摘要:数字经济、数智化转型升级讲了很多年,有效方案和成功案例开始呈现。本期记者特别拜访了著名AI商业化专家吴霁虹教授,她多年在人工智能及其商业化领域做研究实践,也曾是人工智能引领者科大讯飞的战略顾问;在2017年她的研究成果《未来地图》一书由中信出版社出版,已经7次印刷,该书第一次提出数智AI会带来万亿级产业,今天这个宏大的商业机会和空间是如何从企业供需平衡、业务价值链优化,让企业逆势受益新增长的?
且看记者对吴教授的访谈。
一、企业数智化的痛点、难点——企业供需失衡、外部市场价格波动的不可控、数据泛滥与数据噪音、传统ERP与数智AI之间巨大的数字鸿沟
记者问:吴教授您好,过去三年,因为疫情的原因,很多传统企业都停止增长、甚至倒闭了,也有大量的人员因此失业,企业家们都很着急担忧。听说你一直聚焦研发AI数智方案,可帮助企业在逆境中实现新增长。能否跟我们分享分享,数智化对企业新增长都有哪些发现?
吴霁虹教授:是的,疫情让很多企业停止增长、甚至倒闭,其实这只是一个诱因,根因的问题在于,商业已经进入全新的数字经济时代,增长的核心要素变了。比如,算法、数据科学、算力等正在成为新增长的驱动力,可帮助企业扫除盲区、减低成本、提升效益。很高兴的是,我合作的一些优秀企业,借助数智化方案进入了新增长的大道。
商业世界从工业时代靠劳动力增长,进化到互联网时代靠信息对称增长,也可以说这些都是第一增长的范式;当商业突变到数字智能的今天,更多靠数据算法科学等驱动增长,企业就相当于进入了第二增长范式的时代。
记者:吴教授能否给我们说一些案例呢?
吴教授:过去三年,已经有很多数智化合作成功的公司了。比如,一家上市公司,逐年销售规模增加了、但利润却在下降。
分析下来问题很多,其中你会发现,他们的IT/ERP系统中,进(采购)-销(销售)-存(库存)业务链,以及定(订单)-发(发货)-收(销售)-回(回款)的业务价值链,严重存在数据口径不一致、数据结构混乱、重复计算或缺斤少两统计、频繁错误率高等问题,导致成本浪费、或成本有增无减,组织效率低,业务增长难,成了企业越做越不赚钱的痛。
这是典型的数据泛滥和数据噪音的问题,也是数智化的难点之一。我们用数智AI的逻辑,成功帮助这家企业完成数智治理,而且实现决策管理靠数据说话,也就是实现了数智资产化。
记者问:在我的印象里,ERP发展非常成熟了,已经有几十年的历史了,而且ERP诞生的那一刻起,就是为了提升工作效率啊,从ERP到数智化有鸿沟吗?
吴霁虹:您的这个问题,非常好!其实,上面提到的仅仅是传统企业浮在表面的普遍问题。其深层次的根因,ERP将业务表格化,将流程固化,灵活性非常差。
比如,在另一家公司今年就遭遇“芯片荒”,原材料铜的价格波动严重无常,而公司管理层又无法预测、无法评估波动带来对采购、库存、生产、财务预算等联动的供需平衡计算,加上盲区大导致对冲错位,结果公司加倍赔钱,都快要倒闭了。
如何要在这些业务价值链上洞察数据、做实时调整,ERP是回答不了的,因为ERP的数据是死的、不闭环的、不可自动计算的,靠人盯人更无法获得正确的平衡管理。这正是数智化与ERP的鸿沟问题,也是目前企业数智化的难点之一。
吴教授提供的这张图,很好的展示了复杂数据与业务之间的关系流转。靠传统ERP或人盯人的管理,根本无法发现数据勾稽中隐藏的浪费、重复、供需错配问题,很难提升效率、发现新机的,必须靠数智化方案升级转型。
市场动态竞争是永恒的。比如外部环境变化与价格波动阻碍企业发展是也是数智化面临的难点之一。特别是国际局势变化、石油价格上涨,大宗商品原材料价格上涨等。
吴教授指出:当外部原材料价格上涨,由外向内传导影响企业的采购量的改变,进一步导致库存改变、生产排期改变、销售交付改变等,企业内部环节环环相扣地影响。比如,有一家电子企业就面临客户销售订单经常变化,反过来从市场需求端,对公司内部价值链变化就像多米诺骨牌效应,ERP毫无办法。而数智AI方案有针对性能解决了这个问题。
ERP经过几十年发展下来,存在的这些问题越积越深,而且ERP在中国普及率很高,很多公司都面临着同样数智鸿沟阻碍增长的问题。大多数传统企业形成了许多数据孤岛和业务孤岛,最直接明显的后果就是,失衡的超额供应、或超额需求,成为企业的常态,消耗现金、增加成本、减少利润、增长无力变成企业发展的软肋,也是传统企业迈不过的坎。
二、新增长诉求、数智化的核心——跨学科算法架构建模、可执行的数据洞察、场景驱动供需平衡实现新增长
记者:您提到数智化的价值在于帮助解决以上难题,实现供需平衡,这才是新增长的核心,能再具体介绍一下吗?
