【峰会活动】决策智能产业化论坛内容回顾

近期，DataFun与上海数字大脑研究院联合举办了决策智能在线峰会，邀请决策智能领域学术与产业专家共话技术与产业。上海数字大脑研究院出品了以「决策智能产业化」为主题的在线论坛，上海数字大脑研究院执行CEO、CMC Capital VP刘海涛担任论坛出品人。来自达摩院、IBM、华润数科、览众数据等企业相关负责人和东方富海投资总监，围绕决策智能技术现状、未来发展以及典型产业应用，进行了前沿技术和案例分享。

论坛日程与嘉宾介绍详见【峰会活动】决策智能在线峰会圆桌会与产业化论坛精彩内容抢先知！~

▌精彩回顾

01

大规模分布式光伏下高精度可信

负荷预测实践

演讲嘉宾：达摩院决策智能实验室高级算法工程师 陈纬奇

演讲内容：从电力负荷预测背景和挑战、支撑高精度预测时序分析与预测算法介绍、电力负荷预测实践与落地、可解释人工智能技术助力可信预测四个角度介绍了达摩院借助决策智能技术在电力负荷预测领域的解决方案。电力负荷预测是电网调度计算分析、控制决策、保持电力市场健康稳定的基础。与传统电力系统相比，新型电力系统用电规律被分布式电源干扰，新能源功率预测难度极大，发电计划性大大降低，面临长期依赖、多重周期、数据高度异构复杂的电网态势，达摩院借助时序分析、时序预测两类技术，分别用于预测前置数据处理和进行复杂场景下，如多重周期时序或极端事件下的预测。

在电力负荷预测实践方面，基于电力预测决策平台的母线符合预测系统通过将原子算法进行组织、构建电力预测决策平台，为每个场景快速快速开发鲁棒、精准、可解释的算法工作流。在保证算法泛化性、设计适配最新数据模型，而进行极端场景下的预测，如高温天气和节假日模式等复杂趋势。

在可解释机器学习和负荷预测可解释方面，可解释机器学习可应用于智能运营、咨损防控、误差分析等，模型可解释中的白盒模型有自身可解释、易于分析的优点，但模型表达能力受限，相比之下，黑盒模型表达能力更强，可较好地拟合数据，然而需要额外的方法来进行解释。达摩院通过解释输出、差异、误差需求，建立神经网络等可导模型，将黑盒模型解释做到最优化。

02

运筹优化高效建模工具

演讲嘉宾：华润数科架构师 顾伟

演讲内容：从运筹优化背景、运筹优化技术、华润数科运筹实践、运筹优化高效建模工具四个方面介绍华润在资源运筹调度领域的前沿技术与观点。在工业生产中，企业通常面临以下几个运筹问题：产品流量流向是怎样的？应存放哪种SKU的库存？渠道仓流通库存应该放多少？基地仓成品库存应该放多少？服务水平如何？面对不同场景的不同需求，华润数科在建模与分析的基础上，进行网络与产品流优化，通过将需求分类，多阶库存优化、进一步实现服务水平优化，同时通过模拟仿真验证库存水平与策略有效性。

为利用决策智能技术赋能企业生产的各个环节，需要在明确决策概念的基础上，通过风险类型对决策进行进一步分类，大致可分为不确定型、风险型概率己知与风险型概率有待进一步确定三种，再通过运筹优化技术推进运筹优化求解过程。

华润数科围绕业务场景引入运筹学相关技术优化生产管理流程，以生产、运输、仓储为中心的链条优化可实现运输、仓储库存、排产等全流程优化。除了进行供应链运筹优化系统基础建设外，华润还打造了通用化供应链运筹优化系统，并通过试点推广进一步拓宽技术方案适用范围。以供应链运筹优化系统为例，华润在划分特定场景的基础上，基于供应商实时数据进行目标函数构建与求解，输出不同约束条件下的最优方案。

