今天小編分享的互聯網經驗：百麗季燕利：數智化在零售企業的應用探索，歡迎閱讀。
钛媒體特别專題策劃《數字思考者50人》：探訪中國50位獨具代表的數字化思考者。我們理解的 TechThinker ，涵蓋了中國數字化浪潮中的技術踐行者、政策制定者與投資決策者。在這場長達10年的乘風破浪中，我們每個人都在分享技術進步的果實，卻鮮有人知道結果背後的故事。我們期待通過《50人》，還原中國數字化推進過程中的關鍵決策，同時也為你呈現數字思考者們的管理與經營之道。
此前百麗時尚科技中心總經理季燕利先生曾在钛媒體發布了數字化思考三部曲：《百麗的核心競争力與數字化》《從補貨場景，看企業協同在線》《從無數到有數，如何深入數據應用與治理》。
本文針對數智化在零售企業的應用探索，從業務、管理與技術三者融合視角梳理了實踐經驗。
大模型技術出現後，數字化時代演化出三個階段：
信息化：基于各個部門的業務流程形成的局部數據來輔助生產經營活動；
數字化：将企業所有的數據、信息進行整合，形成整體、統一、标準化的數字體系支撐企業全鏈路的生產經營活動；
智能化：在數字化的基礎上，将各個業務運營節點進行規範的、标準化的自動連接及回路反饋，形成模塊化的決策體系。
數字化的發展有個隐藏的現象在背後：在過去好幾年裡，大數據技術、數據治理、數據平台、數據應用的發展和孕育，有了很大的進展和普适，但沒能重新去定義一個時代。然而大模型技術問世才剛剛過去不長時間，新的時代定義就已經產生了。我們都需要意識到，接下來随着這項技術更加深入的應用，我們的工作模式将發生翻天覆地的變化。大模型體系将成為驅動新經濟範式的引擎，各個行業都要去探索人工智能技術如何在業務中運用。
前言：智能化給企業帶來的優勢
随着大模型在内的AI技術的落地應用，數據在企業中将進一步釋放價值，從支撐決策輔助時的由資源轉變為全面的生產要素，到真正落地成為企業資產——數據資產，其形态和價值都将被重新定義。
AI智能将大幅降低數據應用的門檻，讓數據在更廣泛的範圍内產生業務價值成為普遍可能。
探索大語言模型應用，将提升決策的全面性和效率，全面鋪開信息共享的廣度範圍和縱向深度，信息傳遞的精準與效率也得以提升，進一步提升認知的統一和協同的效率。
将實現數智助力生產力的躍升，從開發時代進入訓練時代，通過大量數據應用閉環提供AI訓練基礎，自驅性的學習和迭代，沉澱和優化企業運營與管理的思維邏輯，最終形成企業的數智大腦，迸發強勁的生產力。
這将是一個逐步實現應用落地直至智能進階的建設過程，局部的應用完成一對一、點對點的過程輔助，實現"建用結合"激活數字創新能力，逐漸形成企業運營、管理各方面的全量數字化連接與模塊化應用，面向業務與管理的全局挖掘數據價值，驅動業務長效可持續增長，不斷迭代形成超越自身的組織進化，不斷增強企業作為一個整體與無限外部空間的連接與互動，助力企業拓展更廣闊的發展空間。
如何才能實現AI智能的落地應用及優勢發揮，前提是一體化、标準化的基礎建設，核心是對資源意識的認知。
本文第一部分從業務流程到應用系統，再到數據資產目錄來整體闡述業務結構體系的梳理，同時配套進行組織體系梳理，由此明晰了業務體系與組織體系的關系，并總結出數據平台作為業務、管理、技術三者融合的樞紐工具、手段和紐帶，其從數字平台的層面呈現出了業務、組織和數據三者的關系。第二部分，每個崗位進行業務執行時，都會伴随着數據分析和生產過程，用結構化的橫縱邏輯并疊加時間維度的立體網，來闡明業務運作過程中的數據分析體系和決策過程。文章的前兩部分核心論述如何實現和完善一體化、标準化的基礎建設。第三部分則是在如上基礎建設上探索AI技術在企業中的應用。最後，在文末的第四部分，主要講述了影響先進技術應用的總結思考。
随着大模型在内的AI技術應用，數據資產的形态和價值将被重新定義
第一部分 全面流程梳理
（一）業務體系的梳理
我曾發文《從無數到有數，如何深入數據應用與治理》，在文中介紹了"業務 - 系統 - 數據"的整體關系以及數倉推演戰略落地的方法。探索階段，我們先聚焦了核心業務板塊價值鏈，開展業務、系統、數據的梳理；深化階段，擴展到企業全業務價值鏈進行全面梳理，建立從業務流程、到系統操作、到數據流轉的結構化框架，并統一匯集形成企業數據資產目錄，将數據應用與數據源頭打通，以數據應用規劃視角推動數據倉庫建設，促進"業務-系統-數據"的整體建設和動态優化。
1. 業務流程框架梳理
在體系深化階段，我們引入了PCF流程分類框架®（Process Classification Framework - PCF）的方法論，對企業的全業務價值鏈進行梳理并搭建完整業務框架。通過三大原則：（1）面向未來而規劃；（2）體現精細化管理的要素；（3）提煉出共享能力與運營能力，構建出從L1-L5的業務流程框架全景圖。
L1 價值鏈（塊）：獨立的價值主體，例：零售。
L2 運營模式（段）：實現主體價值的業務結構，例：電商運營。
L3 業務活動（鏈）：支撐價值創造的基礎業務單元，例：電商商品運營。
L4 業務流程（線）：業務開展的最小活動單元，例：電商商品上下架。
L5 業務操作（點）：任務級别，細化到行動節點，例：電商商品上下架操作流。
全價值鏈業務流程框架全景圖 - 呈現各環節核心業務能力
2. 系統結構梳理
系統是業務操作結構的固化，是數據底層内容的源頭，在業務流程框架的基礎上展開系統的結構化梳理，打通業務到系統的流轉協同。業務到系統是通過最小單元進行一一映射，即從L5業務操作到系統功能點的映射。系統功能點作為系統層面的最小單元，往上匯聚成功能模塊，再确立模塊邊界，最終形成系統間邊界并确立信息流向關系，系統與系統組成系統集，系統的結構梳理形成系統自身的結構化表達。
我們定義了創新的L4流程節點卡片，以平面化的方式表達業務、組織、系統、規則的映射關系，打通業務與系統之間的聯系，為下一步AI落地夯實基礎。
系統的結構化梳理 - 以L5業務操作為起點逐步搭建系統能力
3. 數據目錄梳理
數據目錄是數據資產的清單，類似圖書館的圖書目錄，使數據資產易查找、易理解、易管理、可信任，更好地滿足數據應用的需求。數據目錄包括業務數據目錄和指标數據目錄，它們之間通過業務對象和指标進行關聯：
業務數據目錄呈現了整體業務全景圖：L1-L3是以業務視角對數據進行分類，L4-L5是業務實體的數據化表達（呈現為邏輯數據實體和數據屬性）。業務數據目錄的L1-L5層，融合了業務視角、數據視角、系統視角對業務過程數據進行結構化的表達。
指标數據目錄呈現了從戰略到執行的全鏈路分析和管控邏輯：L1、L2是業務的分類結構，L3是指标清單（細分為3類：經營管理的KPI指标，業務結果管控指标，業務過程執行指标）。
數據目錄為各業務網域提供數據資產全景圖，是業務運作過程和管理邏輯的數據化表達，通過完整的數據目錄結構化梳理和規劃，構建清晰的數據血緣關系，形成未來模型建設的語料基礎。
數據目錄全鏈路體系化梳理和建設 - 讓數據血緣有據可依
（二）組織體系的梳理
1. 組織與權限的梳理
組織和權限的梳理是解決業務運作過程中看數與操作的範圍與權限問題，系統的功能本身不復雜，復雜在于：在業務動态進行中，誰在多大範圍内用此系統，誰能審批，誰有權限，權限是否符合組織流程與要求。我的發文《從補貨場景，看企業協同在線》中曾詳細描述這部分内容，在此簡單介紹：
1.1 什麼是組織中台與權限中台
組織中台主要提供标準的人-組、人-崗的關系，全面、實時、準确的反映了組織、人員的運行狀态，包括人員崗位、組織關系、組織内的匯報層級等信息。權限中台是在組織中台的基礎上建立的，是連接組織與業務系統的橋梁。什麼人在什麼系統可操作什麼，而且操作結果的也能實時呈現。個人權限随所在組織、崗位變化而動态授權，從而在實時組織變化中，及時、動态匹配各系統流程節點的權限，保證業務在變化中順利、高效運行，最終實現業務管理與權限管理一體化的閉環。
1.2組織中台和權限中台建設邏輯
權限中台基于組織、崗位的标準化，圍繞員工的生命周期在員工不同工作階段從入職到離職過程中自動賦予相應的權限，最終實現權限管理的自動化和權限自助化；一方面可根據組織确定不同應用系統的數據權限，例如：大區、分區、品類、品牌等組織人員的不同查數權限；另一方面根據崗位屬性、崗位名稱、崗位級别等确定不同應用系統操作權限，例如：不同崗位角色操作不同系統，同一系統的不同菜單，甚至不同功能點。
組織與權限體系建設，實現業權管理一體化閉環
2. 明晰業務體系與組織體系的關系
2.1業務流程與業務規則
企業運營過程中，各個業務環節的運行會有對應的流程（比如電商直播、貨品采購等），在每個業務流程節點上，都有相應的崗位去決策、去執行、產生輸出。每個流程節點上，操作人員做執行時都有輸入（包括上一個節點或前段流程的結果數據、歷史或參考數據，以及上一級的決策信息），同時執行也有流程節點相應的規則（包括業務邏輯和業務規則），執行以後產生的結果又會形成輸出給到下一個節點，來接續着完成下一步的工作形成新的輸出。 業務規則是驅動業務流程運行的規則體系，是決策往下分解到L5業務操作級别的業務動作的操作指南與規範或是排序，它為業務流程需要達到的結果與目标做了定義，确保了業務流程的順利進行。決策流通過組織流程進行傳遞。業務規則就是業務流程與組織流程在L5業務操作甚至更細節的業務中的交匯介質。
2.2業務流程中的執行與管理
多個業務節點產生一個業務流程，流程中各節點的操作形成了業務流程的結果，如果結果沒有達到預期目标，再去調整流程中的各個節點，直到達成目标為止，整個過程是一個執行過程，它的判斷是以能否達成預期目标為标準，執行是有規則和标準的，規則和标準就來源于決策體系。
