2021年12月21日，“数智驱动决策”中科闻歌首届大数据与决策智能生态发布会在北京成功举办。会上，中科闻歌决策智能研究中心研究员金苗天滋博士作了题为《决策智能在商业场景中的应用》的报告，介绍了其团队在决策智能算法方面的积累，并以某烘培店为例阐述了该算法的具体落地情况。

       金苗天滋表示，商业分析包括描述性分析、预测性分析和决策性分析。描述性分析使用历史数据进行总结分析，其难度最小，有90%的商业组织在使用，但值得注意的是，观测历史数据只能发现相关性，而相关性并不能代表因果性，因此据此做出商业决策较为危险。预测性分析利用统计学、模式识别等机器学习算法做出预测，但其只能做出一定范围的预测，难以将预测精准化。决策性分析基于对环境的建模，并使用仿真、随机优化等技术进行反事实推演，其难度最大、技术门槛较高。

商业分析的分类（图片来自金苗天滋博士演讲方案）

       金苗天滋指出，决策智能在国内外的网约车调度、物流公司路径规划与集装箱问题，以及整合华为供应链等方面都有着诸多的应用，但这些决策智能技术的研究也花费了大量的经费和时间。

       基于此，中科闻歌尝试将研究的决策智能算法模型在商业上落地，并与烘焙行业头部企业幸福西饼做了探索性合作，该企业提出的目标为提升利润，其限制条件为需要对每种蛋糕做出需求估计的店长门槛较高。

      为了使企业在不确定的需求中找到最优供应量，从而取得最大的预期收益，金苗天滋及其团队提出通过历史销售数据来预测商品需求变化分布，基于此分布来推荐最优的生产决策。金苗天滋及其团队对商品的互相影响进行了建模，使用工具变量来分析商品价格与误差的相关性，从而在多产品情况下准确预估出产品的需求曲线。因此，尽管不能告诉企业每天需要生产的准确量，但是可以告诉其产品的需求分布，企业可针对不同的商品组合选择不同的生产策略。

需求概率分布（图片来自金苗天滋博士演讲方案）

      利用中科闻歌自研算法做出商业决策后，该企业的利润获得了大幅度提升，其每天成本平均下降约5%，所得利润与优秀店长的运营相比提升了近20%，与其原有供应计划相比利润提升超过了100%。

       未来，面向数智商业领域，中科闻歌将致力于更好地帮助店面启动学习决策智能算法，以及将供应链与营销相结合，形成整合的决策智能，最终技术推动更多企业做出最优的商业决策。