*本文内容来自观远数据联合创始人&产品研发负责人张进在「观远数据新零售私董会·广州站」上演讲的部分摘录。
大家好，欢迎大家来到观远数据新零售私董会·广州站。
今天借这个机会，我想跟大家交流一下，我们是以何种方式在一些快消客户中落地AI，利用AI来提高企业的经营和运营效率。
首先介绍一下我们公司的AI团队。我们的配置是名校和高学历的技术人才，这里面有Kaggle Top 1%的算法专家（*Kaggle是一个进行数据发掘和预测竞赛的在线平台。企业提供数据，进而提出一个实际需要解决的问题，参赛者组队参与项目，针对问题提出解决方案，最终由公司选出最佳方案，参赛者由此可以获得积分和奖金。），还有知乎上机器学习领域获得过几千赞的KOL，这些人才构成了我们公司AI技术的核心竞争力。
今年我们团队在微软大中华区智慧零售（Smart Retail）AI黑客松中，取得了不错的成绩，分别获得了百威英博场和迪卡侬场的冠军。另外还有一些在零售和消费领域的实践应用也得到了认可，前段时间 CSDN AI开发者大会上，我们的“虚拟标杆店”方案就获得了2018最佳零售AI应用案例。
入选2018最佳AI应用案例Top榜！这个“虚拟标杆店”到底是什么零售黑科技?
但大家都知道，观远数据的主营其实是BI产品，那么我们为什么要花这么大精力去研究AI呢？
其实我们公司的目标是帮助企业构建智能决策大脑，BI产品可以帮助企业梳理其生产关系，培养依托数据做决策的基础和习惯。而AI则是一种先进生产力，它能够帮助我们把业务专家、数据分析师等人所积累的业务经验和知识，固化到系统，进而使它演变成企业长久的数据资产。在讲到落地场景之前，我需要先跟大家介绍一下认知类AI的概念。
▍感知类AI 与 认知类AI
举个简单的例子说明：比如现在我们正在开车，遇到了这样的一个球滚过来。如果是感知类的AI，它会识别出这是一个足球、白色，状态是正在街上不停滚动。
而认知类AI会做出什么样的推断呢？看到这个球在街上滚动，它会结合历史经验去思考，是不是有小孩在旁边踢球，不小心把这个球踢到了街上，我要减慢我的车速，万一有小孩要捡这个球，便可以立马把车刹住。
这实际上是在BI的基础上延展出来的，因为它结合了很多历史的经验和知识，才能够做这样的决策。感知类AI就像是数据的抓手，即把现实的世界通过数据抽象出来，变成一系列的数据生产资料。而认知类AI则是利用这些数据生产资料，然后再结合业务人员多年的业务经验，将其变成企业不断沉淀的数据化知识，形成长久的竞争力。
在认知类AI的背后，支撑它的其实是机器学习。
▍ AI >> 机器学习 >> 深度学习
AI的概念很早以前就已经出现，但是那时候大数据分布式计算不成熟，又或者也没有像现在这么强大的AI算法，导致它的应用范围很窄。后面延伸出了“机器学习”，这也是有几十年的历史了，不过当时只有在非常昂贵的专业机器上才能进行数据量较大的运算，成本非常高，一般企业也用不起来。
但是现在有了这些很厉害的数据科学家，帮助我们做了很多底层的算法库，我们就能够利用这些先进生产力的算法，并且结合比较廉价的机器，产出一些比较好的算法结果。
而最近“深度学习”的概念，它其实也是依托了背后非常强大的算力，将神经网络算法进一步延伸和发扬光大。
聚焦于机器学习这一领域来说，它其实有非常多的流派和分支，我这边简单的讲一下其中大类的三个。
1、监督式学习
即我们在训练模型的时候，其实是存在正确答案的。比如我们给客户做的销售预测，就是利用真实销量作为“正确答案”，利用机器学习不断调优。
2、非监督式学习
事先没有正确答案的情况下对数据进行分类和聚合。比如我在某一平台上长期出现“薅羊毛”的举动，因此该平台会给我打上“羊毛党”的 标签；但我可能在另外一个平台购买了奢侈品，又获得了一个“土豪”的标签。因此平台需要通过标签产生一些推送行为，再根据策略的调整来观察这个标签是否在群体的统计学意义上有效。
3、强化学习
这是在重复博弈的过程中，通过“试错&奖赏”来发现规律。比如AlphaGo，它需要在成千上万盘的下棋过程中学习怎么赢棋，从而找到甚至是人类从来都没有发现的招式。
▍需求预测
今年我们给联合利华以及百威英博都提供了基于AI的需求预测。目前我们跟联合利华的成果是将weekly forecasting accuracy的绝对值提高了10%以上，产出了业务部门非常认可的成果。与此同时，基于观远BI，我们也构建了误差分析系统，重新组织了DP部门的运作模式，进一步提高了整个预测过程的效率和效果。
结语
总结而言，AI或者算法本身，可以帮助企业做很多事情，但是它也非常依赖于数据这样的生产资料，以及业务背后的专家经验。所以AI是先进生产力，BI则是在帮助企业梳理生产关系，两者结合起来可以不断挖掘企业数据的价值。观远数据AI+BI的商业智能解决方案正是依托于这种理念下的产物，我们也会不断将过程中的一些总结和心得分享出来，与大家共同探索未来的智能商业，再次谢谢大家。
隐藏在枯燥数字下的 数据分析其实也有有趣的灵魂，《有趣的数据》带你以各种新奇视角看数据，助你培养数据分析思维、学习数据驱动运营。欢迎添加微 信号：shopbi2018 ，等你来撩~