如果結果達到目标，此業務流程的結果就會傳遞到下一個業務流程作為輸入。多個業務流程組成了企業圍繞着經營目标開展的真實業務活動，業務流程之間的關系也将產生決策點，管理的本身就是一系列的決策過程。
2.3業務流程中的崗位與組織
站在整個業務運作鏈條上，從最小業務流程節點的運轉來看，執行崗位所支撐的單個或多個業務節點，其結果由業務流程的管理崗位來決策評估；業務流程中的多個執行崗位之間，是由一個管理崗位來統籌的，統籌的過程就是根據業務流程的結果進行決策，根據此決策來調整各個執行崗位的操作，再根據操作後的結果進行再決策，這就是組織和權限體系所表達的：誰、在哪兒、做什麼，整個回溯與循環的過程就是業務活動。在現實業務活動中，管理者經常以開會的形式，組織執行者理解管理者的決策，同時安排執行者去操作，然後再開會，将新的操作結果進行分享和復盤，以達成共識，決策通過信息自上而下地傳遞，形成了決策流，執行過程與結果的信息自下而上地匯聚，周而復始循環。上述所講的内容就是部門内部的業務活動過程，部門和部門之間也有類似的管理決策關系，從而在整體上形成了逐層向上的組織概念和組織架構信息反饋和匯報體系，以及相對應的逐層向下的決策體系。
2.4業務流程的完整閉環需要在組織流程中實現
在前文"業務流程框架梳理"中有介紹L1-L5的業務流程框架，L1是頂層設計，L5是具體業務流程中的操作節點設計。L1各價值主體的橫向的連接，是一條連貫的線，沒有斷點。如果有斷點，企業沒法完成整體經營活動，也就沒法生存。L5的各操作節點理論上也應該能完全連接起來，也應該沒有斷點。但在現實中由于分工的存在，一定有斷點，而這些斷點之間的連接就是L4到L2所要解決的，也即企業管理中的組織設計。組織設計的落地，也就是決策體系和組織流程。組織流程在業務節點上的表現就是一套權限體系，其确定了各個崗位在業務流程中系統的操作範圍和權限，在數據體系中的數據範圍和權限。如果崗位設計不合理，或者權限設定不合理，就會造成業務流程數據的不完整；如果崗位之間的銜接設計不通暢，造成業務運營過程數據的不完整。組織流程是保證各個L1到L5之間的有效連接，自下而上接收業務數據，分析形成信息，信息流動、互動、達成共識，形成決策，自上而下傳遞決策流，協調、組織和控制企業各種資源，支持和促進業務操作的順利進行，從而實現業務流程在企業整體上的貫通。
示例：業務流程與組織流程的關系
（三）數據平台價值體現的三大要點
業務體系和組織體系是企業運作中不可分割的兩個方面，兩者通過信息流和決策流進行密切的聯系和互動，使得企業的各個部分組成一個整體。數據是信息流和決策流的基礎，數據平台是連接系統與前端應用、協同應用的橋梁，在技術架構上承上啟下，将數據的"進、存、出、管"在業務體系和組織體系的互動中全面貫通，數據平台是企業的業務、管理、技術三者融合的樞紐工具、手段和紐帶，其價值體現取決于如下三大要點：
1. 數據目錄是核心
以貨品數據網域舉例，訂貨、首單、訂貨比例，這些都是數據，都會以物理表的形式沉澱到數據倉庫裡。 數據目錄将數據倉庫裡所有全景數據以業務視角進行完整呈現。通過業務-系統-數據的結構化梳理，形成數據目錄，也就相當于梳理出所有的業務環節，有多少業務環節有數據？多少沒有數據？有數據的，是人手工填寫的？還是系統采集的？所以，我們可以用數據目錄，來評估系統和業務的完整性。通過數據目錄的梳理打通業務、系統、數據之間的邏輯，把分散在各處的數據，全部進入到數據倉庫進行統一化的管理，統一的過程就是數據治理，數據治理簡單而言就是将數據進行标準化統一管理，将數據應用與數據源頭打通，從而，我們可以用數據目錄，來評估系統和業務的一致性。
打通業務-系統-數據形成企業數據資產目錄 - 讓數據資產一目了然（結構化、标準化、統一化）
2. 數據完整性是前提
數據化首先是要有數，流程是業務的運營過程，具體的運營體現在流程節點上，具體的流程節點是否有數據記錄，記錄的數據是否完整，在零售行業也就是帳實相符，也就是現象與數字的關系。其次，在流程中節點串聯的結果是否一致，就是帳帳相符，也就是不同現象之間，用共識的結構框架，核查框架與框架中的數值是否對等。帳帳的結果是否滿意，就是業務運營的過程。把"帳"與"物"合理的管理起來，達到最大效率，就是對管理的水平的評估，而評估的要素就是數據。數據的完整記錄，體現為過程和結果的數據的完整性，同時也體現在記錄的顆粒度。例如存銷比指标，當前是5:1，未來目标是3:1，那麼存銷比從5:1到3:1的過程，就有了數據化的記錄；未來存銷比達到目标3:1的過程，可能需要半年時間，那麼到底是每個月記錄銷存數據，還是每一筆銷售與進貨都有記錄，這就是過程記錄的顆粒度。在此基礎上，面向未來提出新的想法、新的戰略，也會映射到數據上的變化：今年的變化、明年的變化、未來的變化，都在數據裡，而且這些數據的變化過程，都需要有詳細且全面的記錄，以呈現出決策的效果。
3. 數據實時化是關鍵
只要業務在運轉，不管是否有系統的支撐，都存在業務流程。過去，在沒有計算機的時代，用手工填表的方式，也能完成各個流程并全部連通，以及完成記錄信息。這個全部連通和記錄就是組織流程。這就要求組織流程設計和業務流程設計在時間節點上環環相扣，這樣信息流才能完全通暢，從而才有盡力減少各個環節延遲和誤差的可能性，這就是管理。随着企業規模的擴大，組織層級的增加，一線的業務信息傳遞到管理層的延遲周期越來越長，差錯率越來越高，失真度越來越大，會導致決策效率和效力降低。這時運用技術手段，流程可以用系統來支撐和記錄，跟手工比提高了效率；同時，相比較于過去用管理的方式，更容易實現縮短延遲的周期。這也是企業進行IT建設的核心原因。數據倉庫的統一建設，進一步促進系統所收集的數據的整體性、标準化、實時性，把信息流的傳遞和決策流的執行在企業運營上的延遲降到最低。通過對數據的應用驗證信息流是否完全通暢，又能反向檢驗組織流程設計和業務流程設計是否達到環環相扣，進一步減少各個環節的延遲。"實時"這個概念，核心意義就在于縮短延遲的周期，也是IT支撐業務最大的價值。
（四）業務、組織和數據的關系
企業經營的目标可以高度總結為：以最小化成本、產生最大化收入，也就是我們有什麼資源、用什麼流程、做什麼事情、達成什麼目标，本質是基于企業的經營目标依據業務結構和組織架構進行分解，由一系列的業務流程來承接，通過組織流程連接業務流程，傳遞決策流，成為我們在每個業務執行過程中的動作和結果的評估标準，也就是形成了從經營目标的評估體系到業務過程的分析體系，從決策的預測體系到具體業務操作，通過從最小業務操作節點匯聚到業務流程，業務流程沿着組織流程連接匯聚到業務活動，最終到業務全局的結果呈現與反饋，再進行決策調優，形成不斷滾動執行、不斷反饋、迭代優化的業務與管理的雙修正回路。
通過對企業經營的整體過程進行高維抽象，明晰了"規則"、"組織"與"數據"是企業經營的本源要素。我們可以看到，從業務執行邏輯上業務流程、流程節點和目标、結果的關聯性，從組織協同上崗位在流程執行中的工作、輸入、輸出、不斷循環，以上的關聯性和輸入、輸出都體現在數據上。由此我們展開對AI模型應用的構思，希望實現在這些業務流程節點上具備拟人化的效果，可執行對上一個業務結果的認知、對數據的分析，同時基于标準的業務規則形成該業務流程節點上的自動化動作，并推動下一個流程節點的運行。以業務經營目标為出發點，通過人工智能技術賦能企業協同進化與數智化更新，結合動态平衡的管理思路，策略介入過程點對點實時性糾偏，實現從局部優化到全局最優的邁進。
對企業經營管理邏輯進行高維度的抽象，明晰"規則"、"組織"與"數據"是企業經營的本源要素
每一個崗位在執行業務動作或業務操作時，都離不開數據的分析和決策判斷，因此業務運作過程是非常復雜的。下一部分，我們嘗試着用結構思維、橫縱邏輯、滾動預測等要素構建出一套結構化的數據體系，通過這樣的方式将復雜的業務運作過程立體化描述出來，供大家參考。
第二部分 建立統一的業務數據體系
（一）業務數據體系的結構
理解世間萬事萬物，都需要化繁為簡，任何科學與認知的產生，也都是由復雜到簡單的過程，其應用則是由簡單再回到復雜。同樣，企業的業務運行中有很多相互關聯、相互影響的業務因子，這些相互影響的變量是一套復雜且不斷循環迭代的邏輯，而我們需要做的便是将復雜的邏輯簡單化，建立一個通俗嚴謹的模型去呈現與分析，否則就很難找出問題或機會點。
在本文的第一部分中，為了結構化的呈現出企業業務運作的全貌，進行業務流程框架梳理，構建了從L1-L5的業務流程框架全景圖，其中L1 價值鏈：獨立的價值主體，每個獨立的價值主體都是業務運行平面的縱向領網域，而價值主體之間的相互影響的關系，是業務運行平面的橫，縱橫交錯就組成了當下的業務運作邏輯。
每個獨立的價值主體L1都下鑽到若幹L4層級業務流程，各業務流程都由若幹L5業務操作組成；數據是對業務操作過程和產生結果的記錄，是具備度量部門的值，是對業務活動的呈現，也是企業進行決策和管理的重要依據的來源。其一，數據描述了不同崗位的角色在業務流程中的操作，并記錄和描述其操作的結果值；其二，通過數據的縱向領網域的上歸類、下細分，橫向領網域的關聯分析，形成信息，提供給管理層進行決策和管理；其三，各業務活動的時間軸上運轉，互動作用并最終產生業務結果數據；于是，基于數據建立起反映業務運行動态的三維立體模型，來呈現出業務運行的動态情況。
業務運行平面：縱與橫
