杉数科技CTO王子卓：智能决策，数字转换的新路径，为什么结合AI未来的关键突破优化算法-量子比特，
- 时间:
- 浏览:0
感染扩大将加速全球产业链深度再造，在市场需求和供给两方面增加不确定因素。全球经济滞涨导致出口需求衰退，工业生产过热增长不可持续。整个行业产能过剩，产品同质化严重，向绿色低碳转型迫在眉睫……
企业所有高管面临的必答问题：为达到事业增长和绿色可持续性，是否加快形成抗市场风险的企业韧性
随着数据科学和人工智能技术的发展×算法决策的重要性在实务中越来越重要，技术创新和基础设施建设推动了智能决策时代。
根据研究分析公司“Gartner”的预测，到2023年，33%以上的大型组织将实践智能决策。
那么，“知识决策”是什么呢？知识决策的关键技术是什么呢？如何制作牵引企业二次成长的“智能抓手”呢。
关于融合了机械学习，操作最优化等各种各样的手法的知识决定技术，杉数科技CTO王子卓用实况录音「量子比特视点」谈了自己的经验和视点。
今天我想谈谈数字变换和数据算法实际上给企业带来了什么样的价值。杉数先生过去几年做了同样的尝试，在这里我想简单地和大家分享我们的观察和理解。
我想很多人都知道，数字化、人工智能、大数据、机器学习这些词，这些年来一直在讨论，我们到底在讨论什么呢？或者说，这个概念能为企业做些什么呢能带来什么样的价值呢。其实，这个问题对我们来说非常重要，是一个值得思考的问题。
实际上用“数字化”这个词来表达的情况很多，但它有几个意义。
首先是基本概念。当我们尝试数字化的时候，第一步其实就是“信息化”：怎样才能把这家企业中的很多信息，用数字或计算机的方式，把它们积累起来。也就是说，把现实中的许多事情映射到我们的数字世界。
这些企业的信息积累起来，在信息化的基础上更进一步，我们也称之为“数字化”。数字化在某种意义上是指通过整合和表达积累的信息，给企业的人们带来有益的观察。
在这里，关于大家在过去几年里听到了很多，或者很多话的BI（Bussiness Intelligence）的活用，怎样才能将企业各次元的数字向经营者和决策者易懂地表示呢。
这两个可以说是数字化的基本工作，倒不如说现在出现“数字化”、“人工智能”等词语的话，不仅仅是收集数据、整理数据，说到底目的是反映在决策上。
无论是哪个企业还是个人，每天都要做很多决策，比如每天补充多少库存，在哪个生产线生产什么样的产品，计划什么样的运输路线。传统上决策是有经验的人做的，在大数据时代能做到这一点吗。
在我们看来，我们最终需要依赖这些数据，帮助企业在决策方面做出更好、更有效的决策。这样做，才能在企业中发挥数据的真正价值，至少是我们杉数先生看到的“未来数字化”的意义。
我在这里看到了过去20多年的巨大变化，但在这5~6年里，我做了很多事情
在这一过程中，我们收到了很多人的提问，我们自己也切身感受到了企业的经营流程和数据基础等，数字转换实际上是很辛苦的。大数据、工业网络、智能传真等各种各样的概念被提及，到底“数字化”是真正的概念吗。
我想关于这个，过去20年，30年，大家开始使用计算机的时候，也投了未来的计算机多少有用，企业支付那么多的钱有买计算机的价值吗，这样的问题。数据对当今企业的意义可能与20到30年企业的计算机相似。未来真正有竞争力的公司将做出更智能、更高效、基于数据和计算的决策。
从这个意义上说，我感觉数字化是一种久而久之的必然发生的东西，对企业来说也很重要，是一种必然发生的东西。
当然，不是一两天就会发生变革，而是有很多问题和挑战。我们这些年来接触了很多企业，帮助这些企业变革。从比较传统的决策过渡到数据决策。
从数据到决策，更多公司转向数据驱动操作的过程大致分为四个阶段，如本文所述。
最原始的是大量依赖人工经验的决策。我们国家的大部分企业都处于大部分阶段，恐怕现在还处于人工经验阶段。
这里举一个做物流的企业的例子，员工每天配送到城市的各个地方，物流车辆很多，所以每天都要安排车辆，扛着什么样的行李，通过什么样的路径送货。
在我们合作之前，企业决策的形式实际上是，几位资深的工匠每天花几个小时的时间，先打印每天的注文，然后这些工匠根据自己的经验将这些配送的货物按照一定的规则组合起来，最后分发给每辆车。
