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(3)

企业的数字化转型，在我来看这是一个必然的趋势，尽管这个趋势肯定需要一段时间才能够完成。但是第一，这是一个 必然发生 的事情；第二，从我们的观察来说，也已经是可以说是一个 迫在眉睫 的事情。这么讲是因为我们现在很多行业、甚至整个市场也都在发生巨大的变化，那么对企业的要求也是越来越高、挑战越来越大。 比如消费品市场，在过去的几十年里模式都相对稳定。但是过去的这几年，大家可以看到产生了很多新的模式，营销模式从最传统的像线下渠道，到线上的零售平台，现在又有很多直播带货的形式。基本上每年都会冒出一堆新的模式，当有这种新的模式产生的时候，很多过去的人工经验就会变得没有那么有效果。因为人工经验总是基于过去已经发生的，没有办法快速地应对不断产生的新的模式。 关于第二点，还有就是消费者对企业的要求越来越高了。还是比如刚才提到的消费品，以前企业生产的东西，消费者只要需要就会购买；但是现在消费者有更多挑选的机会，而且对产品的供应速度有比较高的期望，像今天买的东西希望明天就能送到。如果要满足消费者对时效、商品丰富度等各种各样的要求的话，对企业的供应链而言是一个巨大的挑战。 另外技术的迭代速度也很快，新的产品线会不断的产生、规模会不断扩大。这些都会导致很多原来人工经验的失效。这些都是企业所面临的问题，在具体的运营中企业其实会遇到很多这样的挑战。 这样的变化在企业内部，还会涉及到企业规划、销售计划、供应计划等等计划制定的变化，但是不同部门的意见可能也有分歧。到底怎样制定才能够真正地满足企业发展的目标呢？ 因为大家没法在同样的基准上进行讨论，每个人都有不同的视角，那么只有数据才是比较客观的基准，通过数据和算法至少能够帮助大家搭建一个相对客观、一致的基准。在这个基准的基础上，大家可以再进行主观的调整等等。通过我们的观察，这个问题是一个极大的挑战，很多企业对此有非常强烈的需求。 除了消费品企业，这几年很多制造型企业也发生了很多变革。 首先是疫情导致的需求端波动非常大，有时候会堆积很多订单，有时候可能又会很少，对生产的压力也很大。其次，很多资源受到限制，比如说电力限制，还有3C企业芯片的短缺等等，还有碳排放的限制。当这些限制突然产生的时候，整个企业的生产运营应该怎么样去应对？怎么样能够在受到限制的情况下，仍然最大化利用产能去实现生产？ 这样事情在人们没有任何经验的情况下是非常难解决的，所以就需要企业更多地利用新的技术、数据算法，来实现更快速、更好地应对。 所以最终的目的是 帮助企业做更加智能的决策 。 “决策”这个词里包含很多个重要的概念。首先要定义我们需要决策的点在哪里，在每一个环节上要做的决策到底是哪些；同时要定义每一个决策，要实现的目标是什么，例如订单满足率最大化，还是库存成本最小化，或是运输成本最小化等等。另外在实际中也有很多的约束，比如产能的约束、人员的约束、产线的约束、原材料的约束等等，也是需要梳理清楚的。 有了这些企业场景描述的输入后，就可以通过这样的一个叫“建模+求解”的方式，帮助企业做到智能决策，这里还会涉及到几个关键的环节。 第一步，我们需要把整个企业面临的问题抽象出来，形成一个数学的问题。毕竟决策本质上可以说是一个资源分配的过程，最后能够得到一个数学上的表达，这里主要指的是运营方面的一些决策。现在的“数字孪生”，或者说把企业的运营目的和约束等映射到数字世界，其实就是一个模型。 那么有了建模之后，就相当于有了一个模型来刻画企业的整个运营。接下来，就要通过计算来告诉企业，怎样的决策能够让这些关键的指标在未来实现一个最好的结果。这里就会涉及到大量的优化计算。 这里“优化”实际上意思就是指，如何在一个具有约束条件的环境下，怎么样做决策能够最好地达到某一个目标。这也是我们今天的主题，就是说我们在智能决策里怎么样去利用优化的工具实现最终目标。 那这里可以举一个具体的例子。 一个制造型企业，需要决策的主要是整体的生产计划：尤其当“急单、插单”时应该怎么样安排生产，怎么样重新安排生产计划，但同时还有产线、产能、物料供应等等约束条件；生产目标是要尽可能满足订单。这些信息就可以抽象为一个模型。 模型的输入数据可以主要来自于企业信息化系统，包括产线、产能、物料供应等信息，可以作为模型的参数。有了参数之后，可以求解计算出生产计划的调整方向，最终输出给企业可执行的决策。 从“数据导向”到“数据驱动”，这个流程或说范式是如何实现的呢？实际上是，先把业务的问题通过建模计算的方式抽象出来，然后再返回到业务的过程。这样的方法相比于人工有极大的优势。 首先是更加透明。因为所有这些规则、约束、数据都是可见的，大家是在同一个基础上去讨论事情的。同一套数据、同一套模型，算法结果上也会从上千万上亿中选择最好的，所以也是更加优化的。 人工经验或许也能选出很好的方法，但是当问题规模很大的时候，人们的能力可能就无法保证仍然能选出最好。那么基于数学逻辑的算法可以保证一个最优的结果。另外，从速度上来说，算法也可以非常敏捷地反应。这个对比优势应该是非常明显的。