人工智能与数据治理在石化企业营销领域的实践

2025帆软第七届智数大会 人工智能与数据治理在石化企业营销领域的实践 演讲人：陈永凯 中国石化化工销售公司高级专家 Part one 01 当今时代，人工智能已成为推动各行业变革与发展的核心力量。人工智能广泛且深入地融入社会生活与经济发展的各个领域，正全面渗透进大众生活的各个领域。 ü从手机应用、智能音箱等智能助手，到智能网联车和智能机器人等具身智能，再到能提供个性化服务的智能体以及更多的AI原生产品和服务，正加速向我们走来。 ü为企业提供智能管理服务的产品，目前仍然处于概念期，能够服务于企业高级运营管理需求的智能化产品在市场上有很大的空间。 ü为个人提供服务的智能产品不断涌现，仍然处于发展期，研发企业众多，将产生众多具有革命意义的产品。 02 l党的二十大明确提出，智能化全面赋能新型工业化，人工智能引领新一轮科技革命和产业变革的基础性和战略性技术，成为发展新质生产力的重要引擎。 l加速和实体经济深度融合，深刻改变工业生产模式和经济发展形态，将对加快建设制造强国、网络强国和数字中国发挥重要的支撑作用。 l2025年1月，国家发展改革委、国家数据局、工业和信息化部联合印发《国家数据基础设施建设指引》，是我国首个针对数据基础设施的顶层设计文件，由国家发展改革委、国家数据局、工业和信息化部联合印发，旨在落实党的二十届三中全会关于“建设和运营国家数据基础设施，促进数据共享”的改革任务。1 02 l《国务院关于深入实施“人工智能+”行动的意见》：2025年8月26日发布，提出要深入实施“人工智能+”行动，推动人工智能与经济社会各行业各领域广泛深度融合。 l目标： l到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%；l到2030年，我国人工智能全面赋能高质量发展，智能经济成为我国经济发展的重要增长极；l到2035年，我国全面步入智能经济和智能社会发展新阶段。 l人工智能的6大重点领域：科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作。 中国在人工智能技术领域呈现出蓬勃发展的态势，在多个关键领域取得了重要突破和显著成就，尤其在应用创新方面，中国凭借其独特的市场规模和场景丰富的优势，不断拓展和深化场景应用。 ü在制造业领域，人工智能技术被应用于生产过程的优化、质量检测、设备故障预报等方面，提高了生产效率和产品质量。 ü在医疗领域，人工智能辅助诊断系统能够快速分析医学影像，帮助医生提高疾病检测的准确率。 ü在企业经营管理领域，人工智能发展呈现巨大空间。 在人工智能大模型的发展进程中，“算力+算法+数据”构成了其不可或缺的三大基础要素，它们相互依存、相互促进，共同推动着大模型不断演进和发展，数据尤其在其中发挥重要作用。 数据（基础） l大量实时产生的数据为人工智能的落地应用奠定了基础。l通过大量数据训练人工智能的算法模型。 算法（引擎） l机器学习算法是实现人工智能落地的引擎。l机器学习尤其是深度学习/强化学习的完善与迭代促成了人工智能与商业场景的结合。 05 在当今数字化和全球化的激烈竞争环境中，数据已成为企业的核心资产之一，而人工智能技术则是挖掘和利用这些数据价值的关键工具。 l企业若不能充分利用大数据和人工智能，将在市场竞争中处于明显的劣势。对于现代企业而言，推动人工智能应用已成为在竞争激烈的市场中生存和发展的必然选择。 l大模型在企业环境下，必须不断持续开发，才能发挥人工智能的作用。 l在通用大模型的基础上，定制行业模型，发展专业模型，开发专用场景模型已经成为人工智能在企业发挥作用的必然路径。 06 尽管人工智能在企业数字化转型进程中具有巨大的潜力，有望成为推动企业创新发展、提升竞争力的核心动力，但在实际的智能化应用推进过程中，众多企业遭遇了诸多挑战和问题。 