03

IBM业财一体化平台建设实践分享

演讲嘉宾：IBM 中国区科技事业部人工智能产品线总监 冯衍

演讲内容：分享了数字化时代企业转型的现状与趋势，崭新的业务重塑时代即将来临，企业正在经历技术、社会和法规力量前所未有的交汇融合。随着人工智能、自动化、区块链和第五代移动通信技术的日益普及，这些力量的交汇融合势必会重塑业务架构。过去十年风行“由外而内”的数字化转型，而今则更趋向于利用呈指数级发展的技术，“由内而外”地发挥数据的潜力，可将这种新一代业务模式称之为“认知型企业”。

认知型企业CFO的使命是利用数据提供分析洞察，帮助企业抓住战略机遇，提高运营质量和效率，其重点工作领域为：在数据提供洞察的基础上推动业务增长、降低运营成本、管理运营风险，进而执行相关策略。根据IBM总结的财务管理提升路径，在财务核算基础信息平台建设的基础上，企业未来一定要尽早布局对决策支持和管理控制层面的信息化能力。其中，企业“记分员”的角色应转变为“价值整合者”，在战略与组织定位层面，提升财务管理效率和业务洞察力，进一步实现“价值创造性财务”。这同时也反映了企业数字化转型的重要思路，即同时具备新管控思路、新管理工具与新技术应用。

在预算管理方面，基于IBM业界领先的业财一体化平台，重建符合企业精细化管理需求的全面预算系统；在多维盈利分析方面，构建符合企业精细化管理需求的新一代管理报表系统；在质量检测方面，基于业界领先的机器学习平台SPSS，构建制造业产品性能预报体系；在智能排产场景中在保证订单交付的情况下实现降本增效；在产销协同需求下，构建跨部门的产销协同系统，实现战略、运营和财务的联动。此外，还推出了IBM Planning Analytics - 业财一体的数字化绩效管理平台，强大、灵活的业务建模能力与高效、实时的计算引擎可快速适应不同企业的各种业务变化。

04

解析数据决策类产品的产品化道路

演讲嘉宾：览众科技CEO 王一君

演讲内容：To B公司为什么要产品化、产品化过程中的专注点以及产品化之后控制与营销部门的关系，王一君给出了自己对于数据决策类产品走上产品化道路的思考。决策智能产业从本质上来说是一门To B的生意，随着宏观经济进入“新常态”发展阶段，To B企业面临日趋激烈的竞争环境、多样的客户需求、自身逐渐庞大的产品线以及复杂的内外部协同要求。在此情境下，企业应该实现从技术视角到产品视角的转变，形成产品体系，并致力于将产品线作答，实现某一特定领域较高的市场覆盖率。

企业进行技术落地初期难免面临研发费用高的难题，然而随着客户知名度提升、技术曲线成熟程度上升，市场占有率也会不断上升，企业将实现持续的规模化增长。在企业经营过程中有几个值得关注的问题：在客户自定义程度很高的情况下，是否能实现客户与产品复制？怎样缩减产品交付期？企业方法论是否正确？随着客户数量增加，整个市场的渗透速率是否达到企业预期？在大的行业背景下，如后疫情时期，产品是否会受到相应影响？这些问题都需要进一步讨论。

王一君认为，每个公司从成立初期到现发展阶段，都有自己的能力边界与技术优势，我们需要对比竞争对手资源获客成本或实施成本等，并在内部产销协同等方面加以调整，以保持企业可持续的市场竞争力。

在营销层面，应在考虑公司技术产品现状的基础上在合理时间开展营销活动，一方面，选择适配的市场或赛道，并持续发掘潜在市场机会和客户未被满足的需求；另一方面发挥自身资源和能力优势，打造出富有竞争力的产品，更好地匹配客户需求。这些任务恰是市场洞察和市场管理的职能所在，即支持细分市场的选择和客户需求及痛点的分析，以及制定市场策略、牵引产品研发、定义产品的价值主张和差异化优势。

对于客户管理，王一君给出的建议是找到市场需求和产品价值的最佳匹配。以客户为中心、以客户的核心价值诉求为锚点，构建产品价值与市场需求的最佳匹配，发展价值主张以及价值组合。识别在细分市场中与客户强烈共鸣且彰显自身差异化优势的价值锚点，是To B企业面向细分市场进行开疆拓土、精耕细作的关键。

