(yè)務(wù)部門人員，自己拖拽數(shù)據(jù)分析，制作dashboard?；蛘哂兄笜?biāo)體系的，可對(duì)指標(biāo)數(shù)據(jù)進(jìn)行監(jiān)控，后臺(tái)實(shí)時(shí)抽取數(shù)據(jù)。
《用戶體驗(yàn)要素》這本書提出了一個(gè)很好的產(chǎn)品設(shè)計(jì)框架，稱為5S，包括：戰(zhàn)略層（Strategy）、范圍層（Scope）、結(jié)構(gòu)層（Structure）、框架層（Skeleton）和表現(xiàn)層（Surface）。本內(nèi)容是系列文章，之后的文章將從這5個(gè)層次探討如何設(shè)計(jì)一款優(yōu)秀的智能決策系統(tǒng)。
參考資料
《巷口商學(xué)院》作者：勝見明 / 鈴木敏文、野中御次郎 ，譯者：陳俊廷；
《AI.未來(lái)》作者：李開復(fù)；
《智能時(shí)代》作者：吳軍；
《用戶體驗(yàn)要素》作者：Jesse James Garrett，譯者：范曉燕
聯(lián)系客服
