首先，给大家先分享三个小话题。第一个是话题是，如何帮女同胞们买衣服？不知道大家有没有想过女同胞每次去逛街时，想要买几条裙子，逛了半天却只买了一件上衣；又或者是在淘宝上面逛了半天，结果什么都没买，就只是觉得淘宝好玩好逛。昨天我从厦门赶过来的时候，在过安检时，我在思考安检是不是能够获取到我们人体的数据，假设安检能够获取到我们人体的数据，那是不是意味着我们所有的数据可以自动上传。当我们出差的时候，临时需要穿一件衬衫与正装，那么通过定制的话，我们在下飞机时就可以拿到定制的衣服了。其实在美国的一家公司已经做到了，他们通过两年的时间，用AI撬动女装市场，整个市值大概达到了200亿。那么他们是怎么做的？首先，他们将会要求你注册一个APP，你加入之后大概要提供50项个人数据，包括比如说腰围、尺寸、颜色、偏好等等数据，当你输入完这些数据之后，那家公司会根据你的社交网站等等所有链接数据收集之后，再根据算法模型推算，给你邮寄5件衣服，你喜欢的可以留下，不喜欢的可以退回去；如果你全部喜欢的话，那么你需要付20美金的费用。最后，他们发现基本上80%的预测数据是有效的，其实这已经做到了先人先例，基本上极致化、个性化的推荐。

　　我的一个深圳朋友是做优衣库的魔镜，优衣库的魔镜可以做到什么程度呢？基本上拿一件衣服走到魔镜前面，魔镜就能够获取到你身体的所有数据，当你购买3-4次以后，优衣库就会拥有一个完整的数据，完整的一个画像。常年累月之后，优衣库就会落实无数的数据，通过算法模型把所有获取到的数据，如裤长、腰围、尺寸、颜色、图案等等所有数据结构量化之后，也能做到非常极致化、个性化的推荐。这是我讲的第一个话题。

　　第二个是话题是，怎么帮永辉超市卖猪肉，假设说我要卖到50斤，那么该怎么做呢？这个事情是在2017年与永辉超市团队在聊的过程中，他们聊到了这一点：我希望能够了解到我明天的猪肉能卖出去多少？因此，我就做了一个设想，假设这家门店大概有一年的历史数据，把所有历史数据收集之后，我会先分析，所有数据哪一些显示卖出50斤，卖出50斤当天是什么天气，什么节假日，卖的是什么样的猪肉，猪腰、猪骨或者是其他的东西。再根据当天的客流、价格等相关因素，哪一天卖出了50斤，哪一天卖出40斤，当所有的数据收集之后再利用算法模型推算，最终再根据当天的客流、天气、节假日包括人气等再进行设计，那么，设计里面所有的画像都是固定的，基本不可能说今天我想吃猪肉，明天就不想吃猪肉，就像先前讲到的女装服饰一样，今天我喜欢牛仔裤，明天我就不喜欢穿牛仔裤。因此，大概通过半年时间，我们预测的数据已经达到了90%的精准度。

　　第三个话题是我们在学校做一个项目，项目叫做智慧门店的实验基地。我跟他们校长聊到这个问题时，如果说一个班里可以去预测哪些学生成绩好，哪些学生成绩差，你相信吗？大家都知道在学校好学生一般起的较早，打水也较早，晚上回的比较晚。比如说通过他们打卡的时间、打水记录等信息组合起来，就能预测出来哪些学生成绩是好，哪些学生的成绩会变得比较差。因此，学校老师基本上可以在2-3个月的时间去帮助这些未来成绩有可能差的学生去做沟通、引导。

　　以上三个话题的共同点就是借助了数据思维，在数字化场景下的AI赋能。什么是AI？就是通过数据采集、分析之后，再通过模型算法，不断去做调整、预算之后，做出一个非常精准的预测。

　　接下来我先介绍一下我们公司。道古科技基于独创的AI引擎，经过4-5年的时间积累，目前大概有50几个原创模型，200多个学习算法，技术团队80%都是数据科学家。大家都知道，AI在国内其实算是比较新的技术，目前AI主要应用在公共领域，特别是教育、医疗行业，真正把AI用到商业方面是非常少的。从前年到今年大概两年时间，我们把AI的方向做到了新零售方向。

