杉数科技CTO王子卓：智能决策，数字化转型新路径——为什么未来AI的重要突破是与优化算法结合(2)

这个过程，大概会分成四种阶段，像这里所写的。 那么最原始的就是依赖于人工经验去做大量的企业决策。我们国家绝大多数企业在绝大多数的环节上，可能现在还是处于人工经验的阶段。 在这里我以一个做物流的企业举例，每天员工要去城市里很多地方去送货，也有很多的物流车辆，那么企业就需要去安排每天的车辆，去承担哪些货物，要以什么样的路径去送货物。 在我们合作之前，企业的决策形式实际上是，几个老师傅每天花几个小时的时间，把每天的订单先打印出来，然后这些师傅根据自己的经验把这些要送的货物按照一定的规律组合起来，最后发配给每一个车辆。 这是一个典型的依靠人工经验去做决策的场景。当然很多企业都想往前走一步，那么在人工经验的基础上，往前走、利用数据的第一步是我们叫做 “数据感知” 的阶段。这是指企业已经开始利用数据来支持自己的决策系统，也就是说在人工做决策的时候，已经有大量的数据可以给出一些支持。在数据感知这个阶段，企业决策本身还是由人工来做，只不过数据可以提供很多支持。 再比如一些连锁性质的咖啡店，每天都需要补货，像咖啡豆、牛奶或者食品。在我们和这样的企业合作之前，那么它做决策时已经有了一个比较好的系统，这个系统能够给出每一个产品过去一段时间里每天销量、平均销量等数据和趋势，能够支持店长判断补货需求。 店长可以根据这些数据，看到过去平均卖了多少，什么样的时间卖了多少等等，然后根据他自己的经验加上一些简单的脑子里的计算，可能就得到一个“我今天应该去补多少”这样的决策。 在这个过程中，大家可以看到数据能够给决策者提供比较强的支持，但是最终的决策还是结合人工经验来完成的。实际上很多企业都已经处于这样的阶段，可能在过去五年十年的时间里，很多大企业都已经完成了信息化，包括我们最开始提到的数字化，就是已经有了这些能够把数据展示出来的工具。 当然在这个阶段，我们会认为还远远不能够达到我们真正“数字化”或者“智慧”运营的目的。那么再往前迈出一步的话，实际上也是数字化转型里非常重要的一步，可能就到我们未来状态最至关重要的一步——我们要从“数据感知”，走向 “数据导向” 的决策模式。 如果说“数据感知”是指数据提供给人们一个决策的基础、但仍然主要由人们来做决策，“数据导向”的主次是不一样的，就是说在重要的决策里，是首先由数据和算法给到一个我们认为比较好、比较优化的结果，在这个结果之上，人工再根据经验和具体的场景去加以调整，稍微修正一下，但是绝大多数的工作都会逐渐由数据或者由算法来完成。 我刚才讲的这两个例子其实都可以完成这样的转变。 比如物流企业每天车辆路径的安排，可以通过算法的快速计算，在几分钟的时间把每天几千单的订单安排出，满足业务场景、且路径最短或者服务效率最高的行车路径。算法安排好后，这些调度员还可以再去核查一下这些线路。当然也可能有算法考虑不到的特殊情况，像明天某街道的交通会有变化，或者某些客户的需求可能有些调整，但是绝大数情况下线路可以直接地去执行。 同样的，比如说餐饮企业的门店，在使用了这些算法和数据之后，可以直接自动地知道每天补货量的建议是多少；算法可以考虑到过去每天的销量、周期性的变化，还有现有库存的到期情况等等各种各样的因素；最后，人工可以根据额外信息做一些调整，像明天有什么样的活动，或者可能某地区暂停营业了等等。在实际场景下，百分之八九十的情况都可以直接采纳算法和数据得到的结论。 到了这一步的话就可以实现，从更多依赖于人工的企业运营决策系统，转变为基于算法平台的系统。对于整个数字化转型来说，这是至关重要的一步，但还不是最终的一步。有很多的场景还可以做到更多的 “数据驱动” 。 “数据驱动”就是基本上不需要人工干预，很多互联网企业都有很多要高频决策的场景，比如无人仓库。 大家都知道现在很多仓库里都是这些机器人去负责拣货，和上下架等这样的事情。在这种场景下，基本上每一两秒都要对机器人进行调度，这些都可以完全通过算法来完成。同样的，比如大零售平台上面会实时调整价格，或做营销决策，基本上都可以实现完全由算法来驱动，也能够达到很好的效果。 这些场景里，人工也很难真正地做到实时的调整，因为这里要做的决策频率会非常高，现在其实已经可以实现基于数据、算法实现比较自动化的运营。 我们所讲的数字化升级或数智化升级有很多阶段，但是并不一定是某个企业处于某个阶段，而是它现在的某个场景或者某个环节可能正处于某个阶段。针对于这个特定的场景，我们可以不断地帮助他实现整个转变。 当企业在绝大多数的关键运营场景逐渐地进行转变，那么之后整个企业运营的模式就会发生质的变化。