圖片來自“123rf.com.cn”

　　如果說AlphaGo讓2016年被稱為“人工智能元年”，那么2017年一定是人工智能在各行業(yè)應(yīng)用領(lǐng)域的大爆發(fā)。

　　伴隨著巨大的市場機(jī)會(huì)和逐漸膨脹的AI泡沫，人工智能、大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)等技術(shù)性名詞就逐漸滲透到了各個(gè)行業(yè)。在數(shù)據(jù)化、智能化的同時(shí)，對(duì)企業(yè)供應(yīng)鏈管理的影響是顯著的。在企業(yè)運(yùn)營過程中，能夠通過對(duì)過去傳統(tǒng)ERP時(shí)代積累的大量數(shù)據(jù)的深度分析，結(jié)合其他大數(shù)據(jù)的變量因素，產(chǎn)生更加智慧化的企業(yè)供應(yīng)鏈決策，是人工智能時(shí)代對(duì)企業(yè)重要的創(chuàng)新應(yīng)用。

　　但技術(shù)創(chuàng)新的背后是否能夠真正地為企業(yè)產(chǎn)生直接價(jià)值，是需要符合技術(shù)應(yīng)用為前提的。從筆者過去對(duì)企業(yè)供應(yīng)鏈管理的認(rèn)識(shí)中來看，今天的技術(shù)的企業(yè)創(chuàng)新應(yīng)用需要四大價(jià)值前提：企業(yè)應(yīng)用場景、原始數(shù)據(jù)積累、技術(shù)分析能力、適用工作流。這四個(gè)價(jià)值前提是企業(yè)應(yīng)用技術(shù)、企業(yè)落實(shí)技術(shù)應(yīng)用以及企業(yè)將技術(shù)成功融入流程管理的重要因素。

　　目前大多數(shù)人工智能領(lǐng)域的創(chuàng)業(yè)公司都帶著自身大量的技術(shù)沉淀，結(jié)合著目前人工智能的風(fēng)口，形成了一波技術(shù)資本熱潮。曾經(jīng)研究機(jī)器學(xué)習(xí)、優(yōu)化算法、運(yùn)籌學(xué)、視覺識(shí)別等領(lǐng)域的專家博士，甚至在該領(lǐng)域進(jìn)行科學(xué)研究多年的學(xué)者教授，都從未像今天一樣被企業(yè)所認(rèn)識(shí)和重視，也從未如此受到資本市場的追捧。

　　一家人工智能領(lǐng)域創(chuàng)業(yè)公司，或者是與之相關(guān)的科技公司如果沒有一兩個(gè)算法方面的“首席科學(xué)家”，都難以向市場及資本方驗(yàn)證自身產(chǎn)品的高度“專業(yè)”。

　　但在供應(yīng)鏈智慧決策領(lǐng)域，僅僅帶著“科學(xué)家”和人工智能的供應(yīng)鏈管理公司，都無法有效的幫助企業(yè)打造真正人工智能時(shí)代需求驅(qū)動(dòng)的供應(yīng)鏈管理創(chuàng)新。而這樣瓶頸的產(chǎn)生，其根源并不在于技術(shù)是否足夠先進(jìn)，算法是否足夠領(lǐng)先，而是在于幫助企業(yè)進(jìn)行科學(xué)決策優(yōu)化時(shí)，是否足夠理解你所認(rèn)識(shí)的“企業(yè)”，足夠理解企業(yè)所在的行業(yè)。

　　對(duì)于人工智能應(yīng)用來說，互聯(lián)網(wǎng)及高科技企業(yè)是結(jié)合程度最高，應(yīng)用范圍最廣的。但除此以外大部分的傳統(tǒng)行業(yè)，包括制造業(yè)、能源產(chǎn)業(yè)、鞋服及快消，即是系統(tǒng)化程度最層次不齊，也是痛點(diǎn)最痛的行業(yè)，卻是新技術(shù)應(yīng)用阻礙最大的行業(yè)。

