企业决策智能项目的五种失败姿势

2021即将迎来最后一个月份。每到这时，关于未来的技术趋势预测总会见诸报端。前不久，Gartner公司就宣布了企业组织在2022年需要探究的几大战略性技术趋势，它们或将在未来5-10年内推动重大颠覆和机遇。

其中，既有看起来相对新颖的分布式企业、云原生平台CNP、超自动化，也有火了几年的生成式AI、决策智能DI等。

今天想跟大家深入聊一聊的，就是号称“世界级难题”的——决策智能DI。

早在2017年，AI浪潮刚刚袭来的时候，业内就流传着类似的预言：未来所有的企业都是人工智能企业。而AI公司的典型样貌，不就是利用智能技术让企业决策更高效、更精准、更灵活吗？

看起来似乎很简单，将经营中产生的大数据扔给AI不断地训练学习，形成适配业务需求的决策模型，将原本依靠经验的“人治”变为“数治”，就可以了。

类似的案例也不少见，比如某服装厂商将原本要靠店长每天统计上报补货数量，全部变成了系统根据销售情况自动安排补货；某自来水公司原本需要靠人工来调节水压，运用AI智能判断调压，省了人工和运营成本，住户体验也更好了……听起来皆大欢喜。

但现实中，我们走访了许许多多的传统企业智能化项目，发现事情并非如此简单。

和成功相比，失败或停滞的案例更多。

这些企业中，不乏几十年的深厚管理功力，更不缺少推进智能化项目的魄力和眼光，否则也不会最先拥抱AI。

但是，这些探索中，有的智慧门店，在尝试了十几家之后宣告终止；有的企业好几年还停留在数据采集、数据治理阶段，距离决策智能遥遥无期；有的预测模型，根本达不到预期效果，还不如依靠专家经验的传统方式……

这些现实问题，是很多企业在智能化探索中很少愿意去讲的故事，一些AI技术服务商也往往会隐去这些“失败案例”，倾向于畅想“技术利好”。

据Gartner公司的测算，到2030年，智能决策将超过所有其他类型的人工智能活动，占全球人工智能衍生商业价值的44%。也就是说，未来组织必须使用决策智能，以增强竞争优势。

如果搞不清楚可能踩到的坑，反而会在当下透支企业——尤其是传统行业对决策智能以及AI的信心。

所以，我们决定通过五个“大失败“案例，带大家参观一下决策智能DI可能有哪些失败姿势。

姿势一：没数据，却要洞察

智能指导决策，首先要求AI能够从各种异构化数据中洞察出隐藏的业务逻辑。但许多企业的数据却散落在各个渠道。其中，最为撕裂的要数线上与线下。

我们采访的某A服装品牌，就是线下购物商场起家的。伴随移动互联网的快速发展，线上业务近些年快速崛起和壮大，还没来得及与传统的线下渠道、供应体系深度磨合，已经形成了分庭抗礼的状态。

线上、线下分属两个渠道，分管领导/老板之间有着直接的利益冲突，订单、库存、会员数据等都不愿意共享和打通。而企业壮大之后，创始人的权力也受到多方掣肘，很难强势地要求双方整合成全国乃至全球“一盘货”，最后A企业不得不各个渠道各建一个系统。

统筹几千家门店、几万个SKU、多层分销体系，是一件非常庞大复杂的工作，数据之间无法协同，还有大量数据存在于纸质文件、报销票据等等。

对A企业来说，看不到全局数据，生产、调拨、发货、库存、订货等各个业务单元，想要做分析预测也就变得十分困难。

举个例子，工厂要看到动态销售情况，掌握哪些款式卖的好可能要追单，会提前联系原材料厂商、对布料进行预处理，从而快速响应。

而A企业虽然有了一个系统，但线上线下的内部数据并不互通，依靠AI进行销售预测就不一定准确了，形成了“不了解市场变化——无法高效生产——做不到精准补货——消费者买不到或不喜欢——库存压力大现金流紧张——不愿意做数字化投入——更不了解消费者”的恶性循环。