吴教授:好的。可以这样想,如果有一个数智AI在业务价值链上,做可执行的洞察,决策管理不就更智慧了吗?你不可能期待一大堆死翘翘的数据表格自己流动起来,更不要指望ERP自动计算、预警、预测;也不可能靠一堆人一点点花时间计算。
企业要生存、更要新增长。
我的数智AI方案针对今天市场竞争激烈,企业会遇到n多供应的因素变动,导致m多需求变化的计算,或者n多需求因素变动,导致m多供应变化。变动因素很多,多到就算是财经专家,也无法快速计算出供需均衡点,更不用说正确地计算,这就需要顶尖的系统算法架构与科学的模型搭建作为核心支撑。
但是,一个传统公司是请不起好的算法专家和跨学科的管理专家,就算请来了,也不知道如何管理这些数智专家。因此,我做的事情,事实上就是要让数智AI代替传统的专家咨询模式,也就是过去我服务企业的模式,只能一对一,一家一家地服务企业,而数智AI是一个科学系统,可以1对多,很多方面已经比我厉害了。
记者问:非常敬佩您这样的勇气,敢用创新去颠覆自己。您方便给我们详细介绍一下,真正能够成功帮助企业的科学的数智解决方案应该是什么样的?
吴教授:我们在几家公司验证了AI数智系统,将业务价值链上的数据首先转化为可执行的洞察,然后通过不同场景问题,有针对性在业务价值链的每一个环节,输出对供需平衡相关的隐藏风险与改善机会的实时预警、评估、计算、预测。
吴教授提供了这个数智AI系统工作的简图,并强调:比如,从订单异常、信用达标、库存呆滞品减少、交付能力提升等方面,数智AI实时预警、预测、建议、评估。
再比如,当原材料价格波动,如何采购适配?生产排期改变?或者当订单突然增加,库存要在什么情况下才能马上出货不掉单?或者老板的钱如何才能不被长期压在仓库里,外部价格或需求变,我的供需方案变成最佳状态等等。
一个AI数智系统相应于5~6个分析师6个月的工作量,一秒钟可让没有管理经验背景的人比专家还高效。给实验成功的公司带来的效益从30%~300%不等。
事实上,记者观察到,目前,市场上大多数的方案还停留在数字化的BI商业智能本身,也就是如何让IT信息可视化,看起来酷炫、可见。而成功的数智AI解决方案是一个融合数据科学和人工智能的方案。
吴教授指出:数智AI的核心来自专家团队通过用经济学、管理学、控制论、金融学、会计学、计算机科学等跨学科建模。
长期进行机器学习数据训练后,发现数智方案比人类专家能在更高维度、更多空间、更精准地计算出复杂数据的勾稽关系和供需平衡点,同时可实时洞察和计算信息流、数据流和网络关系的不均衡点和瓶颈问题。
记者问:除了融合专家知识经验,跨学科建模之外,还有哪些因素可以验证数智方案的科学性呢?
吴霁虹:这是一个好问题。一个成功的数智AI解决方案,除了理论建模科学之外,同时需要针对不同企业、以不同场景实践去验证其科学性。比如,我实验了以AI业财融合将“业务和财务互锁”的难点打通,以AI业务价值链将诸如呆滞料泛滥、备料跟不上销售等的难点消除,以AI供需平衡帮助在采购与排期、或库存优化时,提前预知最佳需求均衡量。
这些场景方案解决了企业普遍存在的“老板的钱都压到仓库”、“缺货导致销售丢单”、“材料价格变动的风险对冲押错方向,加速赔本了”、“账款逾期严重,资金断裂了”、“降本不增效、不增长”等等问题,可带给企业提升效益从30%~300%不等。
这个结果,直接贡献公司业务从传统经营方式转变为数智驱动的新增长模式。
三、建议企业如何破冰行动快速获得数智赋能
记者问:感谢吴教授高屋建瓴的分享,数智驱动企业新增长像是经济寒冬中的一抹暖洋,让企业看到可以跨越低谷、穿越周期的希望。最后,希望您也能给想要在逆境中重生的企业一些建议,怎样开始行动?
吴霁虹:从企业角度来看,主要是两点。
首先是认知到位。
首先企业家要带领全员强化培训。有人将AI神话、认为它无所不能;也有人不信科学、认为靠自己靠直觉更安全。这恰恰说明数据科学、人工智能时代,生存和增长的首要行动是认知升级,也就是那些领先企业通常说的,“数智化的核心是认知革命”。对AI要有科学正确的认知,不神话AI,也不盲目质疑AI。
要认知到未来3~5年,凡是缺乏数智化赋能的企业,就像缺乏接种疫苗的人,更容易染病,甚至更容易危及生存。数字经济已是国家战略,占据GDP近40%了,其内涵靠的就数智驱动升级、推动发展和新增长,这是必然趋势。
其次是立即行动。
如果企业准备好了,就要开始行动。但,行动不是盲动,凡是卓越管理,都会在迎接变革时创建创新小组或机制,而老板就是“动嘴”和“动手”的引领者。
除了培训外,企业战略要尽快雇用或培养一个懂数据、懂业务、懂技术、爱学习的CAIO(首席数智官),才是非常明智的选择。这个岗位可以是老板数智战略的执行人,可以是新增长的推动者,也可以是增长系统的设计师。数智时代的新增长,需要汇集方方面面的数据闭环和治理,用数据科学和人工智能的逻辑方法指导业务。
企业还可以向靠谱的AI数智化专家学习,进一步了解那些优秀企业是如何做到数字化和智能化一步到位的?数据是如何转化为资产的?是如何解决业务难点的?是如何升级数智系统的?是如何实现新增长的?。。。
吴教授最后很欣慰的说,合作过的优秀企业管理者这样评价:“我们不懂算法,也找不到算法专家,但数智AI方案让我们有了‘懂业务+懂数据+懂算法’的超级能力”。
数智AI方案,这东西早一点见面、早一日使用、早一天建立数智驱动的新增长。