　　首先是企業(yè)系統(tǒng)應(yīng)用程度差距很大。以零售行業(yè)為例，同樣是CRM、WMS和ERP系統(tǒng)所產(chǎn)生的數(shù)據(jù)，不同的企業(yè)在整個(gè)內(nèi)部供應(yīng)鏈的管理上應(yīng)用差距很大。從采購、生產(chǎn)、物流運(yùn)輸?shù)綆齑婀芾砑伴T店管理，有以7-11代表的高度協(xié)同的需求鏈信息系統(tǒng)的應(yīng)用，也有管理水平比較低的夫妻店的簡單進(jìn)銷存的記錄。這種跨度就注定了不同的企業(yè)形態(tài)需要供應(yīng)鏈管理公司從不同的角度切入。

　　切入的選擇就是在選擇企業(yè)的應(yīng)用場景，讓技術(shù)的應(yīng)用有所為，有所不為。并不是有一個(gè)“黑科技”就一定需要企業(yè)用得起來，而是在基于對(duì)它的理解上，選擇最適合且最成熟的應(yīng)用場景落地。對(duì)于已經(jīng)有各種系統(tǒng)支持的企業(yè)而言，需要的系統(tǒng)間的協(xié)同和流程上的協(xié)同，這兩塊是缺一不可的。系統(tǒng)上的協(xié)同是為了更好的運(yùn)用智能算法進(jìn)行深度分析，從而避免企業(yè)內(nèi)部的信息孤島的產(chǎn)生。

　　以一家化妝品行業(yè)巨頭企業(yè)為例，企業(yè)內(nèi)部信息系統(tǒng)在有7-8個(gè)之多，在一個(gè)大框架下還有另開發(fā)其他的小功能。那么如果從這個(gè)角度應(yīng)用AI數(shù)據(jù)分析，如何打通已存的系統(tǒng)間的數(shù)據(jù)，就是很大的挑戰(zhàn)，另外需要在這個(gè)基礎(chǔ)上，引入其他的數(shù)據(jù)源做高精度的分析，就成為了做技術(shù)應(yīng)用的人需要深度理解其系統(tǒng)應(yīng)用及流程應(yīng)用的重點(diǎn)。

　　而針對(duì)商品管理的領(lǐng)域如選品、定價(jià)、促銷、供應(yīng)鏈、采購、物流等所構(gòu)成的運(yùn)營體系的技術(shù)應(yīng)用，需要的是選擇最適用于這類企業(yè)的模型算法，結(jié)合現(xiàn)有業(yè)務(wù)的數(shù)據(jù)建模，來滿足不同業(yè)務(wù)場景下的不同商業(yè)目標(biāo)，這才是一個(gè)好的人工智能的商業(yè)運(yùn)用，相應(yīng)地也能夠形成一個(gè)完整的數(shù)據(jù)閉環(huán)。

　　因此，企業(yè)要建立以需求為導(dǎo)向的供應(yīng)鏈智慧化決策體系，需要的是跨領(lǐng)域的專業(yè)融合。從筆者自身來講，同樣是多年算法、運(yùn)籌及供應(yīng)鏈管理的研究，但是經(jīng)過企業(yè)實(shí)踐應(yīng)用及觸及流程變革時(shí)產(chǎn)生的困難，會(huì)讓我們意識(shí)到模型算法是我們手上的工具，是否能夠?qū)ζ髽I(yè)有用，需要的是歸納總結(jié)出適用于不同行業(yè)的業(yè)務(wù)規(guī)律，并能夠?qū)Σ煌髽I(yè)流程上的差異來進(jìn)行數(shù)據(jù)模型的建立。

　　AI的技術(shù)十分重要，我們?nèi)匀幌嘈?，這已經(jīng)是不可也無法逃避忽視的企業(yè)關(guān)鍵要素之一。對(duì)未來而言也會(huì)是企業(yè)產(chǎn)生最核心差異的競爭力之一。

　　但就目前而言，是要先針對(duì)不同業(yè)態(tài)的發(fā)展階段，讓人工智能落地，為不同的企業(yè)找到合適的應(yīng)用場景，調(diào)用企業(yè)的歷史數(shù)據(jù)進(jìn)行深度數(shù)據(jù)分析，從工作流的角度分析應(yīng)用的方式，最終為企業(yè)建立“獲取數(shù)據(jù)—分析數(shù)據(jù)—建立模型—預(yù)測未來—支持決策—形成數(shù)據(jù)”的數(shù)據(jù)閉環(huán)。才將成為人工智能企業(yè)在技術(shù)門檻日益降低的發(fā)展過程中，鑄就自身真正的商業(yè)模式壁壘的解決辦法。