報告編委

黃勇

愛分析合伙人&首席分析師

李進寶

愛分析高級分析師

蘭壹凡

愛分析分析師

外部專家（按姓氏拼音排序）

岑潤哲

數(shù)勢科技 金融行業(yè)解決方案負責人

劉夢溪

數(shù)勢科技 零售行業(yè)解決方案負責人

錢智毅

淵亭科技 政務行業(yè)總監(jiān)

特別鳴謝（按拼音排序）

目錄

1. 報告綜述

2. 消費品與零售行業(yè)智能決策實踐

3. 金融行業(yè)智能決策實踐

4. 政府與公共服務行業(yè)智能決策實踐

5. 結語

1. 報告綜述

經(jīng)濟新常態(tài)下，精細化運營成為企業(yè)增長的關鍵動力，對決策質(zhì)量提出了更高要求。同時，復雜多變的商業(yè)環(huán)境使決策約束條件不斷增多，并對決策敏捷性提出了更高要求。因此，依靠業(yè)務規(guī)則和專家經(jīng)驗的傳統(tǒng)業(yè)務決策愈發(fā)難以滿足企業(yè)的需求，企業(yè)需要對決策方式進行升級。

智能決策具備助力企業(yè)實現(xiàn)決策方式升級的能力，并已在消費品與零售、金融、政府與公共服務等多個行業(yè)落地應用。智能決策正在這些行業(yè)的場景發(fā)揮作用，在生活中隨處可見。在大型超市，擺在消費者面前的為什么是這些商品組合；在銀行，貸款者的貸款申請為什么能快速出具結果；在行政大廳，企業(yè)的申報材料為什么有時能馬上出具審核結果……智能決策不斷釋放“魔力”，對人們的生活方式和企業(yè)的生產(chǎn)經(jīng)營方式施加愈發(fā)深刻的影響。

隨著市場發(fā)展，這種影響方式也在不斷發(fā)生變化。甲方在落地智能決策項目時，可以分為單點式、單線式和全局式三種情況。單點式指在某個細分業(yè)務場景實現(xiàn)智能決策；單線式指實現(xiàn)某一類細分業(yè)務場景的智能決策閉環(huán)；全局式指實現(xiàn)多個大類業(yè)務場景的智能決策。智能決策價值逐步得到市場驗證，甲方對單線式和全局式的智能決策項目更加青睞，在實踐中供需雙方常稱其為“決策大腦”類項目。以“決策大腦”為承載，智能決策將有更大的展示舞臺。

目前來看，消費品與零售行業(yè)、金融行業(yè)、政府與公共服務行業(yè)在“決策大腦”方向居于發(fā)展前列。本報告將選取這三個行業(yè)的智能決策解決方案市場作為研究對象，圍繞該解決方案在大中型企業(yè)和政府部門的落地應用展開研究，重點分析各行業(yè)的甲方對智能決策的需求和落地情況。

圖 1： 智能決策市場全景地圖

2. 消費品與零售行業(yè)智能決策實踐

消費品與零售行業(yè)的甲方包括零售商超、品牌商、電商等，智能決策解決方案主要用于滿足智能營銷、智能定價、智能補配調(diào)等需求，終端使用者主要分布在IT、數(shù)據(jù)、運營、供應鏈、門店等部門。

消費品與零售行業(yè)的甲方對“決策大腦”的需求體現(xiàn)在供應鏈優(yōu)化和用戶運營兩個方面，致力于打造涵蓋“買”與“賣”全流程的智能決策體系。專家經(jīng)驗面對海量SKU和消費者愈發(fā)捉襟見肘，難以高效且正確地做出決策，甲方希望借助智能決策找到破局之道。企業(yè)可以通過智能決策實現(xiàn)供應鏈優(yōu)化，解決缺貨、高庫存、SKU臃腫、門店個性選品策略缺失等問題。例如SKU臃腫問題，該問題在商超業(yè)態(tài)非常明顯。商超傾向追求大而全，導致SKU數(shù)量驟增，當甲方意識到一些SKU并非必要且不盈利的時候，試圖做“減法”。可面對數(shù)萬乃至數(shù)十萬SKU時，如何快速準確地挑選出需要剔除的商品成為一個難題，專家經(jīng)驗失靈。企業(yè)可以通過智能決策實現(xiàn)更加精準的用戶運營，解決人群圈選方式低效、人群圈選方式不能自動調(diào)優(yōu)、難以個性化運營等問題。

圖 2： 消費品與零售行業(yè)智能決策主要應用場景

消費品與零售行業(yè)智能決策解決方案的項目環(huán)節(jié)大致包括業(yè)務梳理、方案設計、產(chǎn)品引入及改造、聯(lián)調(diào)與打通、試運行、驗證評估與正式上線等環(huán)節(jié)。在業(yè)務梳理環(huán)節(jié)，廠商除了需要梳理甲方業(yè)務布局、工作流程、業(yè)務規(guī)則的信息，還需要梳理甲方的業(yè)務數(shù)據(jù)治理情況。在消費品和零售行業(yè)，除頭部電商之外，其他企業(yè)的數(shù)據(jù)質(zhì)量和完整性普遍存在缺陷，若直接應用智能決策將會出現(xiàn)明顯偏差。智能決策解決方案需要站在“數(shù)據(jù)巨人”肩膀上發(fā)揮作用，因此對數(shù)據(jù)治理能力有較高要求，比如建立數(shù)據(jù)規(guī)則、打通數(shù)據(jù)孤島、數(shù)據(jù)集中管理等。當前，較多有實施智能決策項目意向的消費品和零售企業(yè)不具備優(yōu)良的數(shù)據(jù)治理能力，以至于難以滿足智能決策需求，因此甲方需要得到來自廠商的數(shù)據(jù)治理賦能。在智能決策項目實施過程中，甲方需要著重注意此點。