縱：（1）各價值主體中具有上歸類、下細分的特性的各節點構成縱向領網域，縱向關系也就是父節點等于所屬的各子節點之和的關系，縱向連接就是這種父節點與子節點之間的連接，同時需要注意的是其中各子節點之間的連接關系屬于橫向連接（後文具體介紹），這種橫向連接的發生，往往需要媒介；（2）直接推導的關系，也即由A必然得到B，由B必然得到C。例如：貨品領網域，從品牌依次向下細分到單款：品牌→年份→季節→大類→系列→價位段→單款。某一價位段的貨品，等于屬于此價位段的所有單款之和，不論從數量上還是從價格總量上，這就屬于縱向。此縱向範圍内的單款甲與單款乙之間發生連接，就需要加入另外的連接媒介，比如不同場景下的搭配的建議，設計上的互補/對比款等等，這就屬于橫向連接關系。橫向連接關系的邏輯源頭一定是來自于系統或組織的外部。
橫：所有不具備縱向領網域的上歸類、下細分特性的兩個節點之間的關聯。例如：（1）各價值主體的連接，如供應鏈、物流、零售等的連接，這時這些主體的集合就是企業的整體經營成果；（2）某一店鋪内，銷售動作導致了庫存較少，銷售節點與庫存節點的連接就屬于橫向連接，庫存上的變化，不僅僅可能由于銷售動作，還有調貨動作、到貨動作等等共同造成影響，所以調貨動作、到貨動作都與庫存之間是橫向連接。（3）單據的流轉，随着貨品流動，從工廠到倉庫到店鋪；都屬于橫向的連接。因此，在某個價值主體内部，也既有縱向連接和橫向連接，其中業務規則屬于橫向的連接。
時間軸
業務運行平面，也即某時間節點的業務切面，慣例上，時間點的間隔多為日、周、月、季、年，而将這些多個時間點上的業務切面連貫在一起，就是動态的三維體現，就可以研究趨勢。
業務運行的橫、縱、時間軸三維立體模型
（二）業務數據體系的内容
在業務運行平面上，眾多的縱橫之間，也需要建立起由復雜到簡單的結構化模型，以形成對業務運行的真實狀态的呈現、評估、分析，以下将從數據的角度展開對業務邏輯的剖析。
生意的本質是份額、利潤和庫存。份額是用規模所體現的，同時也代表市場地位；利潤反映的是業務經營管理能力，體現在銷售、成本和利潤；庫存主要看庫存質量，評估銷存結構之間的差異，代表的是商品運營能力，體現的是整個組織和業務流程面對市場變化的反應速度。它直接影響着銷售和利潤。
1、評估體系
站在整個企業的宏觀層面，戰略的重要一環是對整體市場情況的綜合分析評估，結合企業自身和主要外部競争者的競争态勢，用數字結構具體體現出來，如根據市場份額的占比，制定目标方向，落實到規模增長上，匹配相應的資源及投資，評估整體預算的合理性，這是從市場層面的數字評估體系。
行業數據洞察：剖析渠道及品牌的市場份額，動态分析自身優劣勢
有了戰略和規模的數字結構目标，業務作戰單元的日常業務運營要實現高效達成目标并均衡發展，就需要建立完善的分析體系和預測體系，驅使分析體系、預測體系與評估體系之間形成回路，基于數據進行動态調整。
2、分析體系
基于最基本的業務數據邏輯（收入-成本=毛利，毛利-費用=利潤，下文中簡述為：收入-成本=毛利-費用=利潤），沿着企業的核心業務結構往下層層分解剖析，找出關聯，從而形成能真實呈現當下業務運營現狀（業務切面）的數據分析體系，以線下直營零售業務為例：
2.1業務結構
從零售業态的特征來看，其中縱向的主線，是以營運結構為主體的零售管理，和以貨品結構為主體的商品管理，是業務的兩大核心。
2.1.1營運結構
零售就是通過銷售渠道完成的，銷售渠道最終的原點是店鋪，線上和線下都一樣，店鋪是商品與消費者直接接觸的地方、是實現銷售的地方，因此店鋪的運營是我們管理經營的根本、是核心。業務結構的一個縱就是營運，線下營運結構可以從大區、分區、片區、店鋪級别到單個店鋪進行劃分，也可以按方位（南北）、省區、城市、商圈等劃分到單個店鋪。線上可以按平台、行業、品牌、店鋪劃分，這些劃分的層級相互關聯、構成了一個完整的營運體系。
單個店鋪也有角色定位，線下店鋪的角色定位根據店鋪所在位置、客流量、面積、租金等也分不同級别，一般都用A、B、C、D表示。線上也同樣有劃分，以平台、露出等劃分。最後，單個店鋪的定位都表現在銷售額和折扣上。
業務結構：營運結構
2.1.2貨品結構
業務結構的另外一個縱就是貨品，不同的品牌的貨品結構不同，貨品結構的劃分反映了貨品管理的水平，以運動品牌的貨品結構為例，包括品牌、季節、大類、性别、系列、上下裝、款式、價位段、上貨波段等各個維度，貨品結構是通過數字占比表示出來。例如：季節銷售占比、鞋服配的大類占比，性别、系列、款式、價位段各自的占比等等。當然占比是有變化的，不同的品牌、不同的地區、不同的店鋪，貨品結構是不盡相同的，同時也會存在相似性，如A類店鋪的貨品相似度高等。
業務結構：貨品結構
2.1.3營運結構與貨品結構
在零售企業中，業務運營包含營運管理和商品管理這兩個縱，是業務的兩大核心。從營運的縱往下細分：全國→大區→分區→城市→片區→店鋪；從貨品的縱往下細分：品牌→年份→季節→大類→系列→價位段→單款。就像"剝洋蔥"：一層一層的關系、邏輯和結構非常清晰，分析的時候按照每層的結構一層一層剝，營運的縱剝到最小部門——單個店鋪，這是營運管理的核心；貨品的縱剝到最小單元——單款（單SKU），是貨品管理的核心。通過層層由外到内、由大到小縱剝找出關鍵的鏈路以定位問題，就是關鍵鏈邏輯。
比如：當前總體存銷比3.4的狀态，基于我們經營目标需要盡量以最小庫存達到最大銷售額，則我們的關鍵業務指标"存銷比"也需要控制在合理的範圍内，因此我們首先要做的是沿着業務鏈通過系統挖掘來定位問題，先按照營運結構從"總體-分區-片區-店鋪"的鏈條來逐層分析存銷比情況來精準定位到最小部門（也就是店鋪），找到問題店鋪後，再通過貨品結構的分析從"大類-性别-新舊-系列-子系列-單品"的鏈條分解到最小單元（也就是找到問題單品）。最終遵循的就是在業務鏈路上定位到最小的問題所在，通過指标反映異常，通過營運結構、貨品結構這兩個縱分别逐層挖掘問題所在。這裡的舉例是先看營運這一縱向領網域的關鍵鏈，再看貨品這一縱向領網域的關鍵鏈，現實中會根據目的來确定主視角，也可以先看貨品領網域再看營運領網域；有些小的局部問題的解決，也可以只看某一單個縱向領網域的關鍵鏈。
營運結構與貨品結構 - 縱向深入關鍵鏈，橫向連接關鍵變量
而營運管理和商品管理這兩個縱之間的關聯，體現的則是橫向的管理邏輯，研究營運的縱和貨品的縱之間的關系--橫向的連接，就是研究"進、銷、調、存"之間的關系，是零售企業的業務管理核心。通過縱向關鍵鏈只能找到問題點，只在縱向考慮則只能局部最優，而橫向就是連接，就是局部最優和其他模塊和整體之間的互動關系，局部最優到底是不是整體最優呢？不一定，比如，打赢了一場戰役，輸了一場戰争。每個縱向問題點有多個橫向影響因素，連接這些因素就是找到變量之間的關系，而這關系就是不斷從橫向找到整體的過程，在過程中就會發現關鍵變量對整體的影響，從而确定針對關鍵變量的具體策略。以下分析體系便是研究變量之間的關系的數據結構體系。
2.2基于業務結構的分析體系
2.2.1 業财分析體系
業務财務分析體系
前文中提到最基本的業務數據邏輯：收入-成本=毛利-費用=利潤，這是零售企業底層邏輯的橫，以上圖例能具體展示出基于業務結構的業财分析體系。
1、看整體：收入-成本=毛利-費用=利潤，收入來源于實際的銷售，成本是貨品的進貨額，毛利是銷售與進貨的差額；費用是從進貨到銷售投入的各方面非貨品的資源總和，利潤是毛利扣除費用之後的淨額。
2、看業務：基于業務核心的結構看兩個縱，一方面是營運的縱，沿着營運結構，由最小部門-單店的銷售向上合并；另一個方面是貨品的縱，沿着貨品結構，由最小單元-單品的銷售向上合并。（修改：從大到小）
3、看費用：包括經營費用和管理費用這兩個縱。經營費用直接與經營活動的場所有關，主要包括：最小經營部門（店鋪）的人工費用、商場費用、門店裝修費用及其他；管理費用是以最小管理部門的行政辦公人員工資成本、辦公雜費、物流費、辦公室租金等。不同層級看的範圍不同，但是都由最小經營部門和最小管理部門匯集而成。
2.2.2 業務分析KPI
收入、成本、毛利、費用都是相互關聯的，需要一整套業務财務分析的指标，用以呈現出實際業務運營管理的情況。
（1）單一原子指标：單一原子指标是指數據分析中最小的可度量單元，通常是一個數值或一個計數，用來描述某個特定的事件、行為或狀态，它是表達業務實體原子量化屬性的且不可再分的概念集合，包括：銷售額、店鋪數、貨品成本額、商場費用、工資額、人數、裝修費、店鋪面積、租賃費、物流費等等。單一原子指标是對指标統計口徑算法的一個抽象，等于業務過程（原子的業務動作）+ 統計方式。例如，銷售（事件）金額（度量），貨品（事件-訂貨）成本額（度量）。
（2）復合指标：指建立在原子指标之上，通過一定運算規則形成的計算指标集合。是為了反應出業務運營的某些特征，需要将若幹個單一原子指标放在一起分析，例如：存銷比、售罄率、同店同比、店均人數、人均銷售、人均工資、工銷比、管店比、成本率、費用率等等。
（3）派生指标：一般而言，單一原子指标與復合指标都不會獨立出現，一定是與一定的維度進行組合才有意義，這就形成了派生指标。派生指标指建立在原子指标或復合指标之上，在業務限定的範圍内，由單一原子指标或復合指标、時間周期、維度三大要素構成，用于統計目标指标在具體時間、維度、業務限定範圍内的數值表現；派生指标反映企業某業務範圍内的業務活動在一定的時間周期内、一定維度上的業務狀況，例如：最近一周在某大區的A類店鋪的銷售額；10月份某城市某單款的售罄率。
