人人都是产品经理|一文读懂：AI、BI和CI如何成就智慧零售？( 二 )
而所谓的模型最简单的理解就是函数 ， 比如Z=F(X,Y) ， Z是我们要求的最优值 ， 而F则是模型 ， 这个模型的输入是X和Y ， 即X和Y是自变量 ， 假设模型是个简单函数 ， 例如二元一次方程 ， 如：Z=aX+bY ， X和Y是我们灌入的大量实际数据 ， 而a和b则是模型中的一组参数 ， 所谓最优模型就是找到最合理的参数组合[a,b] 。
在没有AI时 ， 我们是依靠人工将无数的参数值一组一组去计算 ， 然后分析出最优Z值 ， 从而得到最佳模型 ， 这一过程的时间和人工成本巨大 ， 而实际模型也不会这么简单 。 因此 ， 人类的算法模型其实是受到很大的限制 ， 大多数参数值都是根据经验得到 。
而机器学习则不同 ， 他们可以将算法粒度做到很小 ， 用于训练的数据可以做到很大 ， 这样得到的模型更加精确 ， 很容易得到优于人类的模型 。 比如机器的a值可以取[0.001,0.002…0.999] ， b值可以取[11.01,11.02… 99.99] ， 然后对上亿的X和Y数据进行求解 ， 对计算的Z值进行自动比较 ， 从而求得最佳模型 ， 这就是AI的力量 。
凭借这一特点 ， AI适用于多样化的零售应用场景 。 AI技术可以应用于几乎所有需要从数据池中寻找最优模型的零售经营的各个环节中 ， 比如销售预测、自动补货、品类优化、促销优化、营销优化、会员画像等等 。
本文插图
AI在销售预测的应用示意图下图 ， 清晰地展示了AI结合BI在品类优化环节中的部分主要着力点：
本文插图
BI在零售业中的应用
BI很早就被应用于零售业中 ， 但始终局限于专业人士的多维数据分析 ， 通过数仓技术来建模 ， 通过动态报表来分析 ， 始终没有在应用理念上产生质的飞跃 。 直到电商和移动电商的快速兴起 ， 基于BI技术的一些应用才重新焕发光和热 。
首先是大数据的整体分析应用 ， 使得BI分析达到了更深的层次；其次是展现形式的多样化 ， 使得BI的结果更好的得到应用 ， 如数控大屏分析、移动报告等等；最后在阿里、腾讯等商业科技巨头的推动下 ， 数据中台和数据资产管理开始登上历史舞台 。 这些变化 ， 迅速让BI平台技术开始被各领域接纳和应用 。
BI的特点是可以把大量的多个系统的数据通过ETL(清理、转换、装载)变成统一格式的数据存储 ， 再通过建模 ， 将这些数据的维度特征和指标特征分门别类地用立方体存储 ， 为后期的应用提供了一个快速的数据服务输出 。
本文插图
石基零售的零售BI平台(SRDP)在零售业的应用示意图
CI在零售业中的应用
CI的核心是面向客户的智能 。 所以 ， 笔者认为 ， 只要以客户为应用核心 ， CI既可以搭配AI技术 ， 也可以搭配BI技术 。
从更深的层面来看 ， 客户又可以分为2B的客户 ， 也是我们零售数字化解决方案服务商传统意义上的客户 ， 另一种2C的客户 ， 我们一般叫顾客 ， 而顾客里最重要的群体就是会员 。 所以 ， 在目前零售业中 ， CI应用以面向会员为主 。
零售业讲究“人、货、场” ， 而”人“是其中最关键的要素 ， 会员又是“人”这个要素中的关键成分 。
零售企业如何通过对会员的管理来提升自身市场竞争力这一课题有着多层次 ， 比如对会员如何分类、如何拉新、如何保有、如何营销、如何提升等等 。
而面向浩如烟海的会员消费及行为数据 ， 传统的ERP和CRM软件很难进行更深入细致的分析、管理、运营和提升 ， 而基于AI和BI的CI ， 成为了零售行业十分期待的竞争利器 。
就零售企业而言 ， 对会员的全生命周期的科学管理和运营是让企业长盛不衰的永动机 ， 而在会员的全生命周期中 ， 各个阶段都有非常多的节点需要CI来帮助零售营销人员进行相关分析和运营 。
推荐阅读
- 互联网|中台产品经理实战(14)：中台与SaaS、微服务关系
- |产品入行3年，我总结了这些“情怀”
- 内部|容易被忽视的「内部营销」：你的产品感动你的员工了吗？
- 产品|全国唯一户外15米远距离AI测温系统深兰猫头鹰获工信部嘉奖
- 5G手机,vivo手机|7月最值得入手的三款vivo，都是内行人的最爱，用三五年不过时
- |框架思维，可能是产品经理的核心能力
- |想用触摸板但妙控键盘太贵？那考虑下罗技的产品吧
- 融资并购|心玮医疗获投数千万美元 专注脑卒中预防和微创治疗 已完成多个产品塑造
- |万胜智能产品售价显著高于同业，人力成本标准却偏低
- 行业互联网|原创 寡头西门子推高中高端洗碗机表现，国产品牌逆袭机会不仅是拼价格