人工智能很火，但是我们是否想过企业也能进化出类似人工智能的“企业智能”呢？
文／杨华
关键词：企业智能 企业互联网 供销蛛网
马化腾仅用30字就定义出传统企业未来的样子：“未来是传统行业利用互联网技术在云端用人工智能的方式处理大数据。”如果站在企业角度，把小马哥这30个字精简一下，即是“企业智能”。
人工智能很火，但是我们是否想过企业也能进化出类似人工智能的“企业智能”呢？
第一阶段：企业数字化
企业智能的第一步首先是企业数字化，大多数企业已经完成了很大一部分工作；企业数字化分成两大部分数据，一是企业内部运营管理数据，二是企业自身产品产生的数据。
企业内部运营管理数据化，即企业内部信息化，如用ERP类软件管理进、销、存、财务、成本、HR等；用MES类软件管理生产制造过程；用CRM管理销售、客户；用SRM管理供应商等等。
企业自身产品产生的数据，完全有别于传统企业信息化的维度，是用物联网把自己企业的实物产品和自己企业本身连接起来，收集、归纳、总结、利用数据来影响企业的经营决策，为用户提供多维度的增值服务。这才是企业互联网转型之路，而不是去网上开淘宝店，或者做商城，开发APP等等。
例如一个冰箱厂家，它们知道每台冰箱都在什么地点运行？哪些冰箱损坏了？每台冰箱使用率如何？里面都装了什么？北京、上海、深圳的家庭，冰箱里分别喜欢放什么……这些产品自身作为数据终端采集的数据，也许有人就会问收集这些数据干什么？
其实，产品基础性能数据包括是否运行、电压情况、部件老化、损坏情况等等，用于改善产品本身的物理特性。产品使用数据包括在哪里、冰箱填充率、放置的物品、种类、以及物品的属性等，用于提供增值服务的原数据。增值服务数据是对应原数据，进行计算处理，基于自身产品终端推送、直接实现、诱导服务型的增值价值。
第一部分数据是用来规范企业内部管理、经营的基础数据，它决定一个企业的当前状况。第二部分数据将决定一个企业的未来，如何做出更好的产品以及提供更多有价值的服务。
企业不同于人类，企业是一个天生可被数据化的群体，一个企业的大小、盈利能力、经营状况，产品种类、产品物理特性、产品使用情况等等都可以以数据的形式描绘，完全是采用定量的形式，对企业进行数据画像。
第二阶段:互联网链接数字化企业
我们穿的衣服在网上、门店购买，门店、网上的衣服从生产厂家而来，衣服的布料由上游布料厂家提供，布料厂家又由上游提供棉花、羊毛等原材料的厂商提供，这就是我们所说的供应链，它采用信息流、物流、资金进行链接。
再进一步思考，这样的描述全部都可以数据化，并且被数据驱动。购买一件衣服，需要1米布料，一位工人，2小时加工时间；2000米纺织线，0.5小时机器生产出1米布料；0.35公斤棉花，0.5小时机器生产5000米纺织线……这些数据出自多家企业，每家企业在这个过程中，通常采用的是传统的协作模式，在整个供应链条中完全以人沟通的方式传递信息、数据。人与人的沟通70%是情绪沟通，30%是数据、逻辑沟通；而在这样的体系中，需要的只是数据、逻辑沟通就够了，完全可以砍掉70%的情绪沟通。
如果供应链之间的上下游企业直接通过互联网链接起来，那么将有什么样的好处呢？
丰田的零库存就是这样的链接模式，它和供应商链接起来实现了丰田的“零库存”；当然也有人说丰田的“零库存”是伪命题，因为库存都转移到供应商那里了，可是笔者认为是丰田的“零库存”不够彻底，那是因为其供应商的供应商没有采用这样的链接模式，从“供销蛛网”（参见企业管理杂志2014年第12期）结构看丰田只实现了第一层的链接，它没有做第二层、第三层的链接。如果每一层都实现了丰田模式中的“零库存”，那这个链接带来的价值就无可估量了。
如果我们把丰田这种链接模式翻译成计算机、企业能听懂的名词，对上游供应商叫做SRM管理；对下游叫做CRM管理。但是这两个系统解决方案都只能解决第一层的供应链，我们需要做的是无限层供应的链接，无限地延伸。
企业本身就是一个天生的以数据存在的个体，而企业数据本身是结构化、可计算、有规可循的数据，企业的这些数据集合可抽象成一个只适应企业的“企业语言”；在此基础上，采用“企业语言”+互联网即实现了企业间上下游信息的多层级流动，实现协作、链接，最终实现企业间基于互联网的即时通讯、交互。
每家企业在这样一张企业网络上都是一个点、一个个体企业被互联网连接起来，每个点负责某一个产品、某一环节的制造、或者其他经营活动，最终形成一张巨大的企业协作网络：企业互联网。
第三阶段:企业数字化模型——特斯拉数模
企业大数据分成几个层面，首先大数据不是数据量大，而是描述某种业务、事件时数据样本数量及不同维度的数据多且全。
企业数据分成两大部分，一部分是经营管理需要贡献的原数据，一部分是通过物联网贡献的产品使用原数据。
经营管理类数据，又以ERP类数据为主，外围的CRM/SRM/MES等系统的数据为辅。