姿势二：有意识，但数据质量低

当然，也有一部分企业意识到了数据统一化的重要性，并且渠道统筹、内部推动更加有力，这样的企业往往会更大胆地拥抱AI。

比如某食品品牌B，很早就成立了大数据和算法部门，招揽了许多算法专家、开发人员，希望基于大数据搭建起消费者洞察模型，指导营销决策和运营决策。

作为传统企业，B是极有魄力和眼光的，但智能决策需要非常多的工程能力，而不仅仅是算法能力。

举个例子，要解决销售预测的问题，就要统一数据标准、采集全环节数据，联动渠道、门店销售、供应链、生产、库存等多种数据，让“从头到尾”的数据都被精准采集，才能避免供需不协同的问题。

而食品赛道的特点之一，渠道多而散，既有大型超市，也有夫妻店、无人货架……这些渠道要货、补货的数据往往比较粗犷，有的小店经营者缺乏经验，库存还有很多，却报了一个超过安全水位的补货数字，安排生产之后，几个月根本卖不掉，影响退货率不说，消费者吃到的食物口感变差，还会损伤品牌口碑。

而要实现高质量的数据管理，需要的不光是高精尖的算法人员，还必须懂业务、懂运营，自主定义好数据标准，才能让后续工作事半功倍，训练出更适配业务的模型，真正让AI帮助减少不必要的损耗，发挥出技术价值。

姿势三：降成本，但轮子不适配

没有企业对成本不敏感，一些“血厚”的老牌企业可以拿出足够多的预算，组建团队，自行开发决策智能工具，而更多企业会选择使用技术服务商造好的轮子，比如一些“行业大脑”“行业解决方案”。

让更专业的人做专业的事，通过Paas、SaaS模式，能够大大降低企业构建决策智能的难度。但是，相比于数字化方案，决策智能对于个性化方案的需求度更高，许多“大脑”“轮子”可能并不适配企业现状。

拿我们采访过的化妆品牌C为例，在应用决策智能的时候就遇上了两个问题。

第一，各个平台的数据无法打通。

不同互联网生态、不同内容平台上沉淀的用户数据是无法“出塔”的，只能在生态内部进行有限的洞察和使用，在某狗上的营销策略无法看到某猫上的用户行为数据，技术服务商的“轮子”只能跑在自家生态的路上，这就让精准营销效率降低了。

第二，“轮子”大小与业务进展不匹配。

作为国牌，品牌C还达不到雅诗兰黛集团、欧莱雅集团这样的规模和量级，项目和市场都在快速发展迭代期，对于决策智能项目的要求也是能够小步迭代、低成本轻量级。一些技术服务商一上来就推荐什么全球零售仓储物流体系化解决方案、建设海外平台，用C企业技术负责人的话来说——听起来就很可怕。

不用企业自己反复“造轮子”，这很好，但轮子也有大小，适配企业业务的轮子才能让决策智能真正跑起来。

姿势四：有决心，但战略耐力短

共2页: 上一页下一页

>相关《企业决策智能项目的五种失败姿势》内容：

理财鱼小提示：舍得做客《陆家嘴对话》，与企业大咖共同探讨品牌背后的东方美学 2021 年年底，第十届上海高级定制周在沪举办。期间，由中国金融信息中心、上海证券报、上海石油天然气交易中心共同出品的高端访谈节目《陆家嘴对话》围绕主题“以东方美学助力上海...【继续阅读】

理财鱼小提示：牵手AR眼镜领军企业Rokid 博士眼镜涉足元宇宙 上证报中国证券网讯（记者 邵好）时至年底，各大电子品牌集中推出自家新产品，被誉为“元宇宙”入口的AR眼镜也必然在列。 12月25日，Rokid牵手博士眼镜，在杭州和深圳两地举行其第一款面向C端用户的AR...【继续阅读】

2021年12月20日～12月24日当周，主板IPO方面，2家企业登陆沪市主板，1家企业登陆深市主板；1家企业拿到发行核准批文；1家企业过会；3家企业IPO申请获新增受理。 下周，12月30日，有1家企业IPO上会，为拟于沪主板上市的金徽矿业。 具体来看，登陆沪主板的是...【继续阅读】