一、智能決策的前世今生

傳統的管理將組織活動分為高層決策、中層管理和基層作業。認為決策只是組織中高層的事，與下面的其他人員無關。作為管理學科的一個重要學派，決策管理學派把二戰以后發展起來的系統理論、運籌學、計算機可續等綜合運用于管理決策問題，形成了一門有關決策過程、準則、類型及方法的較完整的理論體系。

圖靈獎得主，同時也是管理方面唯一獲得諾貝爾經濟學獎的赫伯特·Ａ·西蒙即是該學派的創始人之一，西蒙等人認為“管理活動的中心就是決策”，“管理的各層次，無論是高層，還是中層和基層，都是在進行決策”。

然而，身處信息過載、技術爆炸和組織復雜度倍增的智能時代，決策制定的難度和不確定性也相應呈指數級上升，對組織來說，重要的不僅是獲得信息，更在于對信息進行及時加工、正確分析、洞察規律，支撐決策。

全球知名IT市場研究機構IDC敏銳地洞察到這一趨勢，把智能決策作為將會徹底重塑市場的變革型技術納入“人工智能軟件平臺技術圖譜，2021”。隨后在2021年11月公布的《IDC 2022年中國ICT市場十大預測》中，IDC認為“企業智能理念興起，智能預測與智能決策價值凸顯”。

二、智能決策的最佳實踐

進入2022年，IDC率先發布《IDC PeerScapeTM：智能決策產品同業洞察》（下稱：《同業洞察》），梳理了零售、金融、水利能源等行業企業在建設智能決策應用時所遇到的常見挑戰與最佳實踐。

（一）來伊份依托AI驅動的智能決策實現北極星指標，年節約數億

隨著業務場景中越來越多實時、高頻、重復的需求井噴，零售企業過往引入的各種商業智能（BI）工具因存在時滯性，且仍需管理部門對實際業務進行人工優化和調整，并不能達到預期成效。

來伊份根據多年積累的業務經驗，由業務部門主導設定了面向核心戰略目標、對業務提升最為關鍵的北極星指標——現貨率、庫存周轉率、完美訂單履約率。

截至2021年底，來伊份依托第四范式的智能決策平臺產品和技術服務，實現了智能決策在銷售預測、智能定價、智慧供應鏈等多個核心業務環節的落地。

一期合作的成效顯示，來伊份已實現38萬長尾商品系統智能補貨，約3000個門店系統自動補貨調撥，銷售預測準確率提升1倍，銷售現貨率達到95%以上：實現了插拔式的云倉云配的銷售和供應網絡體系；實現了全渠道的盤貨管理，預計可節約人效20萬人時/每年，節約庫存資金數億元。

同時，來伊份還在目標管理、品類規劃、智能選品、全網銷售預測、訂單履約管理、智能庫存等取得了良好的試點效果，如訂單履約場景下實現了超過70%的訂單由機器完成，相較之前人工下單有幾何倍數的效率提升，出錯率大大降低。

IDC在《同業洞察》中指出，零售企業需要首先在業務側設置北極星指標，實現經營決策的數字化；其次，在變化的業務中，沒有“最佳實踐”，要在不確定中持續迭代進化，建立面向北極星目標的迭代型組織；最后，要建立對北極星指標體系負責的平臺體系，自頂向下或自底向上，規劃一系列提升北極星指標的數字化實驗場景，由一系列量變匯聚成質變，實現業務騰飛。

（二）智能決策在銀行、水電等產業界加速落地

在《同業洞察》中，除了上述以來伊份為代表的零售業之外，智能決策也已經在銀行、水利能源等行業加速落地。

廣發銀行早在2019年便與智能決策相關廠商開展合作。為提升智能決策應用開發的產能和效率，解決因建模人員供給有限，模型供給產能不足的問題，廣發銀行2019年開始對自動機器學習AutoML開展研究，目前已經完成試點落地和賦能推廣，進入規模化應用階段。廣發銀行依托先知建模平臺HyperCycle ML，構建決策類自動機器學習平臺。大幅降低建模門檻后，對零基礎的開發人員賦能，可在1個月內完成平臺的掌握和模型的建設。模型開發周期縮短50%以上，大幅提高了AI決策模型落地的效率。

IDC在《同業洞察》中指出，隨著組織中智能決策類需求的日益增加，需要開發的模型數量快速增長，有必要考慮引入AutoML工具，并打造敏捷快速的模型開發部署平臺，加速智能決策應用上線。

智能決策在保障水利能源行業的安全生產方面同樣大展身手。長江電力葛洲壩水力發電廠與廣州健新科技合作在2020年將國內智慧水電領域首個“水電機組全息監測項目”—— 葛洲壩電站全息監測系統高級應用投入試運行，落地了工況識別、經濟運行分析、趨勢分析、故障診斷、設備評估、維修指導等多個智能決策高級應用。實現了機組同類型的檢修時間、啟動實驗時間顯著縮短，有力保證了零棄水目標的實現，節水增發電量有了大幅提升，經濟效益提升顯著。

IDC在《同業洞察》中鼓勵業務與技術人員共同參與智能決策應用的開發和使用。智能決策系統旨在支撐企業的關鍵業務目標實現，需提供低門檻，甚至零代碼的開發與自動化配置能力，便于對IT不太了解的業務人員也能快速上手開發出面向業務的智能決策應用。

三、智能決策的廣闊前景

IDC預測，到2025年，超過60%的企業將把人類專業知識與人工智能、機器學習、NLP和模式識別相結合，做智能預測與決策，增強整個企業的遠見卓識，并使員工的工作效率和生產力提高25%。要達到這些績效，設置用于協調業務與AI的專屬CXO也將成為剛需。

作為潛力巨大的新興賽道，智能決策目前尚無公認的定義。IDC中國助理研究總監盧言霞在接受采訪時表示，“智能決策在AI賽道里屬于比較前沿的賽道，能促進AI進入一個更高級、更融合的階段。一般理解上，指利用機器學習、深度學習、聯邦學習等技術，識別數據中的隱藏規律，支撐諸如精準營銷、銷量預測、供應鏈管理、風險控制等企業核心業務環節實現智能決策；2021年以來，一些公司賦予了智能決策全新內涵，比如第四范式在幫助企業把核心戰略用可量化的方式進行數字化落地，通過設置相關的北極星指標，以同一套標準進行拆解、實驗和量化評價。”

談及市場空間和增速，盧言霞表示：“明顯可見的是，這是一個正在興起的市場，預計未來5年的復合增長率能在50%以上。智能決策涉及的核心技術帶來的軟件、硬件，還有服務等相關市場，有望達到千億規模。近日，國家發改委等部門聯合印發文件宣布‘東數西算’工程正式啟動。而伴隨這些大項目、大工程的不斷批復落地，也都會直接或間接地帶動智能決策應用的一些新思路落地，帶來一些新的項目機會。”

除了《同業洞察》中提到的幾大行業外，盧言霞認為，“制造業也是一個非常有潛力的行業，包括生產車間的數字工廠。此外，交通行業，不管是機場航班還是高鐵、地鐵的資源調度，也都是有很大的潛力的應用場景。”

面對不斷加劇的競爭，盧言霞則建議企業用戶，“需要以一種開放的心態和外部合作伙伴共同探索一些場景化的應用。同時，智能決策作為一項涉及到企業核心戰略的舉措，應該從整個企業的最高層級，開始探討并實施智能決策。”