（4）分析模塊：是建立在指标組合上產生的數據分析結構，是相關聯的多個指标有邏輯的組合，用以充分呈現出業務運營的統計屬性、管理屬性等的實際情況，例如：由折扣、單產、同店同比等組成"銷售狀況"模塊；由存銷比、售罄率、折扣等組成"貨品狀況"模塊等等。針對不同崗位類型，關注的分析模塊是不盡相同的；而針對同一崗位類型、不同的組織層級，關注的分析模塊及相應的KPI是相同的，只是組織範圍不同，這套分析結構體系就是研究相應的縱的節點之間的橫向關聯關系。
業務邏輯系統化關聯，形成指标分析體系
分析模塊代表的就是業務切面的橫向領網域的數字結構化表達，是相關性分析，由此可見，在業務的時間切面上，操作在縱，分析在橫。當多個時間節點的切面進行串聯分析時，站在時間軸上看相應的復合指标組合的動态變化，就是趨勢分析。所謂數字化的系統實現就是，用一維的數據呈現在二維的框架結構中表示三維的不同現象。現象千變萬化，框架結構是相對穩定的，框架結構中的不同時點的數值是力求真實反應現象的動态變化，因此，數字化就是業務運營現象變化過程的記錄，其記錄過程的完整性代表數字化的進程。
模塊分析串聯形成框架結構，縱向關鍵鏈定位，橫向要素關聯
2.2.3 最小部門與單元
企業從銷售到利潤（收入-成本=毛利-費用=利潤）的分析，不只是簡單的數據和公式，它是結構，也就是業務切面中的縱與橫的框架結構。比如店的分析邏輯是由單店上到街鋪商場、城市級别等組成，貨品是由單款上到品類等組成。銷售都是一個一個訂單和商品組合出來的，也都是由人（店員）在不同的店内賣出的，上歸類到組織、店、貨，下細分到每個人、每家店、每件貨，也就是點，将這些點聯系到一起，就形成一張網。網中的每一個點都有上下左右的連接。因此，需要建立基于最小管理部門（管理費用為主，包含人事與财務）、最小經營部門（以銷售為主）、最小單元（貨品，單SKU（Stock Keeping Unit，庫存部門））往上匯總的分層級的、标準化的、統一化的連接和數據分析體系，沉澱出業務過程與運營管理的共識經驗，通過趨勢分析，來制定策略。例如：常用的貨品策略有降低存銷比、提高售罄率、提高折扣率、調整結構等等，每種策略都有其優勢和劣勢，且策略之間產生相互影響，甚至是形成互斥，因此策略的确定是一個綜合性的選擇，其執行過程要進行動态調控，通過不斷的反饋與調優，形成增強回路，才能達成共同目标。而這一過程是組織管理體系、業務運作體系和數字平台能力完美融合的終極體現。
基于統一框架，構建三維滾動數據網
3、預測體系
3.1 預算
預算是企業根據發展戰略，制定一個周期的整體性策略，也就是資源與份額的匹配。 預算的制定，要從最小管理部門、最小經營部門及最小經營單元制定，并根據公司組織結構匯集到不同層級的組織，按照店鋪結構、貨品結構構成對應的數據指标（KPI）。一般的預算抽成五大部分：①開關店預算是基于公司戰略和規模目标，制定年度渠道計劃，講的是店鋪結構，并對收入測算提供渠道結構支撐；②收入預算，講的是店鋪結構和收入結構的關系，是在渠道計劃的基礎上，按照最小經營部門——店鋪來編制；③商品預算，講的是店鋪結構匹配不同的商品結構，來制定商品的流轉，是圍繞着最小管理部門的維度編制；④費用預算，講的是以最小經營部門和最小管理部門的費用構成，主要包括經營費用和管理費用；⑤損益，講的是前面四塊預算的測算結果，按照排列組合形成損益結構。
預算的邏輯和構成
3.2 OTB
OTB（Open-To-Buy）直譯為開放購買，意為采購限額計劃。所謂的采購限額，是在給一定時期内（國外通常是1個月）計劃采購額與采購員實際購買款項之間的差額。它代表着采購員留待當月購買的數量，并且随每次購買數量的上升而下降。OTB根據預估營業額和資金以及商品的周轉率，幫助任何規模的零售業者進行預測和規劃未來12個月中每項商品的每月采購計劃。透過OTB從業者可以分析得到最重要的管理信息，适時掌握所有商品的庫存數量并對未來采購計劃進行預測和規劃，避免因為庫存過大，周轉率太低而造成損失。OTB是一種基于銷售預測和庫存目标的商品管理方法論，幫助零售企業從橫向在供應和終端銷售之間保持平衡，以實現有效的庫存控制和進貨決策。
3.2.1 OTB的構成
OTB我們也叫計劃與控制，OTB的整體邏輯關系是：期初庫存+本期進貨-本期銷售+調入-調出=期末庫存，期末庫存進行循環滾動，OTB的本質是："進、銷、調、存"。"進"指當期進貨，包括金額、數量和結構；"銷"講的是實際銷售，包括金額、數量和結構，也包括折扣；"調"是指調進調出；"存"是當前還剩下多少庫存，同時也根據銷售算出庫銷比，也就是庫存還能支撐多長時間的銷售。對照預算目标、業務結構（營運結構和貨品結構）綜合分析出運作空間，制定下一階段的銷售計劃、進貨計劃以及折扣計劃等，實現循環控制。
3.2.2 OTB的過程
OTB滾動計劃時間維度一般會分解到月、周。第一層關注的是：到貨計劃、店鋪數量計劃（新店、老店、預開關店）與銷售收入（折扣計劃和單產計劃），以及庫存數量（預計店均庫存與預計存銷比）；第二層則是分析銷售結構與庫存結構，同時兩者的對比是運營管理的核心。由單店往上歸集，直到相應的分析與控制的管理部門，這裡可能是城市，也可能是大區，最終歸集到總部。通過與預算目标對比分析找到空間，再通過銷存結構對比找差異，在橫向維度中進行綜合分析确定策略，如具體營運策略（提高單產和人效等），調整下一個周期的相關計劃及據此調優縱向領網域的相應的業務動作。
3.2.3 計劃與控制
OTB作為計劃與控制，都是滾動性的，也即具有時間軸特性，每個周期（一般為月/周）滾動到下一個周期，驗證滾動調整計劃中預測的準确性，并相應進行下一階段計劃的調整，據此審視和調優業務運營動作，如此循環往復。
OTB滾動計劃與控制
3.3麗影產品——貨品的全生命周期
既然OTB是以營運角度為主線來橫向反映"進、銷、調、存"，那麼從貨品角度來看"進、銷、調、存"會是怎樣的情況呢？從單一商品來統計相關的渠道匯總銷售數據進行分析，由于貨品構成的數量龐大，單靠人工難以進行精細管控，因此簡單的系統工具僅能支撐在單一時間節點到單店的貨品品類往上匯集，無法做到單品的全生命周期的數據呈現。
在本人之前發文的《從無數到有數，如何深入數據應用與治理》中介紹了我們與滴普科技聯合共創的"麗影"產品，通過對多維度、多指标數據的實時分析及全價值鏈數據模型構建，探索出單品的全生命周期的動态數據呈現產品。其核心本質就是實現了單品的"進、銷、調、存"的直觀完整呈現，可以從單品的角度按各營運層級來匯集數據，把單品全生命周期的數據在一個界面上完整的呈現。
滿足了單品全生命周期後，沿着營運結構和貨品結構，結合時間節奏實現更全面的呈現，麗影洞察從單品洞察擴展到品類洞察、店鋪洞察、區網域洞察、訂補日歷、銷售日歷，達到貨品全方位數據呈現。其中：
品類洞察：是對品類結構與節奏更精準地呈現；
店鋪洞察：能夠快速查看每個店鋪每天的銷售及庫存結構，将店鋪全量SKU的進銷調存細節全部可視化呈現，并且能夠對比各店鋪間季節商品每周/月的結構和節奏變化；
區網域洞察：從管理維度，将不同的區網域進行對比分析，呈現各大區季節商品每周/月的銷存結構占比和節奏變化；
訂補日歷：呈現從全國-大區-城市，各區網域的訂貨、補貨節奏；
銷售日歷：呈現全國-大區-城市-店鋪，各區網域每天/周/月不同品類的銷售結構與節奏，以及SKU的銷售細節。
麗影洞察 - 從宏觀到微觀，全維度呈現商品運營歷程，輔助業務訂鋪補調決策
3.4預算-OTB-麗影之間的關系
過去，OTB是把預算的空間規劃和業務過程銜接起來，進行周期性滾動驗證主要依靠Excel手工報表或簡單的工具，而這種方式只能驗證核心KPI的合理性。麗影實現了從貨品維度在時間軸上拆解到最小部門、最小單元的全生命周期的數據呈現。從麗影往上匯集并連接至OTB，在時間維度上進行立體的銜接和響應，依據框架結構在目标時間節點上呈現經營結果。預算從上至下，以營運縱向為主線，麗影自下而上，以貨品縱向為主線，二者在OTB滾動過程中的目标時間節點上達到橫縱連接。将所有要素更全面、細節的過程數據在時間點上形成一個個二維的切面，再沿着時間軸形成連續性的動态呈現，匯集成一個全量的三維立體的滾動數據網。預算與OTB的滾動邏輯可借助麗影洞察的強大數據原子能力，得以實現進一步細化，增強營運維度的滾動數據細化至周、天，同時補齊單貨品維度全生命周期，從品牌/年份/季節/性别/大類/小類細化到更小的子系列、價格帶、單款層級。
預算-OTB-麗影洞察之間的關系
4、整體的結構關系
評估體系基于的是戰略，戰略意味着方向，基于戰略制定的規模目标，主旨是評估整體預算的合理性，這是從宏觀層面的數字評估體系，将預算目标縱向層層拆解，确定預算的可執行性；預測體系包括預算和OTB，預算意味着資源，要與戰略相适配；而OTB是在方向和資源基礎上，去評估現在的過程和進度，從而制定下一個階段的計劃，通過滾動進行預測與控制，以達到預算目标；分析體系則是在預測與控制過程中找到縱向調整空間後，再依據橫向連接關系進行趨勢分析與評估，來保障目标達成。
4.1 預測執行體系與評估體系的關系
單一的數據本身沒有價值，數據之間的關聯及邏輯才能形成輔助決策的價值，而數據之間的關系正是體現了業務橫向連接邏輯。評估體系一定是站在企業最宏觀的角度，是最綜合的底層橫向邏輯，是企業内部與外部市場形成的整體連接；而預測體系，是為了實現目标所進行的過程管理建立的體系，将評估體系确定的綜合性目标匹配上資源進行明确并細化分解。
下圖示意的就是零售業務數據的頂層邏輯。
份額的變化趨勢對比市場整體的變化趨勢，揭示的是整體業務結果是否可持續發展，簡單理解也就是股民的"是否跑赢了大盤"。
