在企業運營、管理的大生态中，以數據驅動決策的商業智能（BI）軟件日漸成為強剛需，為企業決策和運營預判提供“油鹽水”的支持。

成立于2016年的BI服務商觀遠數據，一方面深耕泛零售與消費領域，不斷拓寬行業應用場景。另一方面，堅持“AI BI”，降低BI使用門檻的同時，不斷推動決策從統計分析往更智能的預測與診斷分析邁進。

成立四年，觀遠已服務聯合利華、沃爾瑪、百威英博、全家、鮮豐水果、赫基集團、元氣森林、小紅書、bilibili等近兩百家的行業品牌。

撰文 | 力琴

信息化時代，企業通過基礎IT建設産生大量的業務數據，如果不及時進行處理就很難發現當下的業務問題和機會。

Excel最多能承載十萬級數據量，報表工具也隻能承載百萬級數據量，而DT時代，企業數據動辄上億，尤其是零售消費行業SKU數量多，數據顆粒度細，數據更新頻率高。

僅憑傳統數據分析工具，即使是專業數據分析師也難以給予業務高效支撐。 敏捷化、智能化的商業智能（BI）正成為主流。

商業智能旨在将企業在生産、活動及運營等環節生成的數據進行整合、清洗、分析、可視化并分發，以便企業實時地理解數據并獲取具有價值的決策信息，了解企業業務運行的全貌。

BI作為指導企業運營、決策背後那雙看不見的“幕後推手”，需要具備智能化、敏捷化的能力，以實現“業務主導的自主分析模式”。

觀遠數據作為BI行業中的新銳玩家之一，利用“AI BI”的産品服務模式，豐富場景化服務，幫助更多企業實現精細化運營和智能決策。

在企業運營、管理的大生态中，以數據驅動決策的商業智能（BI）軟件就處于上段位，為企業決策和運營預判提供“油鹽水”的支持。

企業要維持競争優勢，需要持續改進流程與商業決策。通常情況下，企業業務操作都會産生大量的數據，例如訂單、庫存、交易賬目及客戶資料等，通過商業智能軟件能夠幫助決策者增進對業務情況的了解。

商業智能的關鍵在于如何從業務數據中提取有用的信息，并根據信息産生有價值的結果。 作為一家新一代智能數據分析與決策（AI BI）解決方案服務商，與傳統商業智能不同，觀遠數據通過智能數據分析，提供可行動的決策建議，幫助企業在數字化與智能化升級的過程中建立可持續的競争優勢。

觀遠數據成立于2016年，其創始人兼CEO蘇春園，畢業于卡内基梅隆大學，曾任職于MicroStrategy微策略，并擔任全球高管及中國區研發總裁。

觀遠數據創始人蘇春園

早在創辦之初，蘇春園就意識到不少規模比較大、品牌實力強勁的企業數據基礎并非想象中完善，基于服務中大型企業的經驗與數據能力，觀遠數據瞄準了泛零售與消費市場。

不過，觀遠數據所在BI賽道并非藍海，入局者衆多。 尤其随着企業對數據的認知和重視不斷加深，對數據的存儲、處理、管理和價值挖掘的重視程度增加。

自去年以來，就有不少提供BI服務的廠商獲得資本的青睐。例如明略科技、數瀾科技、思邁特等。那麼，觀遠數據優勢能力又在哪裡呢？

在産品差異化方面，觀遠數據從成立之初就确定了“AI BI”的産品戰略，以面向業務場景、面向決策過程、面向智能分析的思路去打磨産品落地方案。在落地過程中，觀遠數據提出一整套從BI（敏捷分析）到AI（智能決策）的完整“5A”落地路徑方法論。

以場景化為例，觀遠數據會将指标可視化，通過不同類型的銷售指标、流量指标和庫存指标呈現可視化，針對不同的用戶，落地不同的分析模型。

這一點明确指向了從不同類型管理者，例如，在連鎖零售領域，針對CEO、一線店長和數據分析師，搭建自上而下的數據分析體系。“CEO對于企業數字化的認知、目标和邊界定義，決定了企業數字化推進的方向和節奏。”蘇春園表示。

在店長角色中，會有當天的業績目标、現階段業績目标、囤貨數量等。

“如此一來，可以實現精細化的數據運營，店長就可以把握每天的盈虧平衡點，需要多少才能夠達成目标，還需要做怎樣的工作才能促進業績達成。”現場工作人員告訴機器之心。

“通常情況下，95%的企業都可以直接利用觀遠數據提供的數據處理與分析能力，無需任何定制。從4年前産品研發的第一天開始，觀遠的産品理念就是低代碼和無代碼，隻是這些概念最近一年行業才開始突然熱起來。”

觀遠團隊過去十年一直深耕數據分析領域，最近幾年又深度服務了很多頭部的零售消費領域客戶，很多行業經驗陸續沉澱到數據分析模型中，針對不同需求企業提供快速上手的标準化方案。

據機器之心了解，分析模闆與模型由行業顧問牽頭把關，無論是針對怎樣的業務需求，在将數據給到技術之前，都會交給顧問，經由調研，理清業務模型、管理思路後，投入使用。

在所聚焦的行業方向上，觀遠數據聚焦的是泛零售、消費與互聯網行業，以服裝行業為例，目前Lily商務時裝全國有1000家門店，從店長到導購，都可以通過觀遠移動端的數據分析看闆（店長/導購管家），以每小時為單位去發現所負責區域的數據指标變化。