这是依靠人工经验做出决策的典型场景。当然，很多企业都想走一步，但以人工经验为基础，活用数据的第一步就是被称为“数据传感”的阶段。这意味着企业开始利用数据来支持自己的决策系统。也就是说，当一个人做出决策时，有大量的数据支持它。在这个阶段，决策本身还是由人来做的，但数据支持它。
此外，像连锁店这样的咖啡店每天都要补充咖啡豆、牛奶和食品等。在与这样的企业工作之前，在决策时，有一种系统可以提示各商品过去一天的销售额、平均销售额等数据和趋势，让店长判断补充需求。
店长可以根据这些数据，根据自己的经验再加上简单的计算，比如过去平均卖了多少，什么时间卖了多少等，做出“今天要补充多少”的决策。
您会发现数据支持决策者，但最终决策是基于人类经验做出的。事实上，很多公司都处于这样的阶段，也许在过去的5年10年里，很多大公司已经完成了信息化，包括最初的数字化，都有工具来展示数据。
当然，在这个阶段，我们的“数字”和“智能”运营的目的是相去甚远的。从这里再往前走一步，实际上是数字变换中非常重要的一步，在我们将来的方式中是最重要的一步，从“意识到数据的决策”向“数据指向的决策”的转移。
“数据导向”的主客和次要的不一样。也就是说，在关键决策中，首先数据和算法会给出我们认为好的结果和优化的结果。即使人工根据经验和场景进行调整，稍微修正一下，大部分的工作都会不断地通过数据和算法进行。
前面的两个例子都允许这样的变化
例如，物流公司的每日车辆路线安排可以通过算法快速计算，在几分钟内为您安排数千条注释，并为您的业务场景安排最短、最具服务效率的行驶路线。算法设置好后，负责人可以检查该线路。当然，在算法无法想象的特殊情况下，明天某条街的交通流可能会发生变化，顾客的情况也会发生变化，但大多数情况下，线路都可以直接运行。
同样，比如餐饮企业的店铺，在使用了这些算法和数据之后，可以直接自动知道每天补充量的建议是多少。算法可以考虑过去每天的销售量、周期性变化，以及现有库存的到期情况等各种因素，最后，人手可以根据附加信息，调整明天有哪些活动，或者某个地区可能停业等。在实际场景中，8、90%的情况下可以直接采用算法和数据得出的结论。
到这里就可以实现，可以从更加依赖人手的企业运营决策系统转移到基于算法平台的系统。对于整个数字迁移来说，这是一个重要的步骤，但不是最终的步骤。在许多场景中，你可以进行更多的“数据驱动”。
所谓“数据驱动”，基本上是不需要人工干预的，很多互联网企业在高频下进行决策的场景很多，比如无人仓库。
现在很多仓库都知道这些机器人负责挑库和货架的上下等。在这样的场景中，基本上每隔1-2秒调度一次机器人，但这些都可以完全用算法来完成。同样，比如可以在大零售平台上实时调整价格，做出营销决策，基本上完全可以由算法驱动，达到很好的效果。
在这些场景中，即使是人工也很难实际进行实时调整。在这里，由于决策的频率变得非常高，所以现在可以根据数据用算法实现比较自动化的运营。
数字化升级和数字化升级有很多阶段，但不一定某个企业会处于某个阶段，而是可能处于当前场景和环节所在的阶段。对于这个特定的场景，我们可以不断帮助他实现整体的变化。
当企业在几乎所有重要的运营场景中逐渐发生变化时，之后整个企业的运营模式就会发生质的变化。
如何利用IT杠杆实现智能升级迫在眉睫的企业向数字化过渡，这一趋势完成无疑需要一段时间，但在我看来是必然趋势。但第一，这是必然会发生的。第二，从我们的观察来说，已经可以说是迫在眉睫了。因为我们现在很多行业，甚至整个市场都发生了巨大的变化，对企业的要求也越来越高，挑战也越来越大。
比如消费品市场，过去几十年模式比较稳定。但你可以看到，最近几年，许多新模式应运而生。营销模式从最传统的线下渠道，到在线零售平台，现在有很多形式是通过直播带货。基本上每年都会出现很多新的模式，但是当这种新模式产生的时候，很多过去的人工经验并没有那么有效。人工经验总是基于过去发生的东西，因此不能迅速应对不断发生的新模式。
二是消费者对企业的要求越来越高。还是像刚才说的消费品一样，以前企业生产的东西，如果消费者需要的话就购买了。但是现在的消费者有更多的选择机会，对产品的供应速度有比较高的期望，希望今天买的东西明天能到。如果满足消费者时效、商品丰富等各种要求，对企业供应链是一个巨大的挑战。
另外，技术的重复速度也很快，新的产品线