案例1: 某零售商超攜手數(shù)勢科技，實現(xiàn)經(jīng)營、運營、供應鏈場景的決策效率提升

某國內(nèi)零售商超經(jīng)過20年耕耘探索，已經(jīng)成為運營上千家門店的頭部零售商超集團，年銷售額近千億元。2020 年，疫情下的零售市場受到巨大沖擊，線上零售玩家爭相進入市場，競爭日益激烈。該零售商超為適應當下消費者需要，嘗試運用數(shù)字化和智能化手段突破經(jīng)營效率瓶頸，將消費者線下消費習慣轉移至線上，推動線上線下全渠道經(jīng)營效率提升。

在過去的數(shù)字化轉型過程中，該零售企業(yè)發(fā)現(xiàn)，簡單的數(shù)字化場景試點項目無法提升整個企業(yè)經(jīng)營效率，企業(yè)經(jīng)營仍然未能實現(xiàn)數(shù)據(jù)驅動決策。因此，該零售企業(yè)決定對整體運營模式進行全面數(shù)字化升級，引入智能決策構建全局決策能力體系是重中之重。

綜合考慮下，該零售商超選擇了在智能決策領域嶄露頭角的數(shù)勢科技。數(shù)勢科技的技術團隊大多是京東商城的核心骨干出身，在經(jīng)營分析、客戶運營、供應鏈優(yōu)化等智能決策應用領域頗具優(yōu)勢。不僅如此，京東以自營方式開展電商業(yè)務的運營模式也與該零售商超的運營思路不謀而合。

“0+7”數(shù)字化轉型計劃，助力該零售商超實現(xiàn)“以數(shù)據(jù)驅動經(jīng)營決策”的轉型目標

為助力該零售商超企業(yè)實現(xiàn)“以數(shù)據(jù)驅動經(jīng)營決策”的數(shù)字化轉型目標，數(shù)勢科技計劃先根據(jù)該零售商超的數(shù)字化經(jīng)營狀況進行全面診斷，即“0號”數(shù)字化戰(zhàn)略咨詢項目，再根據(jù)診斷結果分設7個子項目，對轉型難題逐個擊破。整體轉型項目流程如下：

圖 3： 某零售商超“0+7”數(shù)字化轉型項目流程

為制定全面且有針對性的數(shù)字化轉型方案，該零售商超與數(shù)勢科技首先進行了“0”號診斷咨詢項目，發(fā)現(xiàn)以下待優(yōu)化問題：

1. 云基礎設施較為分散：成本高、網(wǎng)絡連接不穩(wěn)定、運維復雜、底層架構不統(tǒng)一，需要將云服務進行整合。

2. 中臺重復建設：企業(yè)內(nèi)部各業(yè)務線自行開發(fā)技術中臺、數(shù)據(jù)中臺和交易中臺，造成技術中臺組件和數(shù)據(jù)庫較為雜亂，且各中臺數(shù)據(jù)無法跨業(yè)務線互通。需要對技術組件、數(shù)據(jù)中臺、交易中臺進行統(tǒng)一。

3. 標簽、指標體系混亂：由于各數(shù)據(jù)中臺擁有不同的標簽體系、指標體系，導致數(shù)據(jù)存儲成本、標簽管理成本過高。對指標進行規(guī)范化的口徑管理和拆解，減少冗余指標，降低管理難度。

4. 用戶運營效率低：在用戶標簽層面，標簽數(shù)量少，畫像不夠完善，效果分析維度不夠全面。在營銷決策層面，無法實時為用戶精準推送營銷活動、利益點及內(nèi)容，且策略無法實現(xiàn)自行調(diào)優(yōu)，推送觸達成功率低，用戶體驗有待提升。

5. 供應鏈優(yōu)化問題：目前搭建的供應鏈系統(tǒng)仍無法提供智能預測補貨、智能選品、品類結構優(yōu)化功能。需要通過智能決策技術，為門店選擇最優(yōu)的商品組合，提高庫存周轉率和資金使用效率。

由此，數(shù)勢科技對零售商超整體數(shù)字化水平及建設給出更詳細的改善計劃，提出7個改進方向：統(tǒng)一云平臺、技術中臺、數(shù)據(jù)中臺、用戶運營決策平臺、交易中臺、智能供應鏈決策平臺、物流履約平臺，分別對應1-7號子項目。其中，數(shù)據(jù)中臺、用戶運營決策平臺以及智能供應鏈決策平臺是本次智能決策實踐案例關注的重點。

該零售商超先夯實數(shù)據(jù)基礎，再針對經(jīng)營、運營、供應鏈場景實現(xiàn)智能決策升級

由于其他場景智能決策平臺的構建都需要數(shù)據(jù)底座基礎能力的支持，因此數(shù)據(jù)中臺項目率先啟動。

1. 數(shù)據(jù)中臺建設

在數(shù)據(jù)中臺建設項目上，該零售商超技術團隊和數(shù)勢科技需要對原始業(yè)務系統(tǒng)和數(shù)倉實現(xiàn)數(shù)字化升級，為其建立從底層的離線數(shù)據(jù)、實時數(shù)據(jù)采集、數(shù)據(jù)批量處理，到數(shù)據(jù)資產(chǎn)指標口徑統(tǒng)一，然后向上提供完整的跨領域服務的一整套數(shù)據(jù)基座。具體分為以下三個步驟：

（1）整合底層的基礎大數(shù)據(jù)平臺。由于該零售商超不同團隊內(nèi)部單獨建設數(shù)據(jù)中臺，導致數(shù)據(jù)孤島問題。數(shù)勢科技首先輔助解決數(shù)據(jù)中臺重復建設難題，統(tǒng)一整個企業(yè)的數(shù)據(jù)底座，隨后補全了基礎數(shù)據(jù)平臺統(tǒng)一采集、實時采集能力，保證統(tǒng)一高效的數(shù)據(jù)平臺的開發(fā)和管理。

（2）統(tǒng)一數(shù)據(jù)資產(chǎn)、統(tǒng)一指標體系。雙方從利潤方向、規(guī)模和效率方向，重新梳理了一整套指標體系。同時又實現(xiàn)了從前端供應鏈采購到后端門店終端，線上不同渠道間都形成了口徑對齊，保證對于決策層數(shù)據(jù)都是真實可用的。

