頗具價值的商業洞察埋藏在品牌的海量數據當中。通過大規模使用人工智能和高級分析，消費品公司可以將這些數據轉化為商業洞察，然后分享至整個組織——從產品設計到供應鏈，再到營銷和銷售。

在消費品行業的市場爭奪戰中，大型消費品公司近期四面楚歌，挑戰一方面來自于行動敏捷的小眾品牌，另一方面來自傳統零售商和線上零售商，后者充分利用數據優勢和與消費者的直接互動來大力推廣自有品牌或替代品牌。不過，大型消費品公司有多種反擊的方式，其一就是使用人工智能和高級分析將自身的數據轉化為頗具價值的商業洞察。

為了解消費品公司采用人工智能和高級分析的價值、影響和挑戰，BCG與谷歌公司攜手開展了一項研究。在研究過程中，我們采訪了來自25家大中型消費品公司和五個小眾品牌的高管，以及全球約百名業內專家。我們發現，通過大規模使用人工智能和高級分析，消費品公司可以做出更具前瞻性的需求預測，更符合當地需求的產品組合，還能為消費者提供個性化的服務和體驗，提升營銷和推廣的投資回報率，縮短創新周期，從而實現超過10％的營收增長。

但對大多數大型消費品公司而言，要想充分釋放這一價值依然困難重重。雖然幾乎所有受訪企業都已著手在核心業務中嘗試應用人工智能和高級分析，但沒有一家企業推廣過哪怕一項應用。它們列舉了許多組織結構上的障礙，諸如高管層在支持力度上謹小慎微、數據管理不善、缺少分類法（即商定的數據框架）、團隊分散以及未能充分預測出人工智能和高級分析將對工作崗位和工作方式帶來的影響。

誠然，企業想從人工智能和高級分析等工具中獲益，就需要持續不斷的協同努力，攻克各類難關。消費品公司還應精準發力，聚焦三到五項高度優先發展的領域，而非全面鋪開。

讓人工智能和高級分析落地

消費品公司擁有更多機會接觸海量信息，從傳統企業數據（從財務和運營部門獲取）到消費者數據（尤其是在線消費行為），再到合作伙伴數據（一般通過工作小組、零售商、商業洞察合作伙伴或其他方），甚至包括傳感器和物聯網（IoT）生成的數據。然而到目前為止，消費品公司既沒有將這些數據視為一種需要保護和培養的戰略資產，也沒有對這些數據加以運用，為企業創造實際效益。

借助人工智能和高級分析技術，企業可以從這些數據中獲得可行的商業洞察。人工智能和高級分析技術最顯著的應用是預測，比如預測新產品的需求水平、營銷活動的效果以及新消費趨勢的萌芽。

經過調研，我們找出了企業可以利用人工智能和高級分析促進業務發展的應用場景，大約有三十種之多，涉及消費品公司的所有職能部門，從營銷和洞察到運營、銷售和支持部門。這些場景還可用于促進如個性化助手和推薦引擎等創新服務的發展。

我們在這三十種應用場景中挑選出十種，代表了人工智能和高級分析技術能夠為消費品公司帶來的最大增長機遇。如果大規模推廣，銷售額有望增長10％以上（參閱圖1）。

1．根據單品庫存（SKU）和地區差異對現有產品和新產品進行需求預測

2．評估投資回報率，用以預測廣告和促銷支出對銷售產生的影響

3．數據驅動促銷，識別合適的零售門店或銷售點，根據店面水平采用恰當的促銷宣傳活動，爭取市場份額最大化

4．根據每一家商店的運營情況優化產品配搭

5．針對產品開發的趨勢預測

6．縮短研發和測試的時間（經由計算機模擬）

7．靈活的、本地化、個性化定價和促銷

8．精準營銷

9．個性化定制消費者互動

10．人工智能驅動的診斷和推薦服務

值得注意的是，這些應用（包括趨勢預測）與具備以下特點的行業最為息息相關：產品上市周期短（如化妝品行業）；采用動態定價并且需要與零售商頻繁協商來有效促銷的行業（在食品和飲料行業中比較少見）。