人工智能怎么做，什么时候做，做什么，为什么做，在大多数的企业来说仍然是一个问题。 场景不清楚 目标不明确 缺乏清晰的战略规划和业务目标导向，没有深入思考人工智能技术如何与自身的业务流程、战略目标紧密结合，能够为企业带来哪些具体的价值提升。 对自身业务流程缺乏深入的梳理和分析，未能精准识别出哪些环节可以借助人工智能实现智能化升级。 长效机制有问题 数据基础薄弱 短期应用效果尚可，长期应用效果不好，未建立起长期运行的机制，应用成效无法持久。 数据是人工智能的“燃料”，高质量数据是确保人工智能模型准确、高效运行的基础。然而，目前企业普遍存在数据治理不充分的问题，导致数据质量参差不齐。 Part two 营销管理是企业价值实现的关键环节。 在企业开展智能化营销应用，对于客户需求掌控，运行效率提高及高效洞察分析具有重大意义。 掌握客户需求 提高运行效率 洞察与分析 l营销智能化有助于企业优化资源配置，提高营销效率。借助人工智能技术，企业可以对营销渠道、营销活动等进行实时监测和分析，根据数据分析结果及时调整营销策略，优化资源分配。 l营销智能化能够为企业提供实时的市场洞察和竞争分析。 l通过对海量客户数据的收集、分析和挖掘，企业可以深入了解客户的兴趣爱好、购买行为、消费习惯等特征，从而实现对客户的精准画像。 l通过对市场数据、竞争对手数据的实时监测和分析，企业可以及时了解市场动态、竞争对手的营销策略和产品动态，从而快速调整自身的营销策略，保持竞争优势。 l基于精准的客户画像，企业能够制定更加个性化的营销策略，为客户提供符合其需求的产品和服务，提高客户的满意度和忠诚度。 l营销智能化还可以实现营销活动的自动化执行，如自动发送营销邮件、短信等，大大节省了人力成本，提高了营销活动的执行效率。 02 p营销管理涵盖了客户、资源、定价、交易、交付、结算、服务等多个关键环节，每个环节都蕴含着丰富的人工智能应用场景，且各环节的场景目的和要求各不相同。 p人工智能应用应该考虑在关键环节的核心节点，通过大模型应用，提供企业可以调用的服务，以提高核心环节的运行效率和智能化水平。 p需要企业的业务人员和技术人员认真进行业务流程和场景的梳理，以确定人工智能算法的应用场景。 03 资源环节 客户环节 l人工智能可以优化营销资源的分配。通过对历史营销数据的分析，结合机器学习算法，预测不同营销渠道和活动的效果，从而合理分配营销资源和预算。 l人工智能可以用于客户细分和精准营销。通过对客户数据的深度分析，利用聚类算法等技术将客户划分为不同的细分群体，针对每个细分群体的特点制定个性化的营销方案。 智能化营销的实现离不开大量高质量数据的支撑。 营销相关的数据类型丰富多样，包括客户基本信息、购买历史、浏览行为、市场动态数据、竞争对手数据等。这些数据是企业了解市场、洞察客户需求、制定营销策略的重要依据。 数据治理和采集要同时开展，才能保证采集的数据能够得到正确使用。 数据源建设 数据治理 l企业要拓宽数据采集渠道，全面收集与营销相关的数据。除了传统的企业内部数据，如销售数据、客户关系管理系统数据等，还应积极采集外部数据，如市场调研数据、行业报告数据、社交媒体数据等。 l首先要建立统一的数据标准和规范，确保不同部门、不同系统之间的数据一致性和兼容性。例如，对客户名称、地址、联系方式等数据进行统一的格式定义，避免出现数据不一致的情况。 l要注重数据采集的实时性和准确性，利用先进的数据采集技术确保数据的真实性和可靠性。例如，通过物联网设备实时采集各类物流设施的运行数据，为动态运营提供实时依据。 l要进行数据清洗和去重工作，提高数据的准确性和完整性。 l还需要建立数据质量管理体系，对数据的质量进行实时监测和评估，及时发现并解决数据质量问题。 Part Three 02 ü化工销售公司作为中国石化化工产品的主要销售渠道，占据着中国和亚洲最大石化产品贸易商的重要地位。 