（3）建設經(jīng)營分析平臺。數(shù)勢科技針對報表分析脈絡進行了梳理，管理層設計鏈接策略執(zhí)行層，包括部門級別分析體系和核心場景。雙方團隊基于該零售商超的分析體系建立了經(jīng)營分析職能體系，還同時連接了數(shù)字化持續(xù)運營的sop，輔助該零售商超基于數(shù)據(jù)持續(xù)運營決策判斷。

2. 用戶運營決策平臺建設

該零售商超為適應消費者購物習慣轉變，已經(jīng)構建以用戶為中心的運營體系，但用戶運營相關系統(tǒng)存在用戶畫像不完善、缺少實時及多波次的精準營銷能力、營銷效果難以分析等問題。而雙方團隊此次通過對數(shù)勢科技的用戶決策產(chǎn)品組合運用，實現(xiàn)用戶運營決策平臺從“經(jīng)驗驅動運營”向“數(shù)據(jù)驅動運營”、從“粗獷式人工運營”向“精細化自動運營”、從“單渠道割裂運營”向“全渠道一體化運營”的決策升級轉變，解決了上述用戶運營難題。

圖 4： 用戶運營決策平臺架構

在用戶運營決策平臺建設子項目中，該零售商超構建用戶標簽體系、用戶策略體系，建設用戶可識別、用戶可分析、用戶可觸達、自動化、智能化的一站式用戶運營決策平臺：

（1）該零售商超通過數(shù)勢科技用戶數(shù)據(jù)平臺（CD）的標簽管理模塊統(tǒng)一梳理內(nèi)部標簽，構建起完善的標簽體系。同時，運用算法模塊中的分層模型進行用戶分層，明確用戶畫像，為用戶運營策略提供多維度的數(shù)據(jù)支持。

（2）該零售商超運用用戶洞察分析（CI）進行用戶概覽和拉新培育、用戶遷移等維度進行監(jiān)測，并對細分人群的畫像特征進行數(shù)據(jù)分析，為用戶運營決策提供建議。

（3）該零售商超借助用戶策略平臺（CJ）中的計劃引擎、策略庫、策略設計模塊搭建和梳理用戶運營策略框架。基于用戶畫像分析結果進行營銷動作執(zhí)行和匹配，對新老用戶制定不同的運營策略。再通過策略執(zhí)行、策略分析、對接管理模塊實施多波次的、實時精準的自動化營銷。比如99節(jié)活動時，平臺將促銷信息通過短信推送形式或企微社群的方式智能觸達到用戶。

（4）該零售商超對線上渠道觸點統(tǒng)一管理，建設可視化的APP/小程序頁面編輯器，設置了豐富的商品組件、營銷組件、內(nèi)容組件，并建立消息頻控、免打擾等用戶體驗保障機制，提升用戶體驗和消息觸達轉化率。

3.智能供應鏈決策平臺建設

無論企業(yè)規(guī)模大小，庫存周轉率低、SKU冗余、資金使用效率低是零售企業(yè)共同面臨的難題。針對這些難題，該零售商超提出實現(xiàn)智能補貨、智能選品和品類結構優(yōu)化的明確需求。

（1）針對智能選品：基于數(shù)勢科技的算法積累和技術優(yōu)勢，為不同地址的門店智能選擇優(yōu)勢商品。比如為CBD附近的門店選擇零散商品，為位于郊區(qū)的倉儲店選擇量大的家庭包裝，以適應不同人群的購物習慣。

（2）針對預測補貨：該零售商超將經(jīng)過充分調(diào)研的補貨規(guī)則融入模型中，設置補貨市場、前置期等規(guī)則因素，根據(jù)預測結果進行貨物數(shù)量的及時調(diào)整，規(guī)避缺貨情況，降低缺貨率。

（3）針對品類結構優(yōu)化：對單個門店而言，真正有核心商品力的產(chǎn)品不多，通過預測補貨和智能選品來優(yōu)化品類結構，后端采購供應減少對接的供應商數(shù)量和商品種類，前端不必頻繁更新商品。

通過整體數(shù)字化轉型和決策智能化提升，該零售商超真正實現(xiàn)“以數(shù)據(jù)驅動經(jīng)營”目標

通過“0+7”數(shù)字化轉型項目，該零售商超完善了七大技術平臺能力建設，在全渠道時代構建了四大核心關鍵能力：全渠道用戶運營能力、全產(chǎn)業(yè)優(yōu)質(zhì)供應能力、全場景數(shù)字化經(jīng)營能力、以及全鏈條智能履約能力，在增收、降本、增效方面上為該零售商超帶來了顯著價值。

圖 5： “0+7”數(shù)字化轉型項目成果

數(shù)據(jù)中臺建設統(tǒng)一了集團內(nèi)部指標體系和標簽體系，實現(xiàn)了數(shù)據(jù)指標和業(yè)務數(shù)據(jù)可視化，數(shù)據(jù)開發(fā)越來越高效，分析決策平臺正式上線標志著該零售商超真正實現(xiàn)了“以數(shù)據(jù)驅動經(jīng)營”的目標。

該零售商超用戶運營策略實現(xiàn)精細化后，完成了用戶域400+常用標簽建設，日均100+個策略執(zhí)行，日均1000萬人次自動化全渠道觸達，社群交易轉化率提升了26%，實現(xiàn)了月度2000萬以上的業(yè)績增量，降低了80%的精細化運營人力時間成本，整體提升了5倍的運營效率。

智慧供應鏈決策平臺建設以后，該零售商超精確了供需預測，庫存周轉天數(shù)下降了30%，釋放了25%的庫存金額，提升了庫存周轉次數(shù)和動銷率，降低了庫存成本，降低了門店的缺貨率。

3. 金融行業(yè)智能決策實踐

金融行業(yè)的甲方包括國有大行、全國性股份制銀行、城商行、農(nóng)商行等多種銀行，也包括保險公司、證券公司等其他各類金融機構。智能決策解決方案主要用于滿足智能營銷、智能風控、智能核保等需求，終端使用者主要分布在IT、數(shù)據(jù)、風控、產(chǎn)品、運營等部門。