雖然甄別最有效的人工智能和高級分析應用相對容易，但在整個組織中部署這些應用卻是大多數消費品公司無法完成的任務。在我們研究的三十家消費品公司中，所有都已著手實施至少一項人工智能和高級分析應用，其中一半開始試水四種或更多的應用（參閱圖2）。但是沒有一家公司能做到在整個組織中推廣哪怕一項應用。

大規模推廣，障礙重重

大多數受訪的消費品公司高管均表示：擴大人工智能和高級分析技術的應用規模，并確保為內部所接受是高管們目前探討的一個關鍵議題。此外，他們還列舉出一些挑戰。即使只推廣一種應用也非常困難，因為這需要大量的投資以及整個組織的管理合作。

企業通常需要在特定國家或者為特定品牌的具體應用構建小型的概念驗證（PoC）。然而，如果企業想要大規模部署概念驗證，通常需要多方面的努力：發展人工智能和高級分析技術，當它們足夠強大時，便可以在整個企業內部進行全球部署；開發數據，鞏固數據質量，統一跨國家、跨品牌的分類法；現有的IT系統可能由于無法支持新的人工智能和高級分析技術而變得冗余，或者說當前的IT系統要在顯著調整后才能提供或接收應用程序中的數據。

其它需要關注的領域還包括現有的業務流程、管理規則和崗位職責描述，因為人工智能和高級分析將改變目前的決策流程，自動執行手動任務和計算，并且改變大量員工和經理的日常職責。最后，人才和技能也是企業不容忽視的問題，因為構建和維護人工智能和高級分析應用需要一個強大的人才庫（數據科學家、數據工程師和數據分析師）。消費品公司至少需要在一定程度上提升這方面的能力，以避免完全依賴第三方供應商。

鑒于以上困難，要想在消費品公司內有效推廣人工智能和高級分析，必須掃清以下六個明顯的障礙：

1缺乏遠見

企業沒有充分評估人工智能和高級分析可以為企業創造的效益，相應的獎勵也不夠吸引人；高管人員也沒有得到充分的培訓，限制了他們的投資意愿。

2主次不分

這會引發“ 概念驗證爆炸”，讓企業的努力付諸東流。企業與不同供應商展開多項小型測試，但沒有執行任何后續操作，也沒有將必要的努力投入到工業化、擴大規模和推廣應用當中。

3人才缺口

識別、延攬和留住英才（數據科學家、數據工程師和數據分析師等）絕非易事，由此導致企業對外部供應商過度依賴，難以把控執行情況。與此同時，企業多次嘗試發展本地人才，但往往缺乏群聚效應。

4數據管控不足

企業的數據管理、數據質量或數據所有權流程缺位，也沒有統一（跨部門、跨國家）的數據分類法來推動人工智能和高級分析的大規模應用。

5低估影響力

這類企業誤判了變革管理以及發展相關技能所需的投資水平。企業無法完全預測出人工智能和高級分析對現有業務流程、決策流程、管理例程以及員工日常工作和所需技能的影響。

6對市場差異考慮不足

企業往往忽略了不同市場在數字生態系統、數據可用性、渠道特征和供應商能力上有所差異。企業也未意識到，在不同市場中，市場需求、優先事項和制約因素也各有不同。

擂響戰鼓，開啟征程

推廣人工智能和高級分析應用并構建相應能力通常需要兩到三年的時間（參閱圖3）。在新征程開啟之前，消費品公司需采取一系列舉措來避開常見的障礙并確保此戰略快速實施。

1縮小范圍，精準發力

消費品公司需要重點發展幾項應用。若同時啟動十到十五個項目，很可能會一直陷入概念驗證階段。部分原因在于，負責這些項目的高級經理們的注意力過于分散。事實上，那些專注于少數機會（具有最大可行性和潛在影響的機會）的公司更有可能完成大規模推廣。例如，一家全球化的時尚品牌聚焦于兩個重點領域：與消費者開展個性化互動和門店的個性化產品配搭能力。這使該品牌能夠在數據科學和IT資源方面精準投資，同時確保了公司高層的充分參與，使項目取得成功。

