7-1 数据驱动的智能决策 - 王子卓 _杉数科技

核心观点与关键数据

人工智能时代下的商业决策

• 数据化智能决策的三个关键杠杆：
  • 数据收集与管理：大数据时代的硬件基础。
  • 规律性分析：通过统计和机器学习技术提取数据中的信息。
  • 决策性分析：利用运筹学和优化技术进行复杂决策。
• 企业决策发展阶段：
  • 无数据积累（人工经验）。
  • 初步数据积累（数据感知）。
  • 主要决策由数据分析得出（数据导向）。
  • 大数据分析与算法自动计算决策（数据驱动）。

企业面临的挑战与痛点

• 市场变化快：需求变化频繁，计划周期缩短。
• 供应链要求快：销售策略和渠道更新快，供应链需快速响应。
• 技术迭代快：项目落地和技术更新速度加快。
• 行业挑战：产品种类激增、生产工艺复杂化、供应链结构复杂化、组织架构复杂化。
• 管理与运营痛点：
  • 线上销售增长乏力，利润低迷。
  • 部门间协同困难。
  • S&OP会议效率低下。
  • 生产计划无法应对市场需求波动。
  • 库存成本高，缺货与浪费并存。
  • 传统人工决策方法力不从心。
  • 缺乏应对特殊事件的供应链管理能力。

决策智能化势在必行

• 人工决策的局限性：
  • 无法有效标准化和量化。
  • 决策过程不清晰，难以形成数据积累。
  • 人脑计算力有限，无法全局考虑。
  • 费时费力，难以快速评估和应对变化。
• 智能决策的优势：
  • 更透明：基于数据和业务规则进行决策，过程标准化。
  • 更优化：利用数学建模和运筹优化算法全局考虑问题。
  • 更敏捷：利用求解器高速计算，实时更新决策结果。

杉数新一代智能决策平台

• 平台功能：
  • 聚焦战略、经营、利润目标，跨部门一体性决策。
  • 覆盖企业经营的完整链路，模块之间耦松合。
  • 数据驱动加算法为支撑，为企业未来3年生意持续增长提供核心助力。
• 平台特点：
  • 流程为主，以结果为导向，端到端控制塔。
  • 数弈、Libra、PonyPlus等模块协同工作。

场景模拟与行业应用

• 聚焦行业及客户基础设施典型应用场景：
  • 泛零售、食品饮料、医疗设备、零售、工业制造、汽车制造、家电制造、农药化肥等。
• 典型应用案例：
  • 跨国快消巨头促销定价优化：促销GMV提升15%，促销费效比提升17%。
  • 好丽友端到端卓越供应链项目：订单满足率提升4个百分点，拉动销售额2亿人民币/年。
  • 国际啤酒巨头日常预测补货优化：每年节约成本300万，需求预测准确率提升10%。
  • 六国化工端到端产销协同项目：销售满足率提升8个百分点，降低库存资金占用6000万人民币/年。
  • ICT行业巨头多工厂协同生产排程及生产库存优化平台：订单满足率提升20%，仿真速度提升30%，产能损失率降低70%。
  • 上汽通用汽车整车数字化排产项目：每年节约成本300万+，运输效率提升10%，运输管理费用降低7%。

研究结论

• 智能决策是企业应对市场变化和提升运营效率的关键。
• 杉数新一代智能决策平台能够帮助企业实现跨部门协同、优化决策流程、提升运营效率。
• 通过数据驱动和算法优化，企业可以实现更透明、更优化、更敏捷的决策。