ü在当前全球经济一体化以及市场竞争日益激烈的大环境下，化工销售公司面临着极为复杂的竞争局面。同行之间的激烈角逐、客户需求的不断变化以及新兴技术带来的挑战与机遇，都促使企业必须积极寻求变革。 ü数字化转型成为了企业提升竞争力、实现可持续发展的必由之路。通过数字化转型，企业期望能够更精准地把握市场动态，优化内部运营流程，提高客户服务质量，从而在激烈的市场竞争中脱颖而出。 坚持开展数据治理，推动数据标准化，规范化，资产化中国石化化工销售公司运用数据治理“七步法”方法论，从营销数据的数据源入手，开展了一系列扎实有效的工作。 2024年 2025年 2023年 将完成近500余张表的接入。 完成了主要系统的数据梳理和数据源规范，根据数据分析及数据治理需求，分批完成数据入湖工作，共完成200余张表的接入 化工销售大数据应用的三年规划确立了建立起企业大数据应用的目标，在数据治理，数据应用等方面重点开展工作。 03 主要做法 实现成果 l在数据标准化方面，制定了详细的数据标准规范，涵盖数据格式、编码规则、数据字典等。以物料编码为例，采用中国石化统一的物料编码体系，确保在整个销售链条中，不同环节对同一产品的识别一致，避免了因编码混乱导致的业务错误。 l2024-2025年，持续开展了电商业务域的数据治理标准的制订工作，已经发布的数据标准包括15个关键业务，44个业务对象，111个逻辑实体，51个业务术语，740个数据元标准，78项指标数据，推动数据标准化工作不断前进。 04 建立数据规范化运营管理体系 建立数据质量监控机制 l定期对数据质量进行评估和反馈，及时发现并解决数据质量问题。通过持续搜集数据规范化过程中发现的问题，对规范业务运行发挥了重要作用。 l优化数据录入流程，通过系统设置和培训，引导员工按照规范要求录入数据，保证数据的准确性和一致性。 分析层 集市层 数据服务平台贴源层 02 针对大宗产品营销B2B业务场景，化工销售公司借助于帆软公司的BI产品，建立了功能强大的分析平台，推动业务部门不断深入分析，挖掘出多个智能化应用场景。 在销售渠道优化方面 l引入落袋价格分析模型，通过分析不同销售渠道的销售数据和落袋利润数据等，确定各渠道的销售效果和潜力。对于效果不佳的渠道，及时进行调整或优化，将资源集中投入到更有价值的渠道上，提高销售资源的利用效率。 在资源分配方面 l建立起涵盖中石化下属30余家企业的库存监控平台，系统每日自动集成各企业的生产库存，可销售库存等信息，结合营销策略安排，每日自动汇总资源情况，为全系统的市场营销提供准确的数据支撑。 客户作为营销的核心，中国石化化工销售公司在客户服务和管理方面大力推进智能化应用 在客户智能应答方面，已经部署的智能客服系统将进一步引入集团公司统一部署的基于DeepSeek模型的长城大模型平台，通过自然语言处理技术，能够快速准确地理解客户的咨询问题，并提供相应的解答。智能客服系统还具备学习能力，能够根据客户的反馈不断优化回答策略，提高服务质量。 为了满足各种业务场景对数据的需求，化工销售公司构建了完善的数据支撑体系。 l整合企业内部各业务系统的数据，建立了数据服务中台，实现数据的集中存储和管理。同时，利用大数据技术，对海量数据进行实时处理和分析，为业务部门提供及时、准确的数据支持。 l在若干重点领域持续研发大模型应用，推动产品验证和应用准备。 l在推动大模型应用方面，积极准备数据。对数据进行标注、分类和预处理，使其符合大模型训练的要求。 提高效率和效益 客户管理水平提高 数据分析文化形成 l数据治理和智能化应用将在企业利润提升方面发挥重要作用。l在营销方面，精准的客户需求预测和价格策略制定，避免了库存积压和价格不合理导致的利润损失，提高了产品的销售转化率。l智能化的客户管理提高了客户满意度和忠诚度，促进了客户的重复购买和口碑传播，进一步增加企业的收入。 l通过持续推进营销智能化应用，企业的客户管理水平得到了显著提升。智能化的客户价值评估和智能分级，