　　　　上面这一张图是我们最早提出的一个数字化场景下AI赋能的一个完整方案。我们刚讲过数字化包含所有的数据层，比如门店的周边数据，内部数据等。我举个例子，耐克公司发现厦门地区最近专卖店客流很少，那客流少的话，就会有提醒门店注意库存，在厦门地区整个门店少的背后，通过外在的大数据，行业的数据包括企业内部的数据，我们可以做一个完整的数字化，在这一基础上可以去重构“人·货·场”

　　“人·货·场”是零售的三大核心要素，“人·货·场”其实可以是个人数据，也可以是任何某相关的一些身体数据或者其他行业数据。在我看来，“人·货·场”就是一个数据层。无非是我们把这些数据通过量化，量化之后获取信息流，在信息流的基础上通过推演、算法、引擎做出精准决策。

　　接下来我们看一看，比如说数字化作为“人”，我们能做到什么？我们将永辉超市作为例子，单个门面所有会员累计起来大概有200万，那么假设我知道这200万的会员里面每个人的精准生活属性，比如说我是喜欢做早餐，经常买菜；我喜欢逛商场，我经常喝什么饮料。永辉超市在整个过程中，整个商品库存过程中，就可以做到普遍精准。前面很多都聊到“人”其实是核心，围绕“人·货·场”重构。我在客户画像、客群分析、复购分析做出了一个需求预测，在这基础上我可以做到什么？基本上你到永辉超市的门店，我就可以预测三个月能卖哪些东西，哪些东西好卖，需求供货是多少？

　　围绕“人”做出了需求预测之后，我们再来做一个“货”的新品预测、销量预测、库存预测，这样的决策与刚刚说过的女装怎么去卖，从当女同胞们买衣服的决策逻辑是一样的。当我们的购物画像完善之后，就要去做一些商品画像。

　　在“场”的方面，现在大多数都在讲智慧门店，如果这样理解的话，你可以通过你的微店公众号、二维码、门店，那么每个人都知道它是一个流量端，由此就形成一个“场”。这个“场”以二维码来说，我们现在做的像刚开始提到的优衣库的魔镜，它有数字化门店，在做“场”的这一块。基本上你要做“场”的话，它的客流预测、现场数据的展型等等客户识别要做的非常细致。

　　当我们把所有业务数据化之后，再把数据业务化数字化之后我们能够做什么？AI智能决策。我有一个朋友是做健身馆的，一个健身馆投入大概是400-500万，那很有可能这个健身馆投入400万，三个月之后就关门了，他问我有什么办法可以解决这个问题。那我就问有没有其他一些门店、连锁，他说有。然后我就帮他把所有门店接进来，我去分析这个门店三个月的经营指标，客流情况、周边的商圈情况，当我拿到所有数据之后，通过我们独创的引擎算法帮他做商业经营诊断。当然这一部分是我在这个商店有数据之后的情况做的一个经营诊断，经营诊断之后，我们假设三个月之后，这个门店我要做到100万，那么我需要多大的客流、人群？如何去做？其实这些就是我们在AI上面的赋能。

　　另外，假设一个运动品牌有6000、7000家门店，如果我要去做一亿的业绩，那我怎么去做？有没有更好的办法呢？我们通过数字化场景下的AI来做，我预测到每一个门店所有能达到的峰值，预测未来三个月或是一年内的所有的销量，我就可以做出一个核心指标。在指标风险下去的时候，我甚至可以预测你在哪一天，在未来三个月销量做到多少，一个季度能够做到多少，这样指标就好做了。

　　上图是我们目前给一些企业做的一个AI发展规划。首先，底层是数据化部分，围绕“人·货·场”展开；第二层是精准化，是在数据化的基础上开始精准化，其中包括商品精准、人形精准、营销精准、管理精准等等；第三层，是在所有数据精准化时，再去做AI上的智能部分。甚至到最后形成一个企业独有的商业图谱，企业可以拿去著作专利，也就说我们帮一个企业做一个母AI，这个母AI下面有很多门店，每个门店也就有一个子AI。现在有很多企业有了首席体验官、首席产品官，我相信未来一定会有一个工作岗位，叫做首席数据官。这个数据官就是AI，AI懂得用数据来呈现，用数据来讲故事，用数据来预测、推演企业里面各个环节的经营。

　　以上就是我分享的内容，谢谢大家！