收入（規模）的增長向上對比份額的增長，說明超額收益的能力，例如品牌影響力、市場定價權等；收入（規模）的增長向下對比成本的增長情況，說明業務運營的效率是否有提升。
收入、成本、毛利，這三者的數據關系是業務分析，展示的是業務能力，其以規模為主體。
毛利、費用、利潤，這三者的數據關系是經營分析，展示的是管理能力，其以營收為主體。
企業從收入（規模）到利潤（收入-成本=毛利-費用=利潤）的過程就是戰略落地或者說戰略執行的過程。預測執行體系是為了達成目标，在企業内部橫向連接裡找空間去實現目标。而評估體系是将戰略目标明晰且可衡量，是戰略和規模的數字結構目标，通過對比分析市場、份額的變化和規模的增長趨勢執行結果三者的關系，評估戰略制定和執行情況中存在的問題及未來的機會。評估體系是企業在業務體系内進行縱向節點上的内外連通，去探尋空間謀求發展。
整體結構關系：戰略與策略
4.2 預測執行體系與分析體系的關系
4.2.1縱向進度評估
通過收入/銷售與預算目标進行對比，評估是階段性的超額、持平或不足。列表示意如下：
4.2.2 橫向空間識别
4.2.2.1 銷售與預算對比
進度超額與持平的情況下（銷售>或=預算）：首先評估是否資源投放超前，再按照業務結構進行銷售結構、庫存結構的對比分析，評估下一個階段預測的準确性，以評估超額與持平是否是犧牲後續業務運營為基礎形成的。
進度不足的情況下（銷售
4.2.2.2 角色定位
業務數據分析體系裡，核心思想是：角色=結構，"角色"即定位，店鋪的級别定位（例如A、B、C、D級）決定了貨品的結構，同時，角色定位是判斷銷與存的結構對比是否合理的依據。例如：A級店鋪（旗艦店）的角色是：品牌形象、新貨銷售、市場影響力；D級店鋪的角色是清貨出口。這種"角色"的定位是判斷當前銷售結構的依據，也是評估銷售結構和庫存結構之間的匹配合理性的依據，銷存結構是制定下一個階段的策略的核心依據。
業務數據分析體系的核心思想：角色=結構
4.2.3 确定策略與執行
"預算-OTB-麗影"基于統一的框架結構實現數據上下縱向貫通，左右橫向連接，沿着時間軸構建出了一張三維立體滾動數據網，不同時間的營運結構、貨品結構都在這一張網中動态、連續、完整地呈現，結合核心業務邏輯結構中其他要素（成本與費用等）之間的連接，形成一張全量的三維立體滾動數據網，從而為具體業務脈問題和制定策略奠定了統一的語言體系基礎和數據分析邏輯。OTB在特定時間點的業務切面上找空間，定目标，就是将業務的該時間點上的銷存結構，與其"角色"（如店鋪分級）決定的标準銷存結構進行對比，再依據OTB在預算約束下分析得出的空間，确定下一階段的目标銷存結構。根據目标制定策略，要通過各分析模塊的橫向數據對比分析（按照"同比、環比、對比、競争"四個視角）看差異，确定優先解決的方向，如銷售增長、折扣提升等。然後在縱向領網域順着關鍵鏈脈問題，通過在多個縱向領網域的問題點看橫向之間的關系，找到關鍵變量，灌入時間軸的相應分析模塊的數據研究趨勢，從而确定具體的實施策略，回到縱向的問題點執行業務動作。業務執行到下個階段的時間點上獲得業務結果，業務結果回到OTB，橫向貫通與最初的目标規劃對比看改變，繼續灌入時間軸的相應分析模塊的數據看趨勢的變化，确定下一個階段策略的調整和業務動作調優，一直循環調優與回溯。
這一張滾動數據網裡，數據越全、框架結構越完整、細分顆粒度越精細，對未來的預測和決策就能越貼近實際的結果。未來引入AI的基礎，就是這張數據網的基礎建設和不斷完善。
基于統一框架實現數據貫通，構建"目标-差距-空間-問題-決策"的整體回路
從第一部分論述流程和崗位的關系，到本部分闡述的數據數據體系的邏輯，尤其是結構化的網狀的橫枞連接，及其疊加時間軸的三維立體，是一個非常復雜的運作過程，崗位在具體業務運營過程中就是用數據分析的基礎來支撐其思考與決策的，回到企業的視角中，由于每個人的理解不同，認知自然也就不一樣，這就帶來了差異，而這些差異的匯聚則會導致決策和執行出現不一致，致使企業的經營運作效率降低。這也是為什麼數字平台的建設和價值完全取決于業務管理和組織管理能力的高低。接下來的第三部分旨在探索AI智能在業務運營過程中如何能夠盡可能的對齊差異，從而輔助業務分析與決策。
第三部分 AI技術在企業中的應用探索
（一）通過AlphaGo的邏輯探索AI技術對業務的價值
1.AlphaGo的邏輯
AlphaGo（阿爾法圍棋）是一款圍棋人工智能程式，其主要工作原理是利用蒙特卡洛方法與計算機算力結合，實現對圍棋棋局的推測。通過對弈局面的分析去模拟棋局，即"這一步怎麼下，下一步對手可能怎麼下，下下步又可能怎麼下"，從而在棋盤上衍生出各種執棋可能性。一棋子落下，就形成了一個棋局，以此為起點，可以有眾多個棋局對應，此起點對應的眾多的棋局，就是一個縱，找出所有與此起點相關聯的眾多個棋局進行運算分析，形成最優解，而此最優解就是橫向連接上一步對方的落棋點，并促成對方的下一步的執棋，然後每一步都進行對戰步驟的回溯，以此循環往下，就能夠在實際對戰中找出得分最高的那條路徑，找到最優決策指導棋局走勢。AlphaGo 所運用的核心算法即蒙特卡洛算法，通過1.選舉-2.拓展-3.模拟-4.回溯 四個步驟來實現以上的最優決策，形成決策樹體系。相比人腦而言，算力能夠把算法無窮盡，把棋局看得更遠，并窮盡所有可能對棋局發生的每一個局面進行模拟對戰，針對局面的勝負進行總結形成路徑回溯。
一棋子落下，就意味着下一個眾多的可能，也就是可以用眾多個棋局對應，這一眾多，可以說成一個局，也可以說一世界、一乾坤。而雙方每個落子之間又是上下因果連接，最後的結局就是每次落子上下因果連接的最終體現。
AlphaGO的邏輯
2. AI技術的業務價值
理解了AlphaGo 的運行原理後，我們回看第二部分所講的業務數據體系，基于一體化、标準化的評估體系、分析體系和預測體系，構建出一整套企業業務經營的三維立體滾動數據網，找出影響業務結果的關鍵縱，依據縱向關鍵鏈層層分解-定位問題-進行排序，再橫向鏈路貫通-綜合分析-形成最優策略，再回到縱向關鍵鏈中确定決策并執行，執行的結果直接反饋到橫向鏈路，多維度綜合分析趨勢的變化，并據此進行策略調整，再到縱向路徑執行調優，一直循環調優與回溯，形成增強回路。這樣的一套邏輯在AlphaGo 上是完全映射與體現的。
當AlphaGo與人類棋手對弈時，首先AlphaGo 是學習了十幾萬套的棋譜規則，相當于建立縱向"關鍵鏈"的邏輯基礎。同時，圍棋是一種"對戰"，AlphaGo 的對手會根據它的執棋產生不同的應對，這就是所謂的"環境"與"變化"，決策的產生不單單是AlphaGo 所理解的上十萬套棋譜，更關鍵的對手做出應對棋招後的"反應"，驅動AlphaGo 決定"該怎麼下"，這種對戰的上下連接就是橫向領網域。我們再來對照看實際業務，AlphaGo對弈的每一盤棋局都是一次整體走棋"運營"，企業業務運營與這種走棋"運營"是異曲同工的，只是企業業務運營比這種走棋"運營"更為復雜。棋局中，棋盤邊界明确而有限，角色只有棋手雙方，而且對戰的上下連接明确、串聯且可窮舉，然而業務運營的連接關系眾多、交叉且并發疊加，業務的外部環境更是多變，市場在無時無刻的變化着，競争對手也在不斷的優化經營，面對外部的變化就對企業的決策和各環節業務運作的快速響應提出了更高的要求，所以企業在内部要在縱向關鍵鏈之上建立起橫向復雜關聯，即構建決策樹，這種復雜關聯可以利用AI模型和算力在各種應對局面下從多維度進行推演，更多、更廣、更快、更細地助力企業全面的理解"内外部問題的連接"，從而在多個變量之中推演出相互作用的"問題"，通過對問題的縱向多鏈路分解和排序，然後橫向鏈接問題的進行系統性的綜合分析評估，平衡相關利弊做出最優策略選擇，并在決策下達後持續觀測"改變"的發生，不斷循環與回溯，直到達成最優目标。
如此不斷循環與回溯形成優化回路的過程，關鍵環節就是"找到問題、定優策略、看全回路"來形成循環增強。過去，這一過程都靠人的信息整理、經驗和能力，要求人在業務決策各個環節進行多維度思考、計算、反應，并在多個關聯性、共振性問題的情況下去分析、判斷并做出決策，然而人從腦力到效率都有很大的局限，就像下圍棋人可以看五步、十步，但計算機可以實現快速看五十步、一百步、甚至更多并快速進行回溯分析。基于企業的業務目标結合AI模型能力構建企業經營的系統性增強閉環，通過多維度推演、多次問題分解、無數次橫向鏈接、多角度綜合評估及再循環優化，實現橫向升維決策、縱向降維執行、業務鏈各層循環調優突破瓶頸。因此，運用AI技術的核心目标應該是拓展與深化企業業務經營的縱、橫、時間軸三維立體滾動數據網, 突破人類大腦的記憶容量與算力瓶頸。這裡面排序在縱，決策的思考在橫，決策的動作在縱，建立縱的動作涉及橫的關系，再根據橫的關系變化調整縱的動作，這就是回路.依據縱的結果動态變化趨勢找到橫的變化的關鍵因子和最優組合，再調優縱的動作并循環優化，這就是增強回路。
（二）AI技術在企業應用的構想
從上文AlphaGO的邏輯中,我們已經意識到企業的"運營邏輯"要比圍棋的"執棋邏輯"復雜的多，企業所面對的外部環境、競争要素及其相關聯結果判定均不是簡單的"黑與白"或者"勝與負"，因此，AlphaGo所采用的"蒙特卡洛"算法或與之類似的數理統計學AI模型，其無法完全滿足企業運營當中所面對的復雜變量關系，我們只能在嘗試性實踐當中，将業務運營的多個變量中進行假設性約束條件，盡可能控制交叉影響并定義規則，做出局部性的優化建議，但這與我們期望的全局優化依舊存在一定的差距，即使這已經是當下較為成功的AI落地實踐了。
