“我们目前服务的几家企业平均库存额在5000万元以上，经过智能引擎分析决策之后，其成本节约20%-30%，给每个企业节省1000万元以上。”览众数据董事长陈灿说。
陈灿本科毕业于浙江大学，是美国罗格斯大学信息管理科学博士。出生企业世家的他并未选择走学术道路，在海外读硕士和博士期间，他都把目标定在技术商业化之上。在读博士的过程中，他帮助美国A***做过数据分析项目，还参与过华为信号优化项目。
2015年8月，他回国创办了杭州览众数据公司，利用大数据和人工智能技术提升企业经营效能，其核心业务主要有两个方面：传统制造业和连锁行业。目前客户包括物产中大、三力士、永艺家居等10余家上市公司。今年1月，览众数据获得达晨创投的1500元A轮融资。
智能决策赋能供应链上下游，节约30%成本
传统企业管理面临很多问题：成本越来越高，比如人力成本、土地成本等逐渐增加，而且竞争愈来愈激烈。所以，如果企业在生产经营上效率越高，在竞争中就越有优势。
近年来，随着硬件成本的降低，越来越多的企业开始数据化，而且这些数据被积累下来，再反过来提升企业经营。企业决策预测就是一个很好的例子，富士康科技集团创始人郭台铭认为，大数据就是“事前诸葛亮”，可以对未来做出预测。对于富士康的将来而言，云端、移动、物联网、大数据、智能数据、智慧，网，缺一不可。
传统制造业的突出问题是库存积压非常厉害，而且可能影响企业现金流。“我们切入制造业首先从库存优化开始，通过一个智能化的销售预测模型，大概会知道每个产品在某段时间、某个区域的销量，进而帮助企业了解生产，而且可以辅助上游的采购，机器会推荐采购点，显示价格波动等因子。”陈灿说。
例如，传统仓库的管理一般都会设定一个最低“安全库存”，这个安全库存指标基本不变。但是市场的需求是周期性变化的，而且有可能出现突发事件，设固定的“安全库存”并不是最优化。
陈灿说：“我们把这个安全库存动态化，避免过度生产造成积压。而且在采购端就有不同的策略，根据产品市场价格采购不同的量，还对供应商进行分类，达到最优的组合。最关键的是我们有一套机器学习模型，结合采购时间，并在销售端对会员数据做用户画像分析，预测这类用户在这段时间内会买什么样的产品。”
6月24日，在“2017AI大师论坛”上，杉数科技CTO、明尼苏达大学助理教授王子卓也讲到定价决策的应用，他认为未来公司的核心竞争将是智能决策，比如定价策略将决定很多公司最终能否生存，是公司的生命线。数据驱动的定价策略需要在正确的时间、正确的地点、正确的价格，并对正确的客户给出正确的服务和产品。这需要了解消费者的构成、偏好和行为。
总之，机器决策相比传统的管理模式更加科学、量化和动态，它帮助企业优化采购生产的关系，减少库存，同时也让企业拥有更多的现金流，企业的抗风险能力更强。
智能化决策帮助连锁店快速规模化
传统连锁行业主要面临两大问题：一个是迅速扩张，很多时候连锁店的店长决定经营好坏，所以企业难以规模化。陈灿说，整体上来看，连锁店的店长满足2：8概率，基本上是20%的店长经营比较好，80%的较差。
另一个问题是决策，比如一家面包店，店长下订单需要提前24小时，时效性很强；而面包和奶的有效性在3天，店长在什么时候下多少量是很难决策的。有些店下午的产品就断货了，而另一些店的产品却卖不掉，店长也很难掌控。
陈灿说：“览众切入的连锁店主要集中在生鲜领域，因为生鲜的产品时效性非常强，人工对产品预测的难度更高，所以对智能化决策的依赖也更强。我们基于人工智能的商业模型，学习了很多优秀店长的下单决策，并结合很多的因素和维度（比如天气、客户习惯等），结合情景分析，帮助连锁店的店长在数据支撑下进行决策。”
“览众做过的一个企业，他们有6000-8000家店，有250多万会员数据，我们精准到每家店，分析出每个产品的需求量，通过我们的智能化决策方案，每家店增加了100多元营业额。”
要吃上AI+企业经营“这块肉”，还需迈过这四道坎
“AI+企业经营是一个很大的市场，至少是一个万亿级市场。”陈灿说。
“未来的经济环境特点是决策更快，环境更复杂，因素更多，人工智能在制造业和连锁行业的应用会迅速普及。未来企业的经营、决策不是以经验为主的‘拍脑袋’式，而是以数据驱动，更加高效的智能决策来提升商业效能。”
当然，一项新的技术应用于传统行业，也并非一帆风顺，陈灿认为，AI+企业经营还需要迈过四道坎。
1、技术商业化
其实深度学习技术的经典模型几乎都是开源，企业之前的差距不大，但是如何选择能够最大程度反映商业问题的模型是很难的，这要求所选的模型80%以上能体现商业问题。而且每个企业的经营模式不一样，这些个性化的需求就需要个性化的解决方案。
2、技术人才
2016年美国麦肯锡研究院发布了一份名为《分析的时代：在大数据的世界竞争》的报告，报告显示，能将商业转化的数据分析专家，单是美国的需求就约200-400万。而中国的大数据商业应用这几年才开始，人才缺口更大。
3、对垂直行业深度认知
要对垂直行业有深度知识，比如汽车制造业和物流行业的知识差别很大，做电子设备和家居的客户的生产模式有很大的区别，包括渠道和原材料的特点都不一样。
4、企业内部管理执行
企业经营数据化之后，把原来企业经营管理的问题暴露出来了，但是要让企业管理人员改掉一些原来不规范的经营方式，并不容易；而且，深度学习技术是越用越完善，需要内部管理者参与使用这套新的系统，还要要反馈，企业内部管理执行是一个很大的考验。