“例如，服裝行業裡比較經典的258黃金點，下午2點、5點和晚上8點，不同的點如果指标沒有完成，就可以通過數據分析及時追蹤是哪些原因導緻，究竟是客流、櫥窗擺設還是服務問題。找到問題之後，就可以通過及時人為幹預抓住其中的增長機會。”

蘇春園還向機器之心表示，今年觀遠數據也實現了一些新行業的突破，包括新銳消費品牌、運動戶外、美妝美業、綜合通用行業等。 尤其，在疫情加速的節點，企業對數字化的需求越發迫切，也給觀遠數據帶來了新的升級與機會。

不少企業的經營狀态都在疫情期間深受影響，以線下門店為主的零售業、服裝業面臨開閉店的抉擇為例。

疫情期間，觀遠數據與頭部連鎖零售企業合作推出“開閉店分析”，利用商業智能進行全局的數據監控，去發現哪些是局部受疫情影響較小的門店，哪些是受疫情刺激需求更旺的門店。

當中，涉及的關鍵數據指标有門店的來客數、營業額、可複工員工數等數據，以此判斷哪些門店滿足開閉店條件。 針對零售店的“開閉店”雖然隻是短時間，疫情過後，目标沒有發生改變，依舊是以“人貨場”為核心，實現精細化運營。

“人”的層面，通過會員分析，精準識别消費者的喜好、消費習慣和消費能力。

據機器之心觀察，觀遠數據也可以關聯門店人臉識别系統中的數據去分析用戶的消費習慣。在觀遠合作的一個案例中，某零售商戶的門店會設置人臉識别的攝像頭，既可感知人臉，也可識别客流。當攝像機抓拍到人臉之後，可以跟後台的會員ID做關聯與映射。

“比如，持有門店會員的消費者進店後，收銀員可以了解消費者的消費标簽和消費習慣，就可以适當給消費者推薦産品。”觀遠數據工作人員告訴機器之心。

“貨”的層面，通過數據分析優化商品結構、提高商品的客單價。通過每天、每周的叠代，找到不同商品最優的表現條件，将商品的營業額貢獻率最大化，提前做好供應鍊補貨準備。

“場”的層面，指導企業向全渠道轉型，通過精細化運營，延續線上流量的紅利。

“未來零售企業的競争力重點在于，是否能夠更敏銳地洞察消費者。”一位零售行業從業者說道。 實際上，以AI、大數據為導向的商業智能，正在幫助零售消費業務實現數字化轉型。

在AI能力方面，觀遠數據在2020年智能決策峰會上發布了一站式分析平台3.0版本，涵蓋Universe數據開發、Galaxy數據分析、Atlas雲三大“灰科技”産品線。在縱向應用上，Universe中的一站式AI項目開發與運行功能——Universe-Lab先後與聯合利華、沃爾瑪、百威等世界500強零售消費企業落地行業需求預測、智能配補貨等AI應用。

銷售預測對于商業企業而言至關重要，這能夠判斷當下投入對企業本身是否足夠重要。

行業咨詢機構曾經做過一份數據調查，如果對商品降低1%的成本，淨利潤就能夠上升若幹個點。 基于AI需求預測，觀遠數據與多家頭部品牌合作了這些場景，比如和沃爾瑪基于果蔬商品智能預測的補貨優化項目。

據了解，國内線下有各種的銷售渠道，産品需求量極大。而生鮮類又對保鮮有要求，一旦遇到庫存過多又滞銷，會造成重大損失。

對于生鮮庫存而言，通過銷售預測來指導進貨與庫存，能夠在保證攻擊的前提下，進一步降低庫存金額，降低成本。因此，準确的銷量預測數據對于供應鍊的配補貨有至關重要的意義。

工作人員告訴機器之心，實際上，涉及到供應鍊的配補貨，數據分析追蹤從銷售訂單就開始，可以追蹤到工廠發貨。

“比如需要1萬件訂單，BI的數據分析能力就可溯源到工廠端，再按工廠的計劃進行拆解，例如需要多少原材料，再往生産環節進行拆解。”

此外，觀遠數據還和聯合利華搭建了供應鍊全流程的模拟化平台。據數據顯示，截止到今天，聯合利華在中國80%的傳統生意已經可以完整地通過使用機器模型輸出結果取代傳統的人工預測。

由此也可說明，現在新零售的營銷和服務不再僅僅隻是促銷、媒介購買和廣告投放就能解決問題，以數據和技術為驅動的營銷能力同樣重要。

如今，在新零售裡，消費者的購買行為和消費習慣比以前更加碎片化、随機化，更難以預測。

蘇春園認為，零售消費行業的顆粒度革命正在到來或者加速到來。“原來，零售消費是一批貨、一群人，現在注重的是單店、單品、單時、單度、單客、單次，所有的經營元素，不斷地在被拆細。”

由此，指導零售消費企業經營決策的改變，已經由每周、每月店鋪營收和品類表現，細化到每天、每時單個SKU的貢獻率或每個消費動作的改變。

“大數據時代，企業都不缺乏數據，缺乏的是對于數據整合、分析、應用的能力”蘇春園提到。

在此背景下，借助AI BI能力實現全面數字化轉型顯得尤為重要。但是，數字化轉型并不隻是技術轉型，零售企業還需考慮自身身份的轉變，例如從粗放經營向數據驅動的精細化運營轉變。

根本在于，以消費者為中心，重構人貨場，通過數據和技術來不斷驅動運營效率的提升和商業模式的轉變。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!