2獲得高管層的支持

在發起任何應用之前，消費品公司需要確保它們可以獲得相應的推動力。高層管理人員（一般指國家層面或品牌層面的總經理或更高級別）應該秉持開放的態度——在部門或地區發起和試用新應用，而高級業務主管應投入20％到30％的時間來把控大局。消費品公司也應該著力確保協助落實應用場景的本地團隊保持熱情，因為提供端到端的人工智能和高級分析解決方案會加重他們的工作負擔，而且在這個過程中也會顛覆企業固有的工作習慣。

3自建還是購買？

許多供應商提供了可以解決特定問題的人工智能和高級分析軟件，這些軟件是現成或半定制的。雖然現成的解決方案具有速度優勢，但代價卻是放棄知識產權。現成的方案不具有定制解決方案的某些功能，亦不具備公司自行研發解決方案所能收獲的內部認知。消費品公司應盡早確定最適合采用現成軟件的領域以及最適合自行開發解決方案的領域（只要他們擁有知識產權，也可與合作伙伴聯手）。這些決策應基于流程的重要程度以及公司相比供應商的數據優勢（參閱“自主開發還是購買？巧解人工智能難題”）。例如，一家化妝品公司選擇打造一套定制方案，用于在具體環境下預測特定品類的市場趨勢。得益于自主研發，這家公司能夠完全掌控這一工具，甚至有朝一日可將其轉化為競爭優勢。

4滿足市場的具體需求

消費者行為、數字生態系統和獲取數據資產的渠道在各主要市場中的演變截然不同。企業需要盡早應對市場的具體限制或要求，否則在設計和實施階段可能會有停滯不前的風險。

5厲兵秣馬，未雨綢繆

大規模部署人工智能和高級分析解決方案通常需要企業構建全新的技術環境（反饋、存儲和維護算法）、適應當前的生態系統（如替換運營等關鍵職能部門現有的專家系統）、統一數據結構和分類法。在原型階段不必采取這些行動，但若企業不希望在首個試點應用成功后，面對全盤推翻重來的局面，就應該厲兵秣馬、未雨綢繆。比如，雖然在對需求預測解決方案進行原型設計之前，清理和構建全球單品庫存（SKU）數據庫并非必要，但初步擬定統一的分類標準來定義相關產品是很重要的。

6乘風破浪，革故鼎新

系統地引進人工智能和高級分析解決方案給現有的決策流程帶來了挑戰，在某些情況下可以大大縮減甚至完全省去完成某些任務所需的時間。例如，一家奢侈品公司發現，高效的需求預測引擎將其供應鏈部門用于計劃日常需求的時間縮減了60％至80％。為了避免組織阻力，公司需提前與員工進行有效的溝通，明確解釋人工智能和高級分析會帶來的影響，并讓團隊了解這些應用將給他們的工作崗位和工作方式帶來哪些變化。

部署人工智能和高級分析應用可以在短期內獲得顯著效益，然而于消費品公司而言，更廣泛的機遇在于這些應用將幫助公司把消費者置于運營模式的中心。借助人工智能和高級分析，消費品公司可以將與消費者相關的數據轉化為商業洞察，然后將商業洞察分享到整個組織——從產品設計到供應鏈，再到營銷和銷售。

要實現這一目標，僅僅對人工智能和高級分析進行投資是不夠的，企業還需要大刀闊斧地改造整個組織的工作方式，從董事會層面的決策到車間運營。這是一個漫長的過程，但消費品公司可以將目標聚焦于少數應用，力求精準出擊、穩扎穩打，并且從始至終、堅定不移地推廣這些應用，以此打響全面應用人工智能和高級分析的新征程。