圖 6： 金融行業(yè)智能決策主要客群

金融行業(yè)的甲方對“決策大腦”的需求體現(xiàn)在用戶運營、保險和借貸等場景，致力于打造涵蓋業(yè)務全局的智能決策體系。甲方在落地智能決策項目時，可以分為單點式、單線式和全局式三種情況，在金融行業(yè)尤為明顯。單點式指在某個細分應用場景實現(xiàn)智能決策，比如某金融機構推出新產(chǎn)品，需要在老客戶名單中尋找購買意向最高的群體，此時可以借助智能決策的力量。單線式指實現(xiàn)某一類細分場景的智能決策閉環(huán)，比如用戶運營包括多個環(huán)節(jié)，可以借助智能決策的力量實現(xiàn)甲方整個用戶運營工作的智能決策。全局式指實現(xiàn)多個大類場景的智能決策。

圖 7： 金融行業(yè)智能決策主要應用場景

金融行業(yè)智能決策解決方案的項目環(huán)節(jié)與消費品與零售行業(yè)相似。項目總時長一般在6個月以上，略短于其他行業(yè)的項目總時長。金融是第一熱門行業(yè)，用戶已經(jīng)從頭部機構擴展至腰部機構，而其他行業(yè)的智能決策用戶還停留在頭部機構，就平均項目規(guī)模而言，金融行業(yè)稍小一些，因此用時相對較短。

數(shù)據(jù)治理問題不僅存在于消費品與零售行業(yè)，在金融行業(yè)同樣存在。除此之外，金融行業(yè)智能決策項目還有兩個實施要點，分別為信創(chuàng)要求和決策結果可解釋性。廠商需要符合信創(chuàng)資質(zhì)，在項目實踐中，廠商主要通過信創(chuàng)組織身份、底層國產(chǎn)軟硬件產(chǎn)品互認證書、信創(chuàng)項目案例、信創(chuàng)環(huán)境測試報告和國家信創(chuàng)產(chǎn)品名錄（非公開）五種方式來證明。信創(chuàng)工委會是重要的信創(chuàng)組織，“信創(chuàng)”一詞便由其提出，廠商加入其中獲得成員身份對廠商參與有信創(chuàng)要求的項目較為重要。底層國產(chǎn)軟硬件產(chǎn)品互認證書指智能決策廠商需要和國產(chǎn)芯片、操作系統(tǒng)、數(shù)據(jù)庫和中間件廠商進行適配工作并取得證書，比如龍芯、麒麟操作系統(tǒng)、達夢數(shù)據(jù)庫等廠商。信創(chuàng)環(huán)境測試報告指智能決策廠商將產(chǎn)品置于信創(chuàng)環(huán)境，取得相關測試報告，以證明可用性。

在金融行業(yè)的諸多應用場景中，有些應用場景對決策結果的解釋性需求較低，更看重效果，例如精準營銷場景。有些應用場景對決策結果的解釋性需求較高，例如智能風控場景，在該場景下，銀行根據(jù)智能決策結果決定不給某些客戶提供貸款，需要出具相應的解釋。相較于消費品與零售行業(yè)，金融行業(yè)對決策結果的解釋性有更高需求。

案例2: 某頭部券商打造數(shù)字化客戶經(jīng)營平臺，實現(xiàn)客戶運營決策智能化

某頭部券商成立于20世紀90年代，公司總部設在深圳，經(jīng)歷多年穩(wěn)健經(jīng)營，該券商已成長為國內(nèi)主流券商之一。該券商經(jīng)紀業(yè)務近年著重提升獲客和改善客戶結構，截至2021年上半年經(jīng)紀業(yè)務個人客戶數(shù)和活躍客戶數(shù)位居市場前列。

然而，規(guī)模日益擴大的客戶數(shù)量對該券商客戶運營業(yè)務帶來諸多挑戰(zhàn)。該券商舊有的運營平臺存在數(shù)據(jù)洞察過程不透明、數(shù)據(jù)洞察時間占比少、營銷策略設計經(jīng)驗無法沉淀、線上業(yè)務推進率低、數(shù)據(jù)孤島、運營流程斷點等難題，造成線上客戶運營效率低下，無法充分挖掘客戶價值。

為不斷提升客戶運營質(zhì)量，該券商期待通過更高效的運營平臺建設方案突破數(shù)據(jù)層面、技術層面和產(chǎn)品資源層面的瓶頸，運用人工智能技術提升運營環(huán)節(jié)的靈活性和存量客戶的精細化運營效率。

因此，該券商對數(shù)字化客戶經(jīng)營平臺建設方案提出了以下目標：

圖 8： 數(shù)字化客戶經(jīng)營平臺建設方案目標

第一，優(yōu)化已有的客戶經(jīng)營平臺，促進智能化升級。

（1）實現(xiàn)平臺內(nèi)數(shù)據(jù)互通、共享，解決數(shù)據(jù)孤島問題。

（2）實現(xiàn)運營流程智能化、自動化，自動收集散落在各系統(tǒng)里營銷策略、營銷活動的數(shù)據(jù)和信息，提升運營決策效率。

（3）實現(xiàn)數(shù)據(jù)洞察過程透明化，以便評估數(shù)據(jù)洞察效果，定位細分人群和執(zhí)行后續(xù)運營決策。

（4）平臺能夠沉淀運營策略設計經(jīng)驗，將運營分析師的歷史經(jīng)驗轉化為數(shù)據(jù)，沉淀成公司資產(chǎn)，將其作為設計運營策略的依據(jù)。

第二，以客戶經(jīng)營平臺為核心，驅動其他系統(tǒng)平臺能力升級。完善經(jīng)營平臺周邊系統(tǒng)的基礎建設，提升線上業(yè)務的推進效率。

