随着大数据、人工智能、云计算三波浪潮的深入融合，基于AI+BI的CI已经在紧跟时代发展的企业身上落地开花。那大家是否了解AI、BI和CI是什么呢？它们在零售领域是如何应用发展的呢？

以前企业关注的是ERP、CRM、全渠道营销等信息化建设，积累了大量数据，但是数据分析与利用却很少。在数字经济智能化发展新时期，想要缩短转型路径、实现弯道超车，零售企业需要利用数字化技术深度挖掘数据价值，以数据为动能加速自身数字智能化变革，因此，AI、BI等数字化技术对于中国零售行业甚至是其他行业都成为一种刚需。

随着大数据、人工智能、云计算三波浪潮的深入融合，基于AI+BI的CI（客户智能）已经在紧跟时代发展的企业身上落地开花，在新零售2.0时代，这将成为企业最核心的竞争力。

AI、BI和CI的前世今生

所谓AI就是人工智能，是英文Artificial Intelligence的缩写。说起AI，就要从图灵机讲起。图灵(Alan Turing)是上个世纪英国的数学家，早年就读于剑桥的国王学院，后来在美国的普林斯顿读博士。他曾经在二战期间破解了德国的著名密码系统Enigma。

而他的一句言论举世闻名：“如果一台机器能够与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能”，这就是著名的图灵机。

就因为这句话，他被誉为人工智能之父。1954年，年仅41岁图灵服毒自杀。

图灵去世后两年，即1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。

由于早期的技术限制，AI的发展在上个世纪一直举步维艰，施施而行，几十年来几无建树，直到谷歌的阿法狗在围棋界战胜世界冠军后，才一举成名，重新成为大家追捧的热点。

阿法狗不同于以往的围棋程序，它不是以算法取胜，而是通过机器学习建立的模型来逐步求精成为高手。

“机器学习，自我进步”这个思想，为AI的现实应用打开了一扇窗，照见了一条康庄大道。

我们再来说说BI：

BI是英文Business Intelligence的缩写，中文叫商业智能。

BI是上个世纪末由Gartner Group最早提出的，关键在于利用数据仓库、数据挖掘和在线分析等技术对经营数据进行分析研究，以帮助企业改善经营能力，实现其商业价值。

BI本来属于前沿技术概念，可是时运不佳，始终没能在中国火起来。如今，大数据分析、数据中台、数据资产管理等潮流技术热词其实都是BI的近亲。

最后说下CI这个概念。

CI是什么？

CI就是Customer Intelligence的缩写，即顾客智能或客户智能。CI是帮助顾客变得智能？还是让使用CI产品的客户更加智能？

笔者翻阅了大量资料，其中2013年赵卫东撰写的《客户智能》这本书将CI定义为BI在客户关系管理上的应用，通过收集客户的行为数据，并对其进行分析，了解客户最需要的是什么，需求趋势是什么，需求的表现形式是什么等等。

一言以弊之，CI就是BI在客户关系分析和管理方面的应用，引申一下，笔者认为CI就是AI和BI以及其他一些新的数据分析技术在客户、顾客、会员方向的应用。

知晓抽象概念远远不够，重要的是理解这些技术如何能够更好地帮助零售企业进行数字化经营。

AI在零售业中的应用

AI的最大特点就是机器学习，而机器学习的最大的特点就是不怕烦，不怕累，能够以海量数据为依托反复进行学习训练，自动比较、步进寻优，找到最优模型，远胜人类。

而所谓的模型最简单的理解就是函数，比如Z=F(X,Y)，Z是我们要求的最优值，而F则是模型，这个模型的输入是X和Y，即X和Y是自变量，假设模型是个简单函数，例如二元一次方程，如：Z=aX+bY，X和Y是我们灌入的大量实际数据，而a和b则是模型中的一组参数，所谓最优模型就是找到最合理的参数组合[a,b]。

