拿下联合利华和冈本，观远数据要让算法“说话”
当很多企业还在纠结是否数字化、下多大力气数字化时，已经有先行者将看似纸上谈兵的理论落地，开始建造属于自己的数据大脑。
如果数据成为企业的大脑，如何持久地保持这个大脑的开放性和学习性，将成为考验企业的新问题。行业正在觉醒。当很多企业还在纠结是否数字化、下多大力气数字化时，已经有先行者将看似纸上谈兵的理论落地，开始建造属于自己的数据大脑。
一路走来，苏春园和他创办的观远数据既是冷静的旁观者，又是切身的参与者。在谈起“数据”相关话题时，苏春园似乎可随时随地进入状态，他想深入观察和参与零售业的数字化历史进程，也想让数据大脑真正地变成零售企业的标配。
行业认知的升级和变革，使得扎根零售数字化和智能化的企业和平台一波又一波涌出，看似炫酷又高大上的“黑科技”不断地给行业注入强心针，但是在这场漫长的零售业升级进程中，数据究竟将扮演何种角色？行业是否真的迎来了得数据者得天下的时代。
观远数据创始人&CEO苏春园
精耕细作是前提
此前，亿邦动力曾独家对话观远数据创始人兼CEO苏春园，详细了解其提出的5A战略。
观远数据将自己定位于智能数据分析平台，5A战略是其数据分析与商业智能解决方案的具体落地途径，即AI+BI（Business Intelligence）。根据介绍，5A战略可拆分为5个部分进行理解：
1、Agile-敏捷化，从核心场景切入，构建基础数据分析体系。
2、Accurate-场景化，梳理监控指标，对商品、营运、市场营销、进销存等数据监控和运营。
3、Automated-自动化，对全链路进行自动处理与监控，分析业务变化。
4、Augmented-增强化，用算法帮助企业进行复杂场景的人工智能应用。
5、Actionable-行动化，分析异常产生的原因，提供可行动的建议。
而这五个阶段好比建楼和打地基的过程，“心急吃不了热豆腐”，必须循序渐进。企业要从积累数据开始，再到分析数据，最后将所有数据“为我所用”。其实，数据好比一座半掩埋的金矿，只能看不能用的数据并不能发挥真正的价值，而观远想帮助行业真正地挖掘出这座金矿的价值。
“目前核心抓手就是数据，大家应该先来挖掘数据金山，把现有的数据有价值地利用起来，再开始重点考虑创新。”苏春园表示。
苏春园向亿邦动力反复强调了精细化运营的重要性，这可能会成为零售业数字化的分水岭之一。“过去几年中，所谓的数字化大多停留在粗放地管理经营。从今年开始，零售企业一定要进入精耕细作的阶段，开始精细管理。通过数据去监管到单店、单品、单客、单SKU和单时，这是真正要做的事情，其他都是概念，企业一定要把精细化管理作为重中之重。”
能一蹴而就的变革并不能称之为变革，零售业数字化同样适用于这个道理。零售漫长的发展史，也使得数字化阶段不可能做到一次到位，这将经历一个过程，对于不同行业不同企业来说，速度或快或慢，但都是必经之路。
苏春园判断，随着企业内部业务的不断调整，管理体系和数据分析体系也需要不断变化。按照目前的经验和情况来判断，对于企业内部的单一业务来说，经过3～6个月可以初步形成一个精细化管理的体系。
务实+创新是过程
在交谈过程中，苏春园向亿邦动力谈及了几个问题，而这些问题也是不少零售企业正在面对并亟待解决的。
例如：
在每一次大促结束后，该如何自动进行效果分析与评估？
如何从海量SKU中快速定位和匹配到本季度门店内最热销的关联商品搭配？
在下午三点，门店某主力SKU商品销售不及预期时，如何在第一时间预警？数据要如何追踪，并给出切实可行的正确建议？
新品推出后，如何做到快速反应，将实时数据和历史规律相结合，判断新品销售情况并响应市场节奏？
