决策|苏春园：如何从大量的“数据”中产生支持决策的“智能”？( 二 ) 消费者|云积互动|融资|云积|付

类似的这些分析场景都是非常经典的BI分析场景，如果有了这些分析，就能够第一时间发现，其实有些分析是无法进行下去的，原因是对应的原始数据并没有落下来，比如前面提到的促销数据。而这些发现是将进一步的倒逼IT系统的完善，以及相应业务流程的完善，及时补充数据完整性和一致性。
而这个层层倒逼的逻辑，在我们另一个500强客户身上也是出奇的一致。
这是一个FMCG快速消费品巨头的中国业务，我们的目标是将销售预测的准确率再提升5个百分点。
相对大部分国内客户而言，这家全球客户有更深入的BI投入和应用基础，有相对完备的数据沉淀，所以启动AI的应用容易很多。但是，当真正进入到最后1%就要落地的时候，我们遇到了很多“地雷”。
很有意思的是，这些“地雷”都不是AI算法直接相关，也基本都是数据不一致的问题。更进一步，我们发现这些数据基础问题，都是出现在相应的BI场景还没有覆盖的地方。比如该客户BI场景正要但还没有覆盖到品类促销的主题分析，所以这些场景背后存在很多的数据孤岛以及对应的数据口径不一致的逻辑。
为了进一步推动AI场景应用的落地，我们与客户讨论发现，最快的办法是先回到BI层面，快速的把缺失的分析场景进行敏捷的构建。
这个构建的过程本身带来了数据孤岛的打通、指标体系与统计口径的一致，以及确认了各业务部门的统一视角。所以，BI的不断完善，本质上是为AI场景的落地夯实了基础。
“无BI，不AI”在《数据的本质》里面，品觉老师把“数据”与“智能”两者比喻为气宗与剑宗。剑宗强调犀利快速，而气宗强调底子扎实和后劲十足。两者的关系是以气御剑，剑气兼修。这个比喻非常形象。
我们提了一个说法叫：“无BI，不AI”。也许有些绝对，但这个理念我们在与大量客户合作的沟通中确实发现很有普适性。
BI与AI两者相辅相成，当构建的BI分析场景越来越成熟、完善，能够进行算法和模型的AI应用越多，而反之，则不断倒逼基础分析和数据的完善，形成良性的闭环。
从BI分析到AI应用，不断倒逼升级数据基础。从数据出发，反复迭代，最终构建企业的决策大脑。
想要了解更多行业知识、软件推荐、功能对比、工具测评，敬请关注36kr企服点评官方网站（www.36dianping.com）。轻点鼠标，发现更多高效率的企服软件！

文章插图
www.36dianping.com