零售数字化发展史（二）：AI在数据治理中扮演的角色

2016年,韩国棋王李世石与Google人工智能程序AlphaGo之间展开了一场「人机对弈」的世纪之战。双方经过5个小时鏖战,最终以李世石1:4告负AlphaGo收官。这场人类与人工智能间的对决影响深远,AI技术在中国的应用也开始起来了。

受此事件启发,朗镜科技(Trax中国)认为AI对零售行业很有帮助,于是从那时候起就组建的AI团队,助力实体零售行业数字化转型,大大提升他们的工作效率。

为什么要使用AI?

AI带来数据客观性。当下我们面对信息极度爆发和过度碎片化的繁杂商业结构,在组织人数较少的阶段,还可以依靠人员记录反馈的方式来获取数据,而当组织愈发庞大、覆盖区域愈发广博、终端门店愈发密集的阶段,人性本惰的特性就会成为组织获取客观数据最大的障碍点。故依靠AI实现海量场景识别,从而及时、高效、客观获取终端及各节点数据,是现代型企业进行敏捷性科学决策的基本前提条件。

根据目前工业界的技术发展现状和趋势,从经济,效率,数据真实性几方面综合评估,人工智能解决方案在最近几年内依然是企业数字化解决方案的最优方案之一。

在整个门店执行相关的业务流程中,AI在很多环节都能发挥作用,并解决传统方式解决不了的问题,甚至能带来新的发现。

谁会用到AI?

Trax的图像识别AI技术在快消零售行业的应用已经近10年,涉及业务的深度和广度也发生了很大的变化,从简单是OSA(On Shlef Availability)到SOS(Share of Shelf)分析,快消品牌也从对KPIs的关注,逐步走向ROI的关注。同时,2019年Trax联合某国际日化巨头及某本土零售商联合实施了国内第一例Retail Watch解决方案(基于AIoT设备进行照片采集),未来图像识别AI技术将会深度连接零售商和品牌方,让双方在数据层面合作有更多想象空间。在实际AI应用落地过程中,较早应用的部门通常是销售部门,使用AI来替代传统的手工数据录入,随着应用的不断加深和部门间合作,越来越多的部门也期待AI数据帮助进行日常的业务管理,以下是不同部门的典型业务需求及价值。

Trax AI算法在实体零售行业的应用

目前Trax AI在实体零售识别能力上的应用大体分为以下几类:

1、SKU识别。如:SKU分销、及SKU排面识别。使用Trax解决方案,识别货架上的每一件商品,发现货架真实数据。

2、二次陈列关键KPI识别。如:地堆面积,地堆上SKU,陈列架类型及陈列情况,箱堆中整箱、开窗、割箱的数量,挂条数量等。更全面了解每个门店,每种陈列形式的执行情况。

3、POSM识别。如:爆炸贴,挂条……等。

4、陈列场景识别。如:常见的主货架、端架、地堆、冰柜,箱堆等二次陈列场景,AI能够自动识别照片内容的场景等。

5、照片合规性判定。如:翻拍照片检测,照片重复检测,照片相似检测。在Trax合规方案中还有针对摆拍验证的方案,此方案会使用AI+CS的方式来高效验证存在摆拍可能的业务照片。Trax图片合规检查解决方案,快速发现不合规照片,提升核查效率。

6、门头照识别及比对。如:是否为重复门头照,门头照是否有和周边门店门头照相似等。

Trax通过领先的AI技术,灵活和动态的方法,IoT新兴技术更便捷地构建货架数据,帮助零售商与品牌商数字化、分析并优化零售空间。Trax现场优化解决方案、Trax完美门店解决方案、Trax合同合规解决方案、Trax卓越品类解决方案、Trax图片合规检查解决方案、Trax门头照查重解决方案等等一系列组合解决方案,帮助实体零售应对各种挑战。除了计算机视觉、人工智能和图像识别,Trax独特的方法和功能组合也可以提供量身定做的解决方案,以帮助实体零售快速、规模化驾驭零售渠道管理。

从人治到数治,AI起到了最关键的作用。AI在业务流程的渗透度决定了数据在决策环节的渗透度。通过AI赋能,可以挖掘更多数据价值,为管理决策提供数据支撑。与此同时,极大的提高数据时效性,进而提升决策的及时性。AI带来的客观数据、精细数据,也为实体零售通向细颗粒度管理时代打下了坚硬的基石。

AI经过了哪些技术更迭,又是如何在业务中实现高效数字治理的?我们将在下篇《零售数字化发展史(三):AI技术迭代实现高效数据治理》中为您详解,敬请期待。