▌圆桌对话

在【智能决策产业化】论坛中，上海数字大脑研究院执行CEO、CMC Capital VP刘海涛还主持了圆桌对话，并特别邀请到东方富海投资总监杨震东与各位报告嘉宾一同分享和探讨决策智能技术的进展和落地应用。

问题一：中国的决策智能技术的落地，是需求侧拉动更多，还是供给侧推动因素更多？

华润数科架构师顾伟认为业务需求和技术落地是相互促进、结合式发展的过程。以泛零售行业为例，在销售和仓储等业务场景存在精细化、高效率运营的需求，在此情境下企业寻找相关的技术结合点并进行落地实践。

IBM 中国区科技事业部人工智能产品线总监冯衍认为，随着整体市场的深度变革，特别是疫情之后不确定因素增加的情况下，企业身处激烈同质化竞争中，被迫从粗放式经营转向精细化管理。在房地产、医疗、制造业等众多领域都存在此种趋势，因此是外部市场环境和企业内部诉求共同推进了决策智能等技术的落地。

东方富海投资总监杨震东认为，在如今国际竞争格局之下，需求方和供给方都在发生变化。一方面是中国市场的姿态更加开放、包容，企业开始注重组织形态的构建，对于价格资源与人力资源也相对敏感起来，并参与到国际分工中去；另一方面为甲方和乙方的流动也开始慢慢地开始频繁，甲方开始注重提高服务水平与经营水平，甲方与乙方之间的信息差大大降低。

览众科技CEO王一君认为在如今的市场格局下企业如果希望实现经营规模的扩大，所需要的能力是以指数形式上升的。决策智能近几年进入企业视野的一个主要原因为各行业的毛利和净利都在大幅下降，这与原材料的成本和整体运营成本的上浮有一定关联。览众科技将目光投向零售品类中服装领域的大企业，通过技术策略帮助其提升营效果。原因之二为面对如今市场的激烈竞争，企业对需要将数据计算与业务经营加以融合，比如对融合性人才的需求愈发强烈，如经营财务的人员需要在熟悉的预算的情况下，在数据层面分析企业经营过程，从而调整中间决策过程以提升企业营收。在此背景下，一些新的决策场景和细分产品就此产生。

问题二：在决策智能实践中，企业面临哪些挑战，有哪些解决措施？

东方富海投资总监杨震东认为当决策智能系统落地涉及到企业核心经营业务，是非常有价值的，但落地过程中会遇到很多挑战，需要甲方和乙方共同努力。在行业初期，行业的不规范不仅为甲方带来了潜在损失，也让乙方承担了不必要的成本。因此在项目落地前，需要考虑所选择的行业的合理性以及技术可行性。

华润数科架构师顾伟认为受到预算、编制人员等一系列的限制，每个公司的资源都是有限的，因此一个合理的管控过程是必要的，需要在资源投入、人员投入、策略实施等方面找到最优平衡，来实现甲方和乙方共赢的目标。

IBM 中国区科技事业部人工智能产品线总监冯衍认为决策支持系统与业务是深度整合的，会受到企业管理思维或者组织架构等方方面面的影响，并不是简单的一套IT系统或者应用系统。在产品落地之前，最重要的环节为与客户进行沟通，达成共识，并适当进行客户引导，以将决策系统与企业运营场景相适配。而从乙方角度出发，需要考虑定制化与标准化的平衡，未来能否将决策系统在其他客户中进行标准化或者复制？如果乙方在系统中做了大量定制化的底层化的开发，那么未来的维护成本与复制成本都会很高。

览众科技CEO王一君认为不论是做决策产品还是功能类产品最终都要回归到生意的本质，企业在服务一个客户的时候，需要极好的方法论与底层产品做支持，其后通过内部优秀人才和方法论的复制，渗透到不同行业。我们需要把握产品矩阵的这种新形态，并在其他行业的类似场景中层层迭代，保证效率的最大化。

▌主办方介绍

DataFun：专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请近1000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章500+，百万+阅读，13万+精准粉丝。

上海数字大脑研究院：汇聚决策智能领域全球领先的科研力量，面向中国及全球产业智能化升级需求，致力于为全球企业提供决策智能解决方案，驱动各产业全面智能化升级。立志做中国产业进步的价值创新者，让决策更科学、更高效、更智能。