去年年底的ChatGPT火爆全網，其所運用的大型語言模型（Large language model，簡稱LLM）代表了人工智能（AI）的重大進步，在傳統數理統計學的基礎之上，其能夠通過大規模的訓練數據和深度學習算法，理解和生成自然語言文本的能力，具備了更強大的模型廣度與深度。在AlphaGO Zero版本中，也已經采用19層CNN殘差神經網絡評估節點得分，在加入復雜多層神經網絡拟合的能力後，數據量越大性能則持續增強,機器可以自我尋找特征與規律形成參數沉澱。那麼，大模型（LLM）的誕生将給企業業務經營的縱、橫、時間軸三維立體滾動數據網帶來什麼樣的智能性突破，這是非常值得探索且研究的課題。
1. AI技術的進階能力
由于市場環境與内部經營的復雜性，需要新一代的AI技術在橫縱交織的最優解問題上帶來革命性的突破。它能夠處理多模态數據、理解上下文、提取知識、個性化推薦等，從而提供更全面、準确和個性化的最優解決方案，為業務決策和優化帶來了更大的靈活性和效益。
多模态數據處理：不僅可以處理文本數據，還可以結合影像、音頻、視頻等多模态數據進行綜合分析。當下的企業數字化建設中早已不是簡單文本類型數據了，例如：我們在研發環境有各式各樣的圖紙類數據，在訂貨會環節存在着海量的音視頻數據，這一類的數據都會可能會成為運營決策中的重要一環。
上下文理解與推理：要具備對上下文的理解和推理能力，能夠考慮多個變量之間的關系和相互作用。随着業務的壯大，縱向的業務關鍵鏈會越來越多，這也必然導致橫向的鏈接點產生成倍的增長與泛化，基于模型可以綜合考慮多個變量的狀态和關聯性條件，進行推理和優化找到最優的解決方案。
大規模數據訓練與知識提取：通過大規模的數據訓練，具備了豐富的知識和信息。相信每一位數字化從業者都會遇到過這樣的問題，即與業務的互動中存在許多模棱兩可的地帶，則其中的典型就是"業務經驗"，經驗絕對不是一個"貶義詞"，但經驗如何成為一種可被具象描述化的"規則"或者"知識"是無法回避的話題，而大模型則可以從大量的數據中提取有用的知識和模式，幫助發現最佳的組合和權衡方案。
AI技術的進階能力在企業的場景應用
2.探讨"品牌大腦"
基于AI模型的能力鏈接縱、橫、時間軸三維立體滾動業務經營數據網，實現業務運營與決策邁向更廣、更深、更快、更強的層次，是我們在探索AI應用價值的一致性認知與共同性嘗試，基于全量的三維數據體系，各業務節點的充分連接，在此基礎上加入AI的能力建立增強回路，核心解決的是人腦算力瓶頸與認知範圍局限，實現從計劃到滾動到控制，控制到每個細節點，搭建全面的連接體系，建立高效敏捷的修正回路。
"品牌大腦"構想：中央控制，全局聯動，節點操作，頂層反饋
在這樣的整體結構下，預算和OTB的目的是定業務框架和識别空間，決定了業務運營在某一時間切片内的現狀與差距，明确了存在多少改善的空間，比如銷售目标的差距要加大折扣力度，但目前已有的折扣空間或利潤空間還有多少餘量；麗影洞察則是幫助業務通過營運結構、貨品結構、空間維度等不同層次與視角的組合，找到關鍵鏈進行關鍵點定位及排序，然後按改善目的，通過決策樹的邏輯進行綜合分析，選擇關鍵點或關鍵點組合，制定決策動作并且預測或審視最終的滾動結果變化，并且持續評估施加策略後整個改善結果進行修正調優。以上的整體邏輯結合AI技術能力，可以讓過程回路更加敏捷與通暢，實現局部優化到全局最優的邁進。至此，我們将一系列的業務思考與AI技術深度融合，逐步探尋數智化應用形态，站在企業的經營視角上，需要形成一套自上而下和自下而上的閉環，實現中央控制，全局聯動；節點操作，頂層反饋的效應，我們将其定義為企業經營的"品牌大腦"，即在業務核心鏈路上，不再完全依賴于人力的自主決策與執行，能實現螺旋上升式工作優化模式，推動整體業務穩固發展與創新，形成企業持續的競争力。 "品牌大腦"代表了一個全面的智能系統，它結合了大規模數據處理、深度學習和自然語言處理等技術，旨在模拟人類大腦的決策能力和記憶容量，并超越其限制。它可以從立體滾動數據網中提取有價值的信息，"合縱連橫"的生成智能化的決策建議。
"預算-OTB滾動-麗影洞察"一體化邏輯：縱向貫通，橫向連接
這會是一個極其復雜建設過程，當前我們已經明确整體業務邏輯并基于已建成的數據能力開始了先導性的整理工作，接下來嘗試運用最新的大語言模型技術來實現應用的構建，這其中首先是對數據進行預處理和特征工程，這可能包括文本清洗、文本向量化、特征選擇等步驟，以确保數據的質量和适應模型的輸入要求，其次是模型訓練和優化，使用數據對大語言模型進行訓練。這涉及到将數據輸入模型、調整模型的超參數，并進行迭代訓練和驗證，以提高模型的性能和準确性。整個過程包含了多個階段，如自監督預訓練、使用與任務相關的标注數據對模型進行微調（Fine-tuning），以适應特定的應用需求；調整模型的超參數，如學習率、批量大小、優化器等，以優化模型的性能；使用測試集或驗證集評估模型的性能以及持續優化和迭代。
3. "業務-系統-數據-模型"閉環建設
數智化應用會伴随着企業數字化建設之路愈發深入，将企業從數據驅動逐步帶入到智能驅動的全新篇章。随着探索的深入，數字化體系中将出現數量龐大的"模型"群體，它将與企業内容的流程、系統、數據緊密融合并最終回到業務之中產生更高階的數智化價值。貫通業務-系統-數據-模型四要素形成閉環邏輯關系，以數字化的能力與方式驅動企業資源的高效調度将會是數字化最高的意義與價值所在。
業務的結構表達：是以流程框架方法論為基礎建立的業務架構，高階流程定義做什麼，指導具體業務流程的建設與設定；低階定義怎麼做、誰來做、什麼時候做、用什麼工具做，指導日常運營操作過程規範。
系統的結構表達：由功能點往上匯聚成功能模塊、模塊邊界、系統間邊界、系統集，最後形成價值鏈映射。功能點的依托來自于最低階流程的節點，是通過實踐達成的具備共識的、銜接順暢、可固化的操作。
數倉的結構表達：可依次劃分為源數據層，明細數據層，匯總數據層，維度數據層及數據服務層【數據的價值在于面向應用，因此避免不了一定的提煉、聚合與加工，其劃分應企業實際進行拆分，此處不代表唯一性】。其中，源數據層基于系統產出的物理表形成數倉的最小單元（邏輯實體），由于系統功能點即映射業務的操作點，因此也是業務操作過程的顯現，而匯總層則基于業務需要從不同度量維度和分析視角進行匯聚。
（AI）模型的結構探索：模型參數為最小原子，這些參數可能包括以數據或數據集形式所呈現出的業務運營變量，承載了通用知識與領網域知識，形成類神經網絡的業務知識結構。由此向上則呈現出量化關系，規則約束、推演測算及适配層的結構關系，模型蘊含了動态數據網絡中的節點，通過訓練喂養過程認知節點與節點的連接關系與相互作用，在算力加持下形成聯動測算，這種測算經過無數次的探索與驗證，才能形成模塊群的聯動。探索的過程需要業務和技術的整體結合才能逐步實現。
至此，我們提出"業務-系統-數據-模型"能力閉環探索的建設路徑，業務最小（業務操作）決定了系統的最小（功能點），通過操作節點直接流轉；系統的最小又支撐了數倉的最小（邏輯實體），通過物理表為媒介形成傳遞；數倉整合業務、系統、數據提供模型所需的參數，通過數據集直接流轉；基于需求用模型的結合實現點對點的高效響應，以信息為媒介沿着流程傳遞，由模型反饋回具體的業務操作上。除了一致性流轉關系外，業務到數倉與系統到模型同樣存在着鏈接邏輯，由于應用系統存在着邊界性，如WMS庫存管理，GMS貨品管理，系統所覆蓋的内容一定是某個或者某幾個領網域的範圍，但數據天然的度量性與共享性将很好的呈現出業務的全貌，數據已經成為了企業業務存在形式，這就是數據驅動邏輯的底層原理；而當AI模型愈發壯大的将來，模型的認知與處理能力不斷強化，依托于流程并通過系統執行的路徑或許也将被颠覆，實現以全盤視角進行推理找到最優策略，多個模型組合驅動完成業務運營的重塑，由此跨入智能驅動的時代，這是巨大的可想象空間。
"業務-系統-數據-模型"四要素的閉環建設，驅動資源的高效調度
未來，伴随智能技術的發展，AI在提升決策效率和效用上一定能發揮重大作用。通過"業務-系統-數據-模型"的構建，AI首先能夠在業務規則明晰的崗位上代替人的決策，實現這些業務流程節點上的自動化動作、自動化數據分析、自動化流程運行，從而将最終簡化整個流程體系和決策體系；其次，通過進一步的研究挖掘，AI也能夠在相對模糊的運營體系下通過多變量要素的綜合評估與動态平衡，為"人"的判斷與決策提供強有力的輔助建議，幫助人類拓展大腦的思維邊界與瓶頸。如果要想實現如上對AI的期待，從管理視角來理解AI智能的應用，是需要自下而上完整的業務數據結構與明細的。同時，這也就意味着基礎建設的完善度是保障全面、完整的數據來源和一致、實時的數據體系的前提，而全面、完整的數據來源和一致、實時的數據體系則是AI探索的核心，以上"前提"與"核心"均不是憑空而來，其離不開"人"作為主導角色的整體規劃與執行輸入，這就是AI不能完全代替人的原因之一。
第四部分 影響先進技術應用的思考
（一）業務流程是基礎
在數字化建設過程中，IT部門常常會受到"系統不好用，數字化建設歷程遲緩"的質疑。然而這現象背後需要更深入的思考。
業務流程是為了滿足業務的運作有序開展，将不同的人組織起來共同完成一系列業務動作，業務動作之間不僅有嚴格的先後順序限定，而且業務動作的内容、方式、責任等也都有明确的安排和界定，這就是業務規則。這些規則業務明确安排和界定了才能形成業務流程，業務流程的構建完成，自然是通的，可以滿足業務當下的需要，而系統是業務環節得標準化流程的信息化實現。系統的本身，只是業務規則的實現和業務動作的記錄。