在数据建模方面ERP数据是做得最好的，其本身已经有一套完整的模型和收集策略，在收集数据时辅以业务流程、管理制度规范来规定数据的录入和沉淀，最终得到一整套完整的数据。
而对应产品使用数据这部分，目前大多传统企业都处于萌芽状态，做得好的都是互联网公司，例如特斯拉，通过全车的传感器、雷达、视频等收集车辆硬件、外界、驾驶数据等，其数据分为三部分：
第一部分，车辆本身的数据，可以统称为硬件属性数据，如车辆是否启动、车辆刹车系统是否正常、车辆电池是否正常等等车辆硬件属性的数据。
第二部分，高精度数字地图，这种地图远比现在任何一个地图商所能提供的都要复杂、详尽。
第三部分，驾驶行为数据，车辆记录驾驶者的每一次转弯、刹车、加速、闪灯等细节数据。据说在一年半的时间内，特斯拉已收集逾7.8亿英里的数据信息。
企业内部数据，大多数企业早就开始做了，可是在产品使用数据上，综观整个传统行业基本是处于萌芽状态，除了互联网属性的公司做得还算可以，传统企业基本没有太大动作。
在做数据建模时特别需要考虑的是，提取数据的方法，数据的抽丝剥茧，以及如何建立一套数据模型，并取得相关数据，以及是否可被计算、加工、推导，其结论能否为企业智能提供数据。
大数据不仅仅代表其数据量大，而是全面、维度多的意思，所以业务数据模型非常重要，如果数据模型没有建立正确，再多的数据都是假的，越多越容易误导决策。在建立数据模型时需要立足业务本身，抽丝剥茧地去分析业务的各个维度，形成一套完整的数据模型。
第四阶段:商务智能呈现
有了数据，也有了好的数据模型、数据来源渠道，那么我们要如何利用好这些数据呢？那就要靠算法来实现了。
算法这个词在数学、计算机领域比较好理解，在企业管理这个领域，可以理解为带有业务逻辑、把数据集中呈现的报表、图形等形式的一种功能。
如账龄分析表，把所有的应收或应付账款按照时间进行分段展示，资产负债表把所有的科目按照业务逻辑分类汇总后的期初、期末汇总归纳呈现。
站在单个企业的角度把运营类数据经过算法梳理呈现，能获得状态、判断趋势、辅助决策、提升管理、提高效率、降低企业运营成本等等。
换句话说，算法是婴儿、数据是食物，我们要用数据来喂养这个婴儿，他才能茁壮成长，就好像阿法狗战胜李世石时阿法狗本身又进步了。
但是，这仍然只是停留在一家企业如何利用自身的两部分数据，创造有价值的数据，为本企业服务，让企业价值最大化的阶段。
第五阶段:企业智能
在互联网架构下讲究的是链接、快速、实时交付数据，企业本身已经被定义成一个个数字化个体，当把企业进行链接后会产生什么效果呢？
在企业互联网上，按照分形理论，这张大网本身就是一个超级企业，而且还拥有企业智能，因为他有各个企业的算法，有各个企业的数据；这个超级企业，如果把单个企业的BOM表（物料清单）放大一下进行计算，他就可以匹配出像苹果iPhone手机那样基于BOM表的供应企业清单列表（iPhone指定了每款零部件的供应厂商）；而这张放大、强化、进化后的“BOM+”供应商的智能供应链还能择优选择，按照质量、价格、距离、时间、供应企业实力、管理水平、规模等维度计算出一条完美的供应链出来。当这个智能网络，按照手机使用数据（即物联网链接企业自身产品的数据），进行市场分析、计算，最终分析出下一个季度需要多少台红色、多少台蓝色、多少台银色等需求信息数据；又或者这个智能网络根据数据，虚拟设计出全新款的手机投放到互联网，并定义好下单截止时间、交货时间，但实际上此时并没有任何形式的实物库存，有的只是数据；又或者根据企业物联网数据采集终端，汇总的增值服务产生的需求；又或者还有更加先进的挖掘具体需求的商业模型或者算法得到的需求。
当拥有这些需求数据后，下一步只需要把目前单个企业的MRP算法进行放大、优化，进行全网络计算，把需求数据推送到各个节点，驱动与之相关的各个节点开始运作。
例如，需求数据可以第一时间驱动玖龙纸业，准备多少纸浆用于生产iphone手机包装盒；驱动顺丰快递把成品纸送到深圳包装产线，切割生产手机盒子；再驱动顺丰快递把成品纸盒送到富士康手机产线包装刚刚下线的手机，然后又驱动顺丰快递，进行配送，最终把手机实现交付。当然，这里只描述了一种算法利用数据在一种业务形态下的运作——手机盒子这一条供应链的运行轨迹，生产一部手机还需要很多的供应链组成。当我们参透手机在“企业智能”下的运作模式后，就可以理解汽车、服装等实物产品在这样一个巨大的企业智能下的运作模式。
如果我们把在企业内部搞得如火如荼的工业4.0、3D打印加入这张网络，那么，企业智能的未来将不可限量。
其实企业互联网本身就是一个企业生命体，它集全球的需求于一身，集全球的资源于一身，集全球的供应链于一身，集全球的企业数据于一身，全球所有企业都是该企业生命体中一个个相互协作的细胞，这些细胞被互联网联系起来，用自身的大数据在自身独特的智能算法下成长、进化，诞生出新的更高阶的智能，这就是“企业智能”。■
作者单位 深圳市企企通科技有限公司
|
京ICP备12008127