第三，確保交易高峰期也能實時進行營銷流程。

經(jīng)過深度考察，該證券公司選擇數(shù)勢科技作為合作伙伴。數(shù)勢科技能夠憑借豐富的金融領域業(yè)務Know-how以及技術積累，運用包括數(shù)據(jù)資產(chǎn)云、經(jīng)營分析云、智能營銷云在內(nèi)的一系列智能決策產(chǎn)品，根據(jù)金融企業(yè)業(yè)務決策痛點，為企業(yè)提供良好的診斷咨詢服務和切實可行的場景解決方案，助力金融企業(yè)實現(xiàn)智能運營、智能營銷等場景下的決策效率提升。

圍繞精細化運營需求，建設方案運用智能決策技術為數(shù)字化客戶經(jīng)營平臺升級賦能

為助力該券商構建科學合理的標簽體系、制定精細化客戶分層策略、完善客戶運營功能閉環(huán)和策略迭代升級，數(shù)勢科技給出如下數(shù)字化客戶經(jīng)營平臺架構方案：

圖 9： 數(shù)字化客戶經(jīng)營平臺架構

整個數(shù)字化客戶經(jīng)營平臺建設方案分為三個步驟：

第一階段：標簽平臺、指標平臺以及周邊系統(tǒng)升級。在原有經(jīng)營平臺的基礎上，數(shù)勢科技輔助該券商進行客戶經(jīng)營平臺的數(shù)據(jù)治理、統(tǒng)一數(shù)據(jù)口徑。接著，與券商技術團隊將散落在各個系統(tǒng)中的標簽和指標分類進行科學梳理，構建統(tǒng)一的指標平臺和標簽平臺，實現(xiàn)各平臺間信息共享、數(shù)據(jù)互通。同時，指出該券商需要客戶層面、產(chǎn)品匹配層面、市場信息輸入層面、觸達客戶渠道層面四個方向升級，優(yōu)化客戶經(jīng)營平臺的數(shù)據(jù)資產(chǎn)層，鞏固和提升客戶經(jīng)營平臺整體的數(shù)字化能力。

第二階段：客戶旅程自動化營銷策略平臺搭建。在該券商原有客戶經(jīng)營平臺提供單獨事件的策略服務基礎上，數(shù)勢科技提出增加智能決策平臺部署，為運營人員提供便于操作的智能化策略工具，基于數(shù)據(jù)資產(chǎn)層的指標平臺和標簽平臺科學合理的精細化客戶分層機制，智能設計更有針對性的運營策略，比如多波段全局打通的策略觸達，或利用客戶行為觸發(fā)策略推薦。同時結合實時智能技術增強該券商精細化運營能力，提升對高潛用戶、預流失用戶的營銷精準度，進一步增強運營策略的時效性、擴大運營策略的覆蓋范圍。

第三階段：策略效果分析平臺搭建。前倆階段夯實經(jīng)營平臺數(shù)據(jù)分析基礎和完善智能運營策略推薦機制后，數(shù)勢科技將搭建客戶經(jīng)營策略效果分析平臺，實現(xiàn)策略效果的智能化分析。數(shù)勢科技將運用機器學習算法和運籌優(yōu)化技術實現(xiàn)策略模型自迭代，讓自動化營銷策略平臺根據(jù)數(shù)據(jù)分析結果自主實現(xiàn)策略修改。讓策略效果分析平臺與營銷策略平臺構成營銷策略智能設計、策略智能推送、策略效果智能評估、策略自迭代升級的完整閉環(huán)，來大大降低運營人員使用策略平臺的難度，實現(xiàn)客戶經(jīng)營平臺決策效率提升。

圍繞存量客戶的精細化運營升級這一核心需求，數(shù)勢科技為該券商設計和驗證了數(shù)字化客戶經(jīng)營平臺的最小可行產(chǎn)品，該券商也從可行產(chǎn)品中得到了“智能決策是否能切實提升運營環(huán)節(jié)的靈活性”這一問題的肯定答案，與數(shù)勢科技共同推動數(shù)字化客戶經(jīng)營平臺，將其作為該券商整體數(shù)字化轉型的抓手之一。

借助數(shù)字化客戶經(jīng)營平臺，該券商解決了營銷數(shù)據(jù)不準確、平臺信息接口多、交易高峰期營銷推送滯后的難題

在整體搭建數(shù)字化客戶經(jīng)營平臺過程中，該券商技術團隊和數(shù)勢科技以先試點再推廣“小步快走”的方式逐漸釋放業(yè)務價值，對營銷數(shù)據(jù)不準確、平臺信息接口多、交易高峰期營銷推送滯后多項難題進行逐個擊破。

1. 利用指標平臺統(tǒng)一指標口徑，保證營銷數(shù)據(jù)準確性。數(shù)字化客戶經(jīng)營平臺所有策略決策過程都需要參考營銷環(huán)節(jié)收集的數(shù)據(jù)，因此，確保數(shù)據(jù)的準確性成為頭號需求點。數(shù)據(jù)不準確問題往往來源于不同數(shù)據(jù)平臺的數(shù)據(jù)源底表差異和指標口徑的差異，數(shù)勢科技提出將數(shù)據(jù)源底表合并，并引導券商一同開展數(shù)據(jù)治理工作，為指標平臺搭建、客戶旅程自動化營銷策略平臺、以及策略效果分析平臺奠定了良好的數(shù)據(jù)基礎。

2. 統(tǒng)一信息接收和分發(fā)接口，實現(xiàn)一對多數(shù)據(jù)接入。數(shù)字化客戶經(jīng)營平臺處于客戶運營的核心，扮演運營中心的“決策大腦”的角色，經(jīng)營平臺需與金融產(chǎn)品團隊、技術研發(fā)團隊、策略運營團隊等進行需求溝通、項目排期、數(shù)據(jù)對齊等動作，涉及十幾個平臺的交互協(xié)作，與其他系統(tǒng)的接口對接多、依賴多，項目管理難度因此成倍增長。數(shù)字化客戶經(jīng)營平臺面對該券商內(nèi)部對接多個部門的難題，統(tǒng)一了信息接收和分發(fā)的接口，降低了溝通成本，削弱信息不對稱帶來的負面影響。