業務在變化，所有變化都有新的決策，業務規則相應調整，到一定程度，流程也應随之變化，系統也就随着相應迭代優化，跟上業務規則的變化。而根據新的業務規則優化的流程，如果不符合新的決策的預期，也即不能滿足業務需求，需要首先評估新的業務規則是否滿足業務需求，再評估業務流程的迭代是否滿足新的業務規則。系統是否好用，也就是業務流程是否通暢，問題往往出現業務規則上，即業務動作的分工、内容、方式、責任等，這需要通過組織流程梳理來解決，而不是首先就考慮調整系統。順序很重要，颠倒将違願。
市場上有很多關于數字化的概念，然而概念是否能實現，取決于是否能有足夠的資源的支撐。概念往往在"虛"的層面進行描述，落地則是在"實"的層面進行搭建。資源的實就在業務流程和組織流程中承載，業務規則是否成立，決定了業務流程是否能順暢；規則是否能拉通，決定了組織流程是否能協同。兩者都基本滿足，才有可能支撐概念的落地，因此只講概念、不去規劃規則和流程的數字化是空中樓閣。所以，企業不管規模的大和小，其對市場和客戶需求的全面、精準和動态的感知能力是業務、管理和技術融合的基礎和前提。
（二）組織流程是保障
如果說業務流程順暢是入圍資格，那麼組織流程協同就是企業的核心競争力所在。實際上，數字化建設，是建構在業務流程的順暢和組織流程的協同之上，兩者之間相輔相成。業務流程如果不順暢，數字化建設會完全卡殼在業務流程上，而且會導致組織流程将進行代償而變得臃腫復雜。而組織流程如果不協同，業務流程就只是擺設。業務流程與組織流程之間的關系，就類似馬匹和騎馬人之間的關系，組織流程就類似騎馬的人，其掌控着缰繩，馬就算渾身是勁，騎馬人老把缰繩拉得死，這馬也跑不起來；騎馬人缰繩放太松，則無法掌控馬匹奔跑的方向。馬實際上是要靠騎馬人去駕馭它的。同樣，在業務流程足夠順暢的基礎上，真正驅動一個企業在市場競争中馳騁的是組織流程。
組織流程與業務流程是随着企業發展逐步迭代，它有發展過程中的歷史價值，也受到過去發展背景的局限并成為影響到未來再發展的關鍵要素。而其中的歷史價值及未來再發展之間的平衡，是企業創始者及現在企業主營者的能力的體現。而這具體體現在流程再造上，流程再造已經不是過去割裂式的流程的完善，而是站在未來企業發展的整體視角的流程變革，這一整體流程變革就體現在企業數字化創新之中。這其中無形的組織流程變革尤為重要。以數字化為基礎，整體資源的拉通和協同能力，是企業的生存之本，也是數字化的價值所在。數字化就是要打破孤島、全面連接，就是要在整個組織、甚至整個社會建立起"全量全要素的連接與反饋"，在統一的資源管理平台的基礎之上，構建邏輯統一的業務整體閉環，支撐企業的一體化管理，提升整體組織效率。
（三）資源認知是核心
這幾年，許多企業在尋找數字化的解決方案，但到底解決什麼，并沒有想明白，因此數字化也就不可能實現。數字化的本質，代表了一種管理模式——數據驅動的資源管理模式，對零售企業而言，就是帳實相符、帳帳相符，通俗地說就是到底有多少貨、多少人、都在哪裡，能不能實時清楚，這就是數字化的基礎和樸素表達。
零售企業發展初期，都是以批發為主，但随着規模的增大，市場競争的加劇，零售業務的多樣化，一盤棋的貨品管理将變得越來越重要。因此，轉型到以零售為主的經營模式自然而然成為眾家企業的共同選擇，于是對資源管理提出了更高的要求，數字化建設也就成為了必然選擇，而且在激烈的市場競争中，數字化轉型迫在眉睫。
數字化是通過各種技術和管理手段來發現、獲得、處理并有效使用企業各種活動的内外部數據從而實現平台化的資源管理，如何高效調動并合理利用資源，是數字化的核心，也反映了企業管理者的認知。數字化三問：其一，是否能說明白、而且是動态地說明自己有多少資源？其二，是否能根據市場的變化靈活使用和調配這些資源？其三，有多少标準化的、共同認可的指标和語言？标準化程度越高，代表着他們的共同認知越強，這是協同的前提。
企業中最具價值的資源就是人才，人是利用與開發資源的主體，因此成為資源中的核心。把什麼當成了資源，決定了管理者認知的水平，而使用資源的出發點則決定了管理者的格局，對資源的認知水平和格局，決定了資源的整體效用。小到一個項目團隊，大到整個社會，莫過于此。
（四）規模帶來的挑戰
企業創立階段，創業者對公司運營過程中的細節和一線的狀況都非常了解，他們就是企業所有邏輯和流程的建造者與建設者，他們對企業的所有業務規則和管理邏輯的認知是具體的。但企業最初的流程都是單流程，且總量不多，流程與流程之間的關系是創業者直接決策的。随着企業的發展，其規模日益增大，就必須依靠一種組織形式來進行管理，于是中間層就随着企業規模的增加而一層一層的建立起來，分工也導致部門越來越多，部門之間的關系也就越來越復雜，相應也會組建企業的最高決策層。于是，企業的最高決策層對公司運營過程中的細節和一線的真實狀況越來越遠。
企業的決策依據什麼？無外乎兩方面的信息，一方面是對企業外部的市場及環境的認知，另一方面就是對企業内部一線的認知。對于後者，最高決策層的最大的受限是什麼？是沒有技術幫助企業最高決策層直接了解一線，也就是說當IT建設不充足時，必然需要建立多層級的、龐大的組織結構與組織流程，來收集和傳遞信息，确保業務流程之間的協同。然而也正是解決問題的手段—組織結構與組織流程，進一步惡化了問題。尤其是随着企業規模的擴大，随着個人、部門和組織利益上的日趨分化和不一致，随着信息不對稱的現象越來越嚴重，随着決策層對組織運行的感知也越來越模糊和失真，導致組織運行邏輯和業務運行邏輯越來越不匹配。這時候上演的最大的悲劇就是領導越努力，企業完蛋得越快。這也是為什麼一定要永遠遵循組織和業務邏輯一定要優先于數字建設邏輯的根本原因。
人的主觀性局限是普遍存在的，這就是人性的弱點所在。其一，因為基層的管理層只負責某一個縱向領網域，視角只局限在單一的縱向領網域；其二，許多管理者，往往因為對本崗位的產出結果的重視，容易忽略對整體結果的影響，導致将單一或某些縱向點的問題放大，沒有從整體橫向綜合評估，造成企業經常用縱向節點的問題概括整體問題；其三，存在的更大問題就是逆選擇，為了證明自身的價值，争取資源，而利用上級的偏好和上級的已有邏輯，選擇過濾信息、編輯信息來誇大相應的縱向領網域的某個或某些點。
由于人的主觀性局限，随着部門和層級的增多，随着組織結構和組織流程的復雜，產生以下兩方面影響，其一：信息經過一層一層抽離，容易導致信息的損耗與失真，從而最高決策層越來越脫離一線的真相；其二：多部門、多層級的動态互動過程越來越復雜，形成共識、達到協同越來越困難。一個非常有力的例證就是一支全明星的籃球隊或者足球隊，并不一定能赢得聯賽中的所有比賽，甚至有可能輸給同一個聯賽中賽績平平的隊伍。互動的過程大多需要依靠人來完成，形成廣泛共識的主體也都是人，人由于受到個體局限性，不具備對所有因果鏈關系的認知，很難看到企業運營的整體數據網。因此，都是從個體角度看到局部的網，而且每個人腦海裡的數據網是不完全一致的，甚至出現個體的理解上的結構和形狀的不一致，而這也是人和人之間的溝通產生矛盾和分歧的主要原因，也是達成共識、進而形成協同的最大阻礙。這兩方面的影響交織在一起，最終将限制企業的發展。人的惰性和創造性是企業發展到一定規模後可以用來開發組織管理能力的兩級，人的惰性讓企業不管規模有多大都要充滿危機意識，好的企業一定是将人的創造性和技術的潛力相結合并盡可能發揮到極致的企業。
（五）技術促進協同
企業的目标是需要做價值取舍的，如果過多放大某一或某些的縱向點，而缺少從橫向的整體綜合考量，常常會導致決策的失誤。與之相反，從整體出發，如果企業各部分之間能良好協調，相互之間引發增強的互動作用就會產生一種共鳴力量，而這種共鳴力量比每個部分的力量相加之和要大太多。因此，從整體觀的角度，對于大型的企業組織，為了支撐企業最高決策層對直接掌握一線的真實狀況的需要，為了明确一個決策行為給組織所帶來的短期和長期的結果，需要從整體上建立一個動态數據體系，可以捕捉到實時化的各變量的過程及結果數據，實現快速在組織内（上下和左右）一致性的呈現；同時，呈現這種多環非線性的互動過程來分析相互的影響和影響效果，進而能管理整個互動過程，使得各部分之間良好的協同而產生增強的互動作用，促進這種共鳴的力量的產生。
AI技術突破了個體局限性和人腦算力不足，對數據純客觀的呈現并依照規則運轉，讓信息更客觀、更快速的分享，讓互動的過程建立在全面、完整、一致、實時的四維數據體系上，支撐全面、綜合進行分析決策，促進形成一致的認知。統一的業務數據标準和語言，在組織、團隊各級成員連接的基礎上，在共享過程中提升效率與協同，有助于個人融入團隊，達成共識，形成共鳴的力量。業務運營過程中共識數據标準和語言越多，也就自然推動組織文化的建設。伴随組織文化的發展，共同的标準和語言積累到一定階段，團隊所有成員之間對開放的共享與互動就形成了習慣，逐漸產生新的各自認知，再繼續共享與互動，慢慢地推動組織内部更高階的秩序和共識，在面對外上市場的不确定性和復雜性的過程中，不斷的能成功創造出新的業務模式應對。新的業務模式創造成功，也會推動組織文化的轉型及再發展，這種文化更新，又奠定了業務下一次的創新。業務創新是在組織中共識共享互動中才能產生，組織不斷形成廣泛的共識，不斷随着發展而更新共識，變革就是組織共享的共識被修改的過程。創新起初來自個人靈感，能夠實現，就需要團隊在共識共享互動中完成。組織文化也是伴随着業務創新發展而變化，這一變化又是業務再發展創新的保障。有生命力的企業，就是這樣循環反復，從回路到增強回路，逐步進入飛輪效應。
