美宜佳商业智能决策管理平台

美宜佳控股有限公司是国内第二大连锁便利店集团。自成立以来，美宜佳以广东为中心，并逐步在全国范围进行业务布局。目前，集团拥有美宜佳品牌门店两万多家，每日门店总客流量达2500多万。

线下零售的核心逻辑是以“场”为中心去对接“人”和“货”， 而“人货场”各自的特征要素以及它们之间的关系都在不同程度上影响着门店经营策略和结果。对于正加快在华东、华北等地区扩张门店的美宜佳而言，经过早期信息化建设，其已建有ERP、PIM、BI等业务系统，在内部积累了较丰富的“人货场”数据。现阶段，美宜佳希望用智能化的方法对人、货、场的特征要素及其关联进行分析和优化，支撑门店的稳步扩张和精细化运营。

结合业务需求、智能化可行性等因素，美宜佳决定在门店选址、门店运营、营销优化三类重要场景中引入智能化解决方案。在门店选址方面，美宜佳需要用智能化的方法在城市中确定合适的拓店区域、该区域消费者习惯以及自身定位等情况；在门店运营方面，具体包含门店评估、品店匹配、销量预测、竞品分析等应用场景，帮助美宜佳更好的制定经营策略、提高门店业绩；在营销优化方面，则需要结合人群定向，对广告投放策略做优化。

为了在上述场景中实现智能化决策，美宜佳决定打造商业智能决策管理平台。但美宜佳在相关数据的完备性、以及AI算法能力上存在不足，具体如下：

1）  数据层面，美宜佳仅掌握店内经营数据和自有供应链体系的后端数据，但缺乏外部的地理位置、周边人群、周边竞品相关的数据。同时，在与外部厂商共同探索解决方案时，美宜佳需要分享内部数据时保证其数据的隐私和安全。

2）  AI算法层面，选址、选品、消费者画像、营销的智能化分析需要大量AI模型支撑来实现，美宜佳需要外部厂商提供相关的AI模型，并用模型解决业务问题。此外，不同地区的数据分布会有较大区别，通用的模型很多时候不能直接适用，需要根据区域、环境等因素对模型做调整和迁移。

以时空数据为基础，AI模型为支撑，美宜佳为门店经营各环节提供智能化决策

在对厂商的数据、AI算法、应用解决方案等方面的能力进行评估后，美宜佳选择与维智科技合作，建设商业智能决策管理平台。维智科技是一家时空人工智能平台提供商，专注于线下场景的数字化和线上线下的时空融合，通过时空AI技术打造数字孪生体，为城市、交通、金融、地产、零售和品牌等提供精细化场景服务和智能解决方案。

基于维智Phy-gital飞吉特时空智能平台，美宜佳构建了商业智能决策管理平台，其架构上分三层：底层是联合数据仓库，包含维智科技提供的时空数据和美宜佳提供的门店数据；中间是技术服务层，包括AI模型、时空知识图谱、业务计算逻辑等；上层是各类分析应用，包括门店选址评分、门店绩效评级、归因分析、人群画像、销量预测、价格预测、竞品分析等。

针对数据层面的问题，平台通过联合数仓的形式整合了维智科技的营销智能基础数据与美宜佳的门店数据。维智科技的营销智能基础数据包含客流、画像、人群流动偏好、周边生态、交通情况、商业环境、竞合关系等类别的数据，具体包括了路网、交通、AOI（区块），POI（点位）等静态数据，以及测绘相关的人流、画像、场景、企业、经济等动态数据。在此基础上，通过梳理“人、货、场”之间的特征管理，形成时空知识图谱。为了保护美宜佳的数据隐私，维智科技将其时空数据、模型服务与美宜佳的内部数据结合，以一体机的形式部署在美宜佳的受限环境中，模型的构建、训练、管理和发布均在一体机完成，确保美宜佳的数据不出库。

针对AI算法层面的问题，平台基于分类、排序、聚类、异常发现、回归预测、溯因推理分析等技术模型，结合特征工程、自动特征计算等服务，形成画像、选址、选品、营销等方面的预测分析模型。同时，对于通用模型需要针对区域数据特征有变化进行适配的问题，维智科技通过匹配可适配的用例或特征来做模型迁移，并通过数据增强或者小样本学习来解决数据量少和样本稀疏的问题。

商业智能决策管理平台落地的价值与效果

美宜佳落地商业智能决策管理平台，用数据智能赋能门店开拓与运营，实现了以下业务价值。

1）  门店选址方面，平台为美宜佳在广东、以及华东地区选址拓店，提供了数据支持和智能化的决策依据。具体而言，通过分析当前地区用户的习惯、常驻和流动人员的习惯、场本身的特性（是周边是医院、社区、商业中心等）、周边竞争态势（供需饱和度）、交通便利性等数据，判断某个地点是否适合开店，并给出关于在该地店的评分，以及影响评分的因子。这比传统的依靠调研和专家经验的方式大幅提高了决策效率和准确率，可以支持美宜佳每年3000家门店的开店合关店决策。

2）  门店运营方面，该平台有效帮助美宜佳品牌门店和加盟门店总计4w+门店，进行数字化智能化运营。在门店评级、销售预测、归因分析、运营优化和营销优化等方面，提供线下大数据和智能预测结果辅助决策，有效指导门店运营优化。

商业智能决策管理平台的项目经验总结

第一，     线下零售业涉及的数据量大、维度多、动态更新也相对频繁，在选址选品、供应链配货以及营销等业务中需要依据这些数据做出相对实时的决策，因此复杂度和难度很大。但零售数据核心上还是围绕人货场及其关联，面对复杂的数据场景，可以考虑运用知识图谱技术，将各维度数据按人、货、场梳理，再形成场与场、人与场、货与场的关联；同时考虑运用AI模型来刻画复杂的变化规律、分析思路和决策经验。

第二，     只有店内数据无法在线下零售场景中实现智能化，因此还需要引入店外的时空数据，将地理位置、周边人群、周边竞品等外部数据与内部数据结合，才能实现1+1>2的效果。并且，在将内外部数据进行结合时，需要考虑通过相应的技术或产品设计方式保障数据的隐私安全。