3. 自迭代實現(xiàn)平臺性能優(yōu)化，實現(xiàn)交易高峰期的實時智能營銷推送。金融行業(yè)數(shù)據(jù)規(guī)模大、時效性要求高，在高頻交易的四小時內(nèi)，該券商的埋點數(shù)據(jù)就可達5-7個億。證券公司在交易高峰期還需對海量宏觀數(shù)據(jù)、市場數(shù)據(jù)、公司數(shù)據(jù)、客戶數(shù)據(jù)等進行多方分析，瞬時內(nèi)輸出個性化的營銷推送。面對券商交易時間內(nèi)數(shù)據(jù)量大的問題，數(shù)勢科技團隊通過實時智能技術和機器學習、運籌優(yōu)化的智能決策技術，完善和優(yōu)化了數(shù)字化客戶經(jīng)營平臺，提升了日均策略的執(zhí)行量和觸達人次，確保交易高峰期的實時營銷推送。

數(shù)字化客戶經(jīng)營項目取得標簽平臺升級、策略覆蓋率與時效性提升、各場景決策效果提升的顯著成效

圍繞存量客戶精細化運營升級目標，數(shù)字化客戶經(jīng)營項目在該券商推廣落地后，在用戶運營、基金銷售、線下隊伍、投顧服務、財客運營五大業(yè)務線取得了顯著的業(yè)務效果提升。

圖 10： 數(shù)字化客戶經(jīng)營項目平臺成果

1. 標簽平臺升級。數(shù)勢科技從標簽系統(tǒng)功能、標簽體系結構、標簽運營管理機制三個維度對標簽平臺進行升級，標簽綜合使用率從15%+提升至70%+。

2. 策略覆蓋與時效性提升。數(shù)字化客戶經(jīng)營平臺落地應用后，日均觸達人次由100萬+提升至3000萬+，實時決策占比由0%提升至70%+。2021年線上用戶運營團隊進行推廣落地時，積累200+多波段的運營策略，10+終端用戶。2022年，數(shù)字化客戶經(jīng)營平臺在基金銷售、線下隊伍、投顧服務、采購運營進行推廣應用，常規(guī)執(zhí)行策略積累500+，終端用戶積累40+，日均注冊用戶的服務覆蓋率為100%。

3. 各場景決策效果提升。數(shù)字化客戶經(jīng)營平臺在券商各部門推廣后，公募基金、理財產(chǎn)品90天新客破冰率由8%提升至13%，線下投顧商機增長80%，線上開戶轉化率提升30%。

4. 政府與公共服務行業(yè)智能決策實踐

政府與公共服務行業(yè)的甲方主要有三類：

圖 11： 政府與公共服務行業(yè)行業(yè)智能決策主要應用場景

一、具備監(jiān)管類職能的單位。例如保障金融安全的銀保監(jiān)會、交易所等，以及保障公共安全的公安、國安等。這些單位基于交易數(shù)據(jù)、賬戶數(shù)據(jù)、通話數(shù)據(jù)、出行數(shù)據(jù)等合法獲取的信息，利用智能決策相關技術，及時定位問題、防范風險事件，例如金融的關聯(lián)交易發(fā)現(xiàn)，公安的犯罪嫌疑人研判等。智能決策技術在該類客戶主要的作用是提升監(jiān)管效能。例如某省公安廳建立維穩(wěn)情報信息平臺，希望借力科技信息化手段，創(chuàng)新工作機制，實現(xiàn)工作從“多部門手工研判”向“智慧型一站式研判”轉變，大力提升工作質(zhì)量和工作效率。相關智能決策廠商利用云計算、大數(shù)據(jù)、人工智能等先進技術，搭建橫向可動態(tài)擴張的軟件平臺，建立預警發(fā)現(xiàn)、分析研判的決策模型以及業(yè)務應用系統(tǒng)。

二、城市運行決策機構。例如應急管理部門、交通管理部門。這些部門利用機器學習、深度學習等技術形成城市運行決策模型，實現(xiàn)目標場景運行態(tài)勢、問題行為、突發(fā)事件的事前預案推演、事中快速響應，應用場景包括社會態(tài)勢感知、城市內(nèi)澇風險預判、疫情防控等。例如2019年北京市人社局提出的需求，通過對輿情、產(chǎn)情、企業(yè)競爭力的綜合評估，對可能存在的勞動關系用工風險進行預警和研判，為數(shù)字經(jīng)濟環(huán)境下營造和諧勞動關系提供參考和決策支撐，為相關單位提供輔助決策。相關智能決策廠商通過互聯(lián)網(wǎng)信息進行監(jiān)測，建立統(tǒng)一的互聯(lián)網(wǎng)勞動關系用工風險輿情數(shù)據(jù)主動采集服務，對存在風險企業(yè)進行上報監(jiān)測，對輿情、產(chǎn)情、企業(yè)競爭力的綜合評估，對可能存在的勞動關系用工風險進行預警和研判。

三、幾乎所有涉及行政審批的部門。審批涉及的政策法規(guī)較多，人工處置和判斷工作量大、容易出錯且耗時長，通過綜合運用OCR、NLP、RPA、知識圖譜、規(guī)則引擎、機器學習、深度學習等技術，對申報材料進行智能分析和審批，實現(xiàn)審批過程的智能申報審核、紙電一致智能核對、智能審批預決策等。

政府和公共服務行業(yè)的甲方選擇啟動智能決策項目，主要因為傳統(tǒng)的信息化已經(jīng)無法滿足他們的業(yè)務需要。隨著政府業(yè)務流程復雜化，數(shù)據(jù)量爆炸式增長，人力成本不斷提高和公眾對政府服務的便捷性、智能化要求越來越高，政府和公共服務行業(yè)的甲方需要有更加智能化的手段來進行決策，提升服務效率和準確性，降低人工成本。以涉及行政審批的部門為例，甲方對“決策大腦”的需求為完整審批流程的智能化，全面提升審批效率和準確率，最終實現(xiàn)辦事人員體驗以及政府部門人效的提升。

