DT时代，看舟谱数据如何运用数据智能帮经销商驱

想了解数据智能，

首先要了解科技进化的三个阶段

第一阶段：IT时代（Information Technology）

在IT信息时代里，你能够实时在线地看到一些数据（信息）a、 b、 c 、 d .....但是不明其价值。

第二阶段：DT 1.0时代 （Data Technology）

在DT（大数据）时代里，数据经过挖掘、清洗、筛选并且套入了商业模型，你就知道了比如a+b+c-f-g/e=纯利润，也能够直观得看到纯利润几年来的变化趋势，辅助你做一些决策。

第三阶段：DT 2.0时代（数据智能 Data Intelligence）

在DT2.0时代，则是数据智能的主场。它不仅会告诉你a+b+c-f-g/e=纯利润，还会告诉你，你的纯利润是下降了还是上浮了？到底是a、b、c....中的哪个角色起了关键作用，哪个在“捣乱”？而且还能告诉你应该提升或者降低a、b、c中的哪一个或者几个，才能获得最好的效果？不仅如此，在取得了好的效果之后，还能告诉你是继续沿用此策略还是做出改变，从而获得下一个更好的效果。

那到底什么是数据智能？

它能为我们流通领域的经销商带来什么呢？

本期对话舟谱数据CTO慕巍博士，

让他来告诉你答案！

1. 问题：数据智能是什么？相较于传统的大数据+人工智能，数据智能带来了怎样的跃迁？

慕巍：其实数据智能可以看成是大数据2.0时代。在1.0时代里，可以粗浅地认为是大数据+人工智能，通过数据模型+梳理+机器学习，数据能够可视化地展现出来，但是能够读懂其中价值的人很少，因为读懂这些数据需要比较专业的技能，要经过繁琐的数据清洗、筛选和拼接才能够找到有价值的数据。普通人要想看懂20到30个图表的含义，就必须聘请专业的数据分析师。而且，在人力主导分析过程中，不仅会带来大量的人工成本，还会受到分析人员水平与能力不一的局限。所以，人们常说数据就像是一座矿山，但是很少有人在矿山中找到金子。

而大数据2.0时代，数据智能就是让数据更平民化一些。让更多的普通人不再囿于专业技能的局限，也能够读懂数据。而且在这个时代，给你的不仅仅是数据，还是洞察，根据洞察你还能够迅速找出问题在哪里，自然地生成决策。换句话说，就是用数据驱动决策。

2. 问题：在竞争激烈的新零售时代，数据智能对于流通领域的价值是什么？

慕巍：随着新零售的到来，新生力量不断地涌入，流通领域的竞争愈发激烈，经销商们也知道增量越来越少且越来越难做，把握存量市场成为关键。而如何稳固或提升自己的存量市场销量，就需要你有更高的效率，能够更快感知市场变化，更快速地触达。但问题的关键在于，经销商并不知道哪里效率低下？即便是能够看到数据报表，但因牵扯到专业知识，经销商无法去比较，去深钻，也就没办法知道效率到底低在哪里。

这个时候数据智能的价值就体现出来了，数据智能为我们提供了行业数据以及自身历史数据，通过智能商业模型，在帮助我们消除不确定因素的同时，逐步牵引着我们找到原因。在找到原因的基础上，用数据带给我们洞察，并最终引领我们做出科学的决策。随着行业复杂性的不断提高，依靠数据来做决策的价值也会越来越高。

3. 问题：数据智能的价值，会在流通领域的哪些具体场景中展现？

慕巍：其实新零售意味着门店会越来越贴近消费者，越来越贴近消费者的需求。而这对于经销商的精准补货就提出了要求。就拿补货这件事来说吧，门店当然是需要越来越精准的补货，从而不占用库存，保持比较科学的余量，所以这就需要更高频次和更精准的补货。但是经销商有那么多SKU的产品，那么多门店，你没办法来精准预测到底哪个产品在哪家需要补货，哪个产品的余量在哪家比较多，如果仅仅依靠业务员多跑门店获知信息的话，这个就不太现实。

这个时候数据智能就起作用了——智能补货，它会依托市场动态、行业数据、行为数据以及各个门店的历史订单数据等，洞察出门店品项、数量之间的差异，给出一个符合门店实际的补货量，以保证门店不至于缺货或者余量过多。

而在经销商最为在意的利润方面，数据智能的价值还在不断显现。比如，在分析你销量上涨或者是下跌的原因时，会具体到各个区域的销量、各个品项的销量；再拆分同一个区域里，是商超（KA）的订货量下降了，还是夫妻老婆店的订单下降了；接着继续拆分出是哪个品项下降了；然后继续拆分是因为业务员的拜访频次不够，补货不够还是选品上出了问题......不断地来拆解原因，层层剖析，让经销商能够洞察到根本的问题，从而能够自然地做出科学决策。

4. 问题：为什么舟谱数据可以帮助用户进入到DT 2.0时代？

慕巍：这里可以从两个方面来谈。首先是意识层面，在舟谱看来，一个优秀的数据产品，带给用户的不只是数据，单纯是数据没有任何意义，一定是要给用户带来洞察，进而给出有价值的决策。这也是我们一直以来在做的事情——数据驱动决策。

其次是技术层面，在追求数据价值的道路上，舟谱一直用不断扩充的技术能力和行业深耕经验，逐步缩短数据洞察到价值创造的距离，主要体现在三方面：

1. 优秀的数据可视化能力。在人机交互的界面上，舟谱通过丰富的图形展示，实时更新的数据看板等，让用户直接看出数据的波动和变化。

2. 理解商业运营的模型。只有理解了经销商的商业模型，才能让合适数据放在合适的位置呈现出来。比如说，利润=营收-成本，利润的计算会比较复杂，你的利润需要营收-你的广告投放-你的人力成本-你的损耗......，这些数据怎么关联，就一定要懂商业原理和真实的生产环境。

3. 具备增强分析的能力。原先这些机器学习、数据准备 、洞察生成 ，都需要人来展现，而现在用机器学习和人工智能来自动做成。但是在舟谱看来这些还不够，舟谱还运用了目标制定、异常检测、数据地图等技术进一步辅助决策生成。

比如说，你的利润同比下滑了10%，或者是你的利润同比增长10%，但是你不知道这个到底是个好事还是坏事。那如果我告诉你，你的利润同比增长10%，但你去年同期增长是20%，那实际上你的利润是下降的。但是如果我又告诉你，因为经济衰退，整个行业的增长只有2%，那你的10%就属于比较强的增长。所以，首先要有一个目标，才能谈这个数据是好是坏。

也正是基于此，舟谱运用数据智能及时为你提供行业数据、历史数据等多个维度的对比，来帮助用户完成一个目标的自动制定；基于这样一个目标再去找原因，通常一个商业流程很长，中间会牵扯到很多的数据， 但是你不知道是哪个数据在“捣乱”，这个时候就需要异常检测，来帮你检测到底哪个地方产生偏差；同时，构建数据分层地图，一层层导引出数据偏差的位置。经过数据的分析和洞察的发现，通过底层数据能够自然地产生决策。

一直以来，

技术的发展是不可逆的，

技术对商业的影响是任何企业都无法回避的。

我们一直追求

运用更新更智能的技术赋予用户以数据价值，

驱动业绩实现可持续增长！