具體的業務邏輯和決策實際都有"因"有"果"，而且"因"和"果"往往會在時空出現分離，這導致了組織成員之間難以達成共識。AI技術的應用，讓由"因"到"果"更廣、更快、更無限貼近真實，從而讓組織成員更容易了解到全貌的"因"與"果"的關聯，發揮出增強的互動作用，進而促進了達成共識的廣度和速度，推動了業務模式創新和組織文化更新的進程，從而加速開啟飛輪模式。
（六）角度決定未來
站在未來搭建、重塑結構，站在過去認識、完善結構。重塑和搭建結構與認識和完善結構的最大區别在于：前者以外部世界為中心，以未來為中心；後者以企業内部為中心，以過去為中心。站在未來看現在，自然會統一過去、現在以構建未來，統一的目的是對過去和現在的認知更有方向性，更加系統化、邏輯化，整體思考怎麼開發現有的所有資源，去推演未來的發展空間。站在過去看現在，自然會想怎麼補充不足，不論是過去的不足還是現在的不足，這些不足很難是整體，多為點狀，站在局部找局部的問題，設法彌補局部不足的資源，然而局部問題的解決并不一定能解決整體的問題。因為這樣做根本沒有對整體的認識，更談不上對整體的問題進行有意識地感知和發現。站在過去、習慣完善思維的人容易受到環境的影響，尤其是對競争環境的短期和局部的變化會敏感，加上個人習慣和認知局限，慢慢地形成了放大某個局部的點的問題和追求短平快來證明自己的價值。同時，如果團隊中趨向都放大自己關注的點，團隊的矛盾自然多，内耗也就自然產生。而站在未來、長期以搭建思維考慮的人，逐步就形成了系統思維，也逐步會從個人的角度走出來，以團隊、組織的更大的視角規劃設計構建。于是會重視長期性的基礎建設，會喜歡去到業務一線，去發現哪些是基礎，哪些是企業未來發展的基石，然後一層一層逐步的建設。這種長周期的、逐步建設的規劃需要極強的整體系統思維，需要理解每件事情的周期、及周期與周期之間的迭代和疊加的相互影響、及不同周期帶來的反饋并疊加再影響，這些疊加不斷疊加在一起就是復雜。角度的不同，帶來建設邏輯的不同，導致資源意識的不同，需要規劃能力的不同。這也是為什麼心智進化能力将成為未來領導人的核心競争力。站在未來就是擁抱高維，基于全局思維、動态思維打造組織在整體認識上的戰略和組織優勢。
一個組織的高層管理團隊中，大部分是站在過去來看現在的人，組織的發展空間就會越來越小。大部分是站在未來看現在的人，起步可能慢，但組織的發展空間會越來越大。只有站在未來想現在的人，才能理解基礎建設的标準化的意義和作用，也就能理解和規劃AI技術真正落地應用的路徑。而讓決策層能快速地、直接地掌握一線的真實狀況正是IT建設的核心，這的确是一整套的、龐大的系統工程。這套系統工程需要技術、業務、管理聯合一起建造。
站在未來看現在
行文至此，還是回到第三部分末尾的總結，再談談很多人對AI替代人類的擔憂。首先，AI技術必定會取代一部分"人工"，然而我們更應該思考的是AI技術會在什麼工作上替代人呢？對此，我的看法是，AI首先會輔助決策，然後是替代一部分人工決策，這樣必然減少相應的人力配置以及改變組織體系，從而不斷提升決策的效率與效用。這裡的決策是廣義的，每個崗位實施業務動作都會依據一定的規則進行選擇，這也是決策，甚至包括設計與研發工作的一部分。其次，我更加堅定的認為AI不可能完全取代"人類"，在文中第三部分結尾我寫到了從管理的視角AI不能完全代替人的原因，那是原因之一，更為重要的是從整體的視角，零售企業的生存之本就是為客戶提供有價值的商品和服務，商品要能滿足客戶的需要，而服務的核心就是有溫度的客戶體驗，這是人工智能代替不了人的關鍵。下面講一個案例，是我們很多同事都喜歡去的一個餐廳，根據觀察那個優秀店長的行為，抽離出店長的管理邏輯，模拟出一個能讓大家容易感知與理解的智能決策模型，用人工智能協助和提升每一位店長進行管理，其目标是幫助整個運營過程中更快速、精準決策與協同，以便一線更好地提供服務，而服務中的溫度，永遠是AI代替不了的。
【案例】餐飲業傑出店長與智能決策模型
在服務行業，傑出店長與普通店長的分水嶺，就在于"現場鏈接力"，也就是動态連接。大部分店長都能夠照章提供标準化的服務，而傑出店長能夠根據不同顧客的喜好和需求，在其可控的資源與能力範圍内為顧客量身定制服務。我所說的很受同事們歡迎的那家餐飲店，該店的店長就是我心目中優秀店長的典型代表。例如：帶小孩過生日的家庭聚餐需要互動，店長就付之于親近感，安排給壽星寶寶唱生日歌；商務洽談的顧客偏向安靜，店長就要求店員在服務的過程中把握分寸感，舉止專業、言語精煉、謹慎打擾等等。傑出店長能夠适時的識别客戶的訴求，實時的适配與改善現場服務内容，通過與不同訴求客戶建立的互動場網域，驅使現場建立出了更多的連接點，深化這些連接，讓客戶在店裡感受到有溫度的服務，創造更持久的影響。
那麼，傑出店長的現場鏈接力是如何煉成的呢？根據觀察那個優秀店長的行為，抽離出店長的管理邏輯，概括出這五個關鍵步驟：能力儲備、信息獲取、模式識别、策略組合、執行及調整以及增強回路。據此模拟出一個能讓大家容易感知與理解的智能決策模型——"店長AI助手"，它也相應通過這五個"步驟"，來幫助業務運營來構建"現場鏈接力"，就是橫向連接能力，以協助和提升每一位店長進行管理。
能力儲備：原子能力積累
在業務不是很繁忙的時候，傑出店長将店裡的諸多事項管理得井井有條，包括整理店務、培訓店員、盤點庫存等，為高峰期做好充分的能力儲備，看似瑣碎的任務實際上是在進行能力儲備，這就是在各個縱的領網域進行原子能力積累。"店長AI助手"裡面會建立并不斷完善關于顧客、店鋪、店員、商品、廚房等所有縱向領網域的所有"原子能力"，對照相應的内容，讓每一位店長很容易有計劃、有指引、有标準去安排工作。
信息獲取：數據采集與數據共享
顧客到來時，傑出店長無時無刻不在搜集各類信息，顧客的、環境的、店員的、商品的、廚房的等等。信息獲取是AI的基礎，如同無時無刻不在搜集外部和内部信息的傑出店長，"店長AI助手"通過業務系統、硬體傳感器、第三方數據源等形式，也在不斷搜集大量的外部和内部數據，并方便每一位店長查詢獲取。例如到店的顧客的詳細信息和歷史消費數據、當下實時的銷售數據、人員在崗情況、庫存情況、訂單的廚房進展等等。
模式識别：數據組合的相似度
傑出店長通過信息的組合，迅速判斷顧客的需求和喜好，定位顧客當下需求，找到這些需求與以往經驗之間的關聯，識别出合理應對模式。類似地，"店長AI助手"分析歷史數據，橫與縱的廣泛連接，總結、抽提出典型模式，與實時數據進行比對，通過數據組合的相似度，識别出匹配的模式，及時給店長推送可能的方案，提醒店長組織安排相應的工作與對應的用餐服務。
策略組合：原子能力的編排形成決策
類似于店長結合自身所掌控的資源和能力确定個性化服務方案，"店長AI助手"根據上一步模式識别，通過調用、編排其掌握的原子能力，在縱向領網域關鍵鏈定位問題與排序，匹配資源、目标等，橫向綜合分析，形成決策，例如廚房訂單進展預計緩慢進行及時預警，提示店長安排備選方案：給目前已經點菜後等待了近10分鍾、酒水已經備好的VIP客戶提供額外的、搭配其酒水的小食贈送。
執行及調整：調動資源執行決策并根據現場進行調整
類似于店長組織安排個性化服務方案的落實執行，并且根據現場情況進行調整與補位，"店長AI助手"根據上一步确定的決策，回到縱向領網域去執行業務操作或者調優業務動作，規劃好相關參與人員各自的服務行動及銜接要求，對于問題點，及時發現進行提示并提供調整方案，例如某店員處于外出狀态，其當下負責服務的VIP客戶補充下單的餐品已經等待超過5分鍾，"店長AI助手"則實時提示店長需要另行安排店員去關注該客戶的需求進度，給出及時的服務響應或者個性化服務方案。
增強回路：學習與進化
顧客滿意度上去了，優秀店長與顧客的初步鏈接力也随之形成；随着時間推移，這種鏈接力也成為夯實店長能力儲備的一部分，它為優秀店長提供更多的信息，幫助其将策略組合和客群反饋相結合，形成正向反饋循環。上述能力儲備、信息獲取、模式識别、策略組合、策略執行的運轉，給AI助手喂養着更多數據和樣本，讓AI助手在源源不斷的反饋中持續學習、進化迭代。正是這種自學習和自我優化的機制，讓所有縱向領網域的所有"原子能力"都日益強大，讓AI的鏈接力愈加穩固強韌，讓整個日常運營充滿了清晰的、一致的信息，使得企業各職能領網域協同一致，全力幫助一線去更快速、精準響應客戶的需求，讓一線借助"店長AI助手"更有能力提供有溫度的服務，讓一線管理者更容易成長為"優秀店長"，也即企業培養優秀的一線管理者更為容易，實現提升企業的競争力的核心目标。
案例：從餐飲業傑出店長看智能決策模型
未來的零售企業智能決策模型，通過把企業内各個縱向領網域的數據、能力和資源全面橫向串聯、匹配和整合，構建"現場鏈接力"，同時形成了自我學習的增強回路，推動整個系統向"全局最優"邁進，讓企業的各項決策和行動都更協同一致，為客戶提供有價值的產品，讓一線更有能力提供有溫度的服務。
本文比較長，請允許我在文末再次做一個小小的總結，全文首先說了業務流程、規則、數據的關系，及流程節點的操作與崗位的關系，也即與組織的關系。其次業務運營過程中所需要的結構化的數據體系以支撐業務分析與決策。其三，探索人工智能是否能夠輔助業務運營過程中的分析與決策。最後，闡明這是一個體系化的建設過程，需要站在未來進行整體規劃，基于整體規劃做好基礎建設才能實現。
最後，本文得到了百麗科技中心團隊和滴普科技團隊的支持，文章中許多内容都是他們幫助梳理出來的。我本人是業務出身，後跨界管理科技部門，因此，本文并非人工智能應用的純技術實現，而是從業務與管理的視角，思考人工智能的應用，供大家參考。
（本文首發钛媒體APP）