企业该如何基于历史经营数据和公共数据，预测不同品类甚至SKU的销售情况？又要如何进一步指导订货、促销、生产和物流？
和立即应用起各种“黑科技”、AI技术比起来，先务实地解决这些摆在眼前的问题，是苏春园和观远对行业提出的建议。
“在过去的两年中，我们发现很多传统零售企业的数据基础差、底子薄，可能没法直接使用一些数据分析的工具，观远会先帮助其做数据梳理，夯实数据基础，基础不好真的会拉后腿。除了底子薄的问题比较棘手外，很多企业的负责人被AI‘洗脑’，希望直接运用AI技术，全面AI化，就好比地基还没打好，就想直接盖到五层楼。”苏春园向亿邦动力表示。
经过AI风口的洗礼，和有关数字化的激烈讨论，行业正在逐渐回归到理性阶段。“如果说企业有两只手，那一只手已经开始理性地打基础，监控数据细节。但另一方面，大家对科技的热度还在，在务实的同时，另外一只手也会去尝试更多可能和创新。”苏春园认为，这种状态非常好，“该务实的地方要务实，该尝试新的东西也要去尝试。”
和一些传统零售企业相比，部分发迹于互联网和注重数据的零售公司在基本功上更具先发优势。相比较之下，数据积累充分、技术好、预算多的企业，已经可以从精细化运营进入到更高阶段的尝试——单场景的智能化落地，例如在某个场景下做到智能预警，预测发现问题，并进行自动诊断。
数据决策是结果
在苏春园看来，找到可以智能化的第一个场景很重要，有第一个应用场景后才能进一步“开枝散叶”。“数据分析和应用相对成熟的企业，可以挑选一两个场景优先落地进行尝试，随着数据不断完善，再探讨可复制性，做更多的落地尝试。例如先做销量预测预警、再到客户流失的预警以及智能订货等。”
和传统BI不同，观远数据希望根据不同企业的数据基础，帮助其进行整体的数字化发展规划。这家企业笃定，未来企业的核心竞争力势必在于数据驱动和智能决策。在这个充满未知的时代，all in在建造数据决策大脑这件事上是最佳策略。
在新零售、智慧零售和无界零售等各种新名词的加码下，概念辨析和争论已经变得意义微弱，但不可否认的是，在互联网巨头的吹风和推动下，线上线下进一步融合，“人货场”三要素间的多维互动更为频繁和复杂。在这种背景下，让数据代替人的经验的说话显得更为重要和紧迫。
苏春园认为，数字化和智能化是递进关系，前者是基础，后者则是深度应用。观远一些客户企业中，已经可以把单个场景进行智能化运营，例如对销售进行智能预测，从靠经验决策改为用算法决策。以前需要等老板拍板决策的问题或者反馈问题较慢的流程，现在都可以托管给算法。
“算法要结合人的经验共同发挥作用。算法不知疲倦地运转和发现问题，而人是要验证规律，然后告诉算法，基于这个规律去不断地发现问题。但现在一般只能做到某个场景的智能化运营，我们离全面智能还需要一段时间，大概可能在3至5年。而且我们要不断提高智能化的精准程度，从70%、80%、90%到99%……智能化是没有止境的。”苏春园向亿邦动力指出。
从2016年9月成立至今，观远数据已经服务于联合利华、百威英博、冈本、生鲜传奇、NOME诺米家居、喜茶、Lily、IFS、上蔬永辉、小红书等多家零售企业。结合两年多的垂直行业经验和对未来趋势的预判，在面对新的竞争对手、新的渠道和新的环境时，苏春园总结了三点建议：
第一，极度的精细化管理，到单品、单SKU、单客。
第二，快速反应，实时响应外部或者内部各种经营环节异常。
第三，智能决策，一层层纵深，针对企业所处的不同阶段，从数据分析到更智能的决策。
数字化改革如火如荼，服务商战场群雄逐鹿，在零售业这场深刻的变革中，观远数据试图把看似冰冷数据描绘得更加性感。无论其构想的这幅蓝图能否如期实现，能参与和见证一个时代的迭代都已经足够幸福。