在没有AI时，我们是依靠人工将无数的参数值一组一组去计算，然后分析出最优Z值，从而得到最佳模型，这一过程的时间和人工成本巨大，而实际模型也不会这么简单。因此，人类的算法模型其实是受到很大的限制，大多数参数值都是根据经验得到。

而机器学习则不同，他们可以将算法粒度做到很小，用于训练的数据可以做到很大，这样得到的模型更加精确，很容易得到优于人类的模型。比如机器的a值可以取[0.001,0.002…0.999]，b值可以取[11.01,11.02… 99.99]，然后对上亿的X和Y数据进行求解，对计算的Z值进行自动比较，从而求得最佳模型，这就是AI的力量。

凭借这一特点，AI适用于多样化的零售应用场景。AI技术可以应用于几乎所有需要从数据池中寻找最优模型的零售经营的各个环节中，比如销售预测、自动补货、品类优化、促销优化、营销优化、会员画像等等。

AI在销售预测的应用示意图下图，清晰地展示了AI结合BI在品类优化环节中的部分主要着力点：

BI在零售业中的应用

BI很早就被应用于零售业中，但始终局限于专业人士的多维数据分析，通过数仓技术来建模，通过动态报表来分析，始终没有在应用理念上产生质的飞跃。直到电商和移动电商的快速兴起，基于BI技术的一些应用才重新焕发光和热。

首先是大数据的整体分析应用，使得BI分析达到了更深的层次；其次是展现形式的多样化，使得BI的结果更好的得到应用，如数控大屏分析、移动报告等等；最后在阿里、腾讯等商业科技巨头的推动下，数据中台和数据资产管理开始登上历史舞台。这些变化，迅速让BI平台技术开始被各领域接纳和应用。

BI的特点是可以把大量的多个系统的数据通过ETL(清理、转换、装载)变成统一格式的数据存储，再通过建模，将这些数据的维度特征和指标特征分门别类地用立方体存储，为后期的应用提供了一个快速的数据服务输出。

石基零售的零售BI平台(SRDP)在零售业的应用示意图

CI在零售业中的应用

CI的核心是面向客户的智能。所以，笔者认为，只要以客户为应用核心，CI既可以搭配AI技术，也可以搭配BI技术。

从更深的层面来看，客户又可以分为2B的客户，也是我们零售数字化解决方案服务商传统意义上的客户，另一种2C的客户，我们一般叫顾客，而顾客里最重要的群体就是会员。所以，在目前零售业中，CI应用以面向会员为主。

零售业讲究“人、货、场”，而”人“是其中最关键的要素，会员又是“人”这个要素中的关键成分。

零售企业如何通过对会员的管理来提升自身市场竞争力这一课题有着多层次，比如对会员如何分类、如何拉新、如何保有、如何营销、如何提升等等。

而面向浩如烟海的会员消费及行为数据，传统的ERP和CRM软件很难进行更深入细致的分析、管理、运营和提升，而基于AI和BI的CI，成为了零售行业十分期待的竞争利器。

就零售企业而言，对会员的全生命周期的科学管理和运营是让企业长盛不衰的永动机，而在会员的全生命周期中，各个阶段都有非常多的节点需要CI来帮助零售营销人员进行相关分析和运营。

无论是面向增量会员还是存量会员，都离不开行为分析、消费贡献分析、顾客画像、精准营销、客群营销、会员关怀等各种措施，而这些措施如果有CI支持，则将比传统人工报表更加有效率，更加有竞争力。

会员全生命周期的示意图CI可以在新客招募、新客转化、新客培养、客群分类、客群运营、会员提升等多个方面发挥巨大的作用。

CI在会员及营销管理的整体应用示意图

CI面向营销的主要发力点总而言之，AI、BI和CI作为面向数据的新型技术，必将在零售行业得到广泛应用，绽放其夺目的光彩。

作者：邱克；微信公众号：石基零售

本文由@石基零售 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议