一整套從BI（敏捷分析）到AI（智慧決策）的完整“5A”落地路徑方法論：以智慧
決策為目標，分步構建，持續升級，協助企業客戶規劃與發展階段相匹配的數字化升級路徑，為企業打造面向未來的智慧決策大腦。
Agile 敏捷化
發展成熟的大型企業通常會配置數十套資訊平臺，新銳品牌隨著規模擴大也會不斷增加資訊平臺
的採用。傳統的數字化管理困境是，每一個平臺都用各自的介面打通，導致週會或跨部門會議時，各
團隊彙報的資料結果常出現差異。例如門店銷售資料和總部財務資料對不上等問題的出現，通常
是因為門店使用零售系統，可以檢視當日銷售資料，而資料若是晚上上傳，財務到次日才能看到，因
此資訊嚴重滯後。作為發展迅速的新銳品牌，這種低效而遲緩的數字化，勢必無法滿足運營需求。因
此，科學的數字化建設第一步便是統一資料口徑，可採用一站式的工具，接通公司內部各個系統
的資料，整合在一個平臺上展示，減少資訊差，構建敏捷的基礎分析體系，無論是資料同步還是
分析對比，效率都更高。
Accurate 場景化
單純的資料是沒有任何意義的，只有落地到業務分析場景中才能對經營產生價值，所以新銳品牌
需要集體面對的就是“資料業務化”。解決了資料口徑統一的問題後，新銳品牌需要緊密結合業務
發展階段中的核心需求，避免僅僅基於歷史資料製作靜態報告，而要形成從“資料——資訊——知識——行動”的閉環。在個性基礎分析體系中，加入必要的行業經典業務場景資料應用，
包括行業最
佳實踐，從而進一步實現從人找數到數追人的自動化分析和預警。
Automated 自動化
形成敏捷的分析體系，結合公司業務特徵與行業經典業務場景分析後，便能夠制定資料自動化更新與
異常資料預警的規則，讓公司員工從檢視資料、製作報表、分析問題的主動運營中釋放精力，讓資料
經過分析體系的過濾後，透過郵件、移動端訊息等方式推送到公司員工的面前，實現資料追人的自動
化路徑。
Augmented 增強化
實現了決策依據從經驗、歷史資料分析到實時分析洞察的突破，新銳品牌的數字化運營升級，還應支
撐品牌更好地應對未來的不確定性。讓品牌在細分領域乃至更廣闊的領域裡領先一步，實現從實時到
預測的跨越，在問題出現之前就做好預防措施。因此，進入增強化階段，新銳品牌需要基於過去的數
據積累與分析模型沉澱，進行深度分析，針對業務規律進行資料預測與業務診斷。
Actionable 行動化
當企業走過增強化階段，透過先進計算力實現更深度分析，也就能夠形成屬於品牌的知識庫，在整個
分析過程當中，結合知識庫賦能每一層業務人員行動化的建議和概念，最終一步一步達到AI演算法的深
度應用。目前，一些發展成熟的品牌已經開始AI技術的探索，比如精準營銷、新品測試、智慧補貨、
門店健康度診斷等AI專案。品牌可以透過AI預測銷量提前準備倉儲和物流，根據消費者的歷史消費記
錄、逛店路徑、瀏覽記錄等預測下一次的消費喜好，在顧客入店時做好智慧推薦等應用。
AI演算法的落地應用對於消費行業來說，定是未來趨勢。不過智慧化的前提是數字化，精準的AI預測也
是建立在強大的BI之上。因此，新銳品牌的數字化發展應遵循科學規律，觀遠資料提倡“看3年、做3
個月”，基於3個關鍵詞：以終為始、分步構建、人機協同，逐步成為智慧型的數字化運營品牌。