對于廠商而言，這些需求主要考驗廠商的技術能力、成熟的定制化服務能力、豐富的政務領域應用落地經(jīng)驗。技術能力主要體現(xiàn)在海量政務數(shù)據(jù)的處理能力，高準確率決策模型的構建能力、算法和數(shù)據(jù)的安全性等方面，成熟的定制化服務能力和豐富的政務領域應用落地經(jīng)驗指廠商對政務業(yè)務場景具有比較深的理解，在解決方案中能夠將智能決策技術與應用場景相結合，切實解決用戶的痛點需求，確保項目成功實施。

案例3：政策兌現(xiàn)智能審批系統(tǒng)助力某市高新區(qū)實現(xiàn)審批智能化，效率提高62.5%

某市高新區(qū)管理單位作為市政府的派出機構，是該市高新區(qū)的管理和服務部門，主要負責高新區(qū)的發(fā)展規(guī)劃制定、科技創(chuàng)新和體制創(chuàng)新的方針政策制定，負責為高新區(qū)建設科技中介服務體系，組織國家相關計劃項目、技術創(chuàng)新基金項目的推薦、申報和管理工作，審批高新區(qū)投資項目及各類企業(yè)機構，并實行統(tǒng)一監(jiān)督管理。

然而，在審批監(jiān)督管理工作中，日趨復雜的業(yè)務流程、爆炸式增長的數(shù)據(jù)量以及日益攀升的人力成本，使得該單位的惠企政策兌現(xiàn)工作承受巨大壓力，現(xiàn)有的信息審批系統(tǒng)無法滿足當下惠企政策兌現(xiàn)的業(yè)務需要。與此同時，企業(yè)對公共服務的便捷性、智能化要求越來越高，該單位需要更智能化的手段以輔助決策，提升服務效率和準確性，降低人工成本。

為重點解決現(xiàn)有申報系統(tǒng)企業(yè)申報端面臨的申報材料多、申報審批耗時長、企業(yè)耗費精力大等問題，以及政府審核端面臨的企業(yè)材料繁雜、審批難度大、人工審核耗時長等問題，通過對目前高新區(qū)企業(yè)政策兌現(xiàn)工作流程痛點進行分析，該單位提出以下項目建設需求，并預期政策兌現(xiàn)智能審批系統(tǒng)與現(xiàn)有平臺體系進行深度融合，同時具備良好的兼容性和擴展性，以適應業(yè)務發(fā)展需要。

圖 12： 某市高新區(qū)管理單位政策兌現(xiàn)審批流程痛點及項目建設需求

綜合上述需求，該單位需要選擇兼具成熟智能決策技術和豐富行業(yè)服務經(jīng)驗的復合型廠商進行合作。經(jīng)過多方評估，該單位鎖定了在政務領域具備智能決策定制化服務能力的淵亭科技作為合作伙伴。

淵亭科技在知識圖譜、圖計算、強化學習、深度學習等領域擁有核心技術優(yōu)勢，與多省公安廳和地市政府在智能決策應用場景上有著深入合作，行業(yè)項目落地經(jīng)驗豐富。淵亭科技自主研發(fā)的智能決策平臺，可運用知識推理解決定性分析問題、運用模型計算解決定量分析問題，充分做到了定性分析和定量分析的有機結合。平臺支持從規(guī)則/模型開發(fā)，到?jīng)Q策流編排設計，再到部署、應用、評估以及運維的智能決策全生命周期服務流程，為高效政務管理、決策提供保障。

建設政策兌現(xiàn)智能審批系統(tǒng)，對原有政策申報系統(tǒng)的低效決策流程進行智能化改造升級

為著力解決該管理單位原有申報系統(tǒng)存在的問題，實現(xiàn)智能化審批決策流程，建立惠企政策服務支撐機制，切實提高惠企政策服務能力。淵亭科技進行了為期四周的需求調(diào)研，形成政策兌現(xiàn)智能審批系統(tǒng)的建設方案。方案針對原有政策申報系統(tǒng)中的典型決策低效環(huán)節(jié)，進行審批決策智能化改造升級。

圖 13： 政策兌現(xiàn)智能審批系統(tǒng)建設項目業(yè)務架構圖

基于認知推理、智能決策、深度學習、OCR、NLP算法等技術，淵亭科技計劃對原有政策申報系統(tǒng)的政策發(fā)布、初審、復審決策流程進行智能化升級。通過智能管理政策庫和智能控制政策發(fā)布，實現(xiàn)政策發(fā)布流程智能化；通過線上申報自動核驗和紙電一致智能審核能力，實現(xiàn)審核決策智能化；運用RPA技術實現(xiàn)審批流程的自動化管理，以實現(xiàn)減少重復工作量、提升審核速度、不見面審批以及檔案臺賬電子化的業(yè)務目標。

具體實施過程中，淵亭科技將自主研發(fā)的DataExa-Sati認知智能中臺和DataExa-Karma智能決策平臺作為政策兌現(xiàn)智能審批系統(tǒng)的基礎，依靠全面的定制化服務能力，實現(xiàn)智能審批系統(tǒng)與原有申報系統(tǒng)的融合升級。

圖 14： 政策兌現(xiàn)智能審批系統(tǒng)技術架構圖

該智能審批系統(tǒng)架構分為數(shù)據(jù)層、能力層、應用層和展現(xiàn)層。

數(shù)據(jù)層：該智能審批系統(tǒng)的數(shù)據(jù)主要來自企業(yè)申報材料和基礎信息庫，申報材料主要包括產(chǎn)業(yè)相關人才及企業(yè)獎勵和補貼政策申報等申報事項所涉及到的申報材料，類型包括表格、身份證、申報表、證書、聲明文件等；基礎信息庫包括法人庫、三高企業(yè)庫、電子證照庫等目前平臺體系內(nèi)的第三方數(shù)據(jù)庫。

能力層：該審批系統(tǒng)能力層匯集了認知中臺、決策中臺和智能組件集，組件集中包括OCR組件、NLP組件、規(guī)則引擎組件、智能核對組件和RPA流程自動化組件，可為應用層各項業(yè)務功能提供支持。

