AWS技术峰会，与超盟数据一起共“见”不凡

AWS技术峰会是Amazon Web Services (AWS)每年在全球众多城市巡回举办的大型云技术盛会，旨在携手APN合作伙伴和客户为观众展示人工智能领域最新的产品及服务，并分享成功案例及实践经验，交流国内外最新技术。

8月9日，AWS所建不凡2018技术峰会北京站在国家会议中心隆重举行，云集了众多行业领军者参与。

峰会现场

超盟数据作为新零售+AI的代表公司，CTO李健豪受邀出席此次峰会。

超盟数据CTO李健豪

李健豪，毕业于美国知名学府UIUC（伊利诺伊大学厄巴纳-香槟分校），师从“数据挖掘第一人”韩家炜(Jiawei Han)教授，曾就职于亚马逊北美总部任数据科学家和IBM北美总部任销售预测专家，并连续赢得过6 次美国黑客马拉松大赛冠军。在近期发布的“2018全球Top 1000 计算机科学家h指数”排行榜中，h-index最高的华人就是李健豪的恩师韩家炜教授，同时韩家炜教授还曾获得过IEEE颁发的最高技术奖——麦克道尔奖。在演讲中，李健豪分享了在20倍数据增长的压力下数据处理架构和任务调度的演变；在无服务计算的助力下，成本大幅降低的同时，数据处理效率没有降低，反而提高了。这是AI基础建设的效果。

利用无服务架构搭建内部AI基础建设

CTO李健豪为众多参会嘉宾诠释了怎样利用无服务架构搭建内部的AI基础建设，以自动补货为例对数据采集、清洗、自动建模、监控等一系列通用的场景进行了分享。

随后，分享了数据监控、指标构建、日志处理等数据流怎样在无服务架构下进行。

超盟数据构建商品需求量模型，助力零售企业提升效益

以自动补货为例，超盟数据以优化库存周转率为目标，在数亿级带标注的交易数据集上构建商品需求量模型，辅助客户进行决策，比如：哪些商品要补货？补多少？什么时候补？同时结合用户端的反馈来更新优化模型，提升模型精度，循环反复，更为精准地指导业务。

模型构建及优化流程

对于零售行业每天都在发生的补货这一决策过程，超盟数据对到店、到天、到品的需求进行建模，预测到店人数是多少、买什么分类的商品、买什么品，买多少商品？超盟数据技术团队结合历史交易的内部数据，以及天气、温度、湿度、温度变化、湿度变化、公众假期、促销、POI等外部数据，利用深层的神经网络和各种融合模型进行需求预测。

基于内外部数据利用神经网络和各种模型预测需求量

下图是使用超盟数据超盟AI建议订货模块前后的效果对比图。其中，横轴表示时间，纵轴表示库存。

使用超盟AI建议订货模块前后的效果对比图

左侧是使用模型前，零售店长根据个人经验做出补货决策的情况。可以看出，一是补货非常没有规律，这样会给供应链带来非常大的压力；二是会出现跟横轴平行的线，说明出现了断货情况，可能长时间没有补货。

右侧是使用后的效果，补货变得非常及时，规律性也很强。对客户而言，最直接的效果便是，通过AI指导后的补货周期变快且有规律，加快了库存周转率，提升了企业效益。以超盟数据的一个客户为例，使用了超盟数据的超盟AI建议订货模块之后，年营业额净增长27.3%，周转变快2天。

超盟数据的分享为现场带来了满满干货，嘉宾频频互动，就所分享内容与李健豪进行了热烈的讨论与沟通。

嘉宾现场互动

AI赋能，超盟数据推动新零售前行

在CTO李健豪的带领下，超盟数据技术团队已成功搭建了承载数据采集、数据清洗、数据分析和数据展现等一系列数据处理流程的核心业务系统，为前端产品带来稳定的性能和极致的客户体验。同时全面支持业务发展和创新，不断优化效率和成本结构，为人工智能背景下的便利店提供服务。

未来，超盟数据仍将奋力构建零售企业在大数据时代下的决策闭环，帮助企业建立数据驱动体系，实现数据资产化，制定更具个性化的企业经营策略，将人工智能技术渗透在每个管理节点和经营环节上，推动新零售迅猛前行，助力消费升级。