① 認知中臺提供智能問答、語義挖掘、知識圖譜、知識推理、智能搜索等基礎認知能力；

② 決策中臺運用決策引擎支持決策流配置、決策流編排、分時混合決策、分流混合決策等智能決策相關的開發(fā)配置；提供智能決策、自動學習、推理服務、模型評估、智能推薦等決策能力；

③ 在智能組件集中，OCR組件提供了包括表格識別、文字識別、印章識別、證書識別、手寫字識別在內(nèi)的多種圖像類型的識別能力，以解決各類型申報材料識別的需要；NLP組件提供了相似度模型、句向量模型等處理能力；規(guī)則引擎組件提供決策規(guī)則的開發(fā)，包括申報政策審批的規(guī)則生成、規(guī)則集配置、規(guī)則管理、規(guī)則校驗、規(guī)則切換和復雜規(guī)則的設計，如政策提交的填寫規(guī)則配置；智能核對組件提供了包括核對分析、核對判斷、核對驗證等能力。

應用層：該審批系統(tǒng)應用層通過和既有的用戶體系對接，實現(xiàn)單點登錄，同時針對業(yè)務審核場景，提供了政策配置管理、政策智能申報、智能申報審核、紙電一致智能審核、智能審批決策、審批圖譜分析、流程自動化管理等功能模塊。

① 政策配置管理：通過內(nèi)置的規(guī)則引擎，政策發(fā)布人員可根據(jù)政策信息來配置可視化流程規(guī)則，為后續(xù)智能審批提供規(guī)則支持。

② 政策智能申報：該功能融合管道式、競爭式、組合式的問答策略，在用戶申報信息填寫時提供指導，為政策申報場景提供定制化的智能問答能力，幫助用戶端申報提效。

③ 智能申報審核：該模塊可運用OCR、NLP技術識別審批材料中的表格、公章、文字、數(shù)字，將識別內(nèi)容與對應政策的通過規(guī)則、約束條件進行比對，并運用語義挖掘、邏輯推理等方法自動對申報信息進行處理，輸出審核結果通過項與不通過項。

④ 紙電一致智能審核：通過智能核對、OCR、NLP等技術將紙質(zhì)申報材料與電子文檔進行智能比對，識別出紙質(zhì)文件是否與電子文檔一致。

⑤ 智能審批決策：在初審、復審的關鍵環(huán)節(jié)，智能審批決策模塊結合決策引擎中的智能決策、自動學習、模型評估能力，對政策申報審批的結果進行自動判斷，對符合申報要求的材料予以通過，對不符合申報要求的材料予以駁回，并提供優(yōu)化意見。對于無法自動給出審批結果的情況，會自動轉為業(yè)務工單，業(yè)務人員主動進行人工處理。

⑥ 審批圖譜分析：該功能利用知識圖譜技術進行審批要素的拆解和組織，形成政策申報企業(yè)畫像，為企業(yè)政策精準解讀與推送提供有效支撐。

⑦ RPA流程自動化操作：RPA流程機器人按照設置的操作流程自動完成信息查詢、規(guī)則判斷、自動點擊操作等功能，大大減少人工操作的工作量。

通過認知智能+決策智能技術，該管理單位實現(xiàn)企業(yè)政策兌現(xiàn)審批流程決策智能化、審核自動化、申報便利化

基于政策兌現(xiàn)智能審批系統(tǒng)建設項目，該管理單位在保留舊有業(yè)務平臺能力的基礎上，構建了使企業(yè)申報、政府決策更加便捷和高效的智能審批系統(tǒng)，推動了申報、審批業(yè)務流程再造與智能化方式實現(xiàn)，優(yōu)化了審核手段，提升了政策審核工作效率，為企業(yè)、政府降本提質(zhì)增效提供了全新的實踐路徑與開拓性經(jīng)驗。

圖 15： 政策兌現(xiàn)智能審批系統(tǒng)建設項目成果

在企業(yè)申報方面，減少了企業(yè)所提交的申報材料、縮短了申報審批通過時長，極大簡化了企業(yè)申報的流程，充分降低了企業(yè)申報的復雜度，使企業(yè)申報更便捷、更高效。

在材料審核方面，引入OCR圖像識別、文字匹配、智能推薦、智能審批等技術，達到了材料線上自動審核的效果，在材料預審、初審和紙電一致材料核對等環(huán)節(jié)大幅提升了處理效率和問題發(fā)現(xiàn)的能力，減少了人工審核誤差，并適當?shù)貎?yōu)化了人工審核環(huán)節(jié)，使政務工作高效化、公開化、透明化。

本項目建設有效的增強了政策兌現(xiàn)申報的服務能力，實現(xiàn)了不見面審批和檔案臺賬電子化，切實提升了高新區(qū)政策兌現(xiàn)的服務體驗，為實現(xiàn)全流程“零紙質(zhì)、零跑腿、零人工”打下基礎。

5. 結語

數(shù)智時代來臨，企業(yè)的業(yè)務流程與治理方式面臨全方位重構。企業(yè)決策不外如是，從“人治”向“智治”轉變是大勢所趨。智能決策核心價值在于讓企業(yè)可以更快、更優(yōu)地進行決策，以便更好地適應新時代商業(yè)環(huán)境，此點變得尤為重要。

價值驅動下，智能決策擁有光明的發(fā)展前景。在廣度方面，當前智能決策主要在金融、消費品與零售、國防軍工、政府與公共服務、能源、物流、航空、醫(yī)療與醫(yī)藥、制作、汽車等行業(yè)落地應用，未來將持續(xù)擴大覆蓋范圍，智能決策有在任何行業(yè)發(fā)揮價值的潛力。在深度方面，當前智能決策在金融、消費品與零售、國防軍工、政府與公共服務等行業(yè)有比較深度的應用，但在其他行業(yè)應用較淺，未來將持續(xù)向“應用深水區(qū)”邁進。同時，各市場參與者也應當看到智能決策發(fā)展道路上可能存在的阻礙點。“決策大腦”的智能決策市場的一個發(fā)展方向，智能決策以“決策大腦”為承載將有更大的展示舞臺。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關鍵詞：