颇具价值的商业洞察埋藏在品牌的海量数据当中。通过大规模使用人工智能和高级分析，消费品公司可以将这些数据转化为商业洞察，然后分享至整个组织——从产品设计到供应链，再到营销和销售。

在消费品行业的市场争夺战中，大型消费品公司近期四面楚歌，挑战一方面来自于行动敏捷的小众品牌，另一方面来自传统零售商和线上零售商，后者充分利用数据优势和与消费者的直接互动来大力推广自有品牌或替代品牌。不过，大型消费品公司有多种反击的方式，其一就是使用人工智能和高级分析将自身的数据转化为颇具价值的商业洞察（参阅“小众消费崛起，大品牌如何绝地反击？”）。

为了解消费品公司采用人工智能和高级分析的价值、影响和挑战，BCG与谷歌公司携手开展了一项研究。在研究过程中，我们采访了来自25家大中型消费品公司和五个小众品牌的高管，以及全球约百名业内专家。我们发现，通过大规模使用人工智能和高级分析，消费品公司可以做出更具前瞻性的需求预测，更符合当地需求的产品组合，还能为消费者提供个性化的服务和体验，提升营销和推广的投资回报率，缩短创新周期，从而实现超过10％的营收增长。

但对大多数大型消费品公司而言，要想充分释放这一价值依然困难重重。虽然几乎所有受访企业都已着手在核心业务中尝试应用人工智能和高级分析，但没有一家企业推广过哪怕一项应用。它们列举了许多组织结构上的障碍，诸如高管层在支持力度上谨小慎微、数据管理不善、缺少分类法（即商定的数据框架）、团队分散以及未能充分预测出人工智能和高级分析将对工作岗位和工作方式带来的影响。

诚然，企业想从人工智能和高级分析等工具中获益，就需要持续不断的协同努力，攻克各类难关。消费品公司还应精准发力，聚焦三到五项高度优先发展的领域，而非全面铺开。

让人工智能和高级分析落地

消费品公司拥有更多机会接触海量信息，从传统企业数据（从财务和运营部门获取）到消费者数据（尤其是在线消费行为），再到合作伙伴数据（一般通过工作小组、零售商、商业洞察合作伙伴或其他方），甚至包括传感器和物联网（IoT）生成的数据。然而到目前为止，消费品公司既没有将这些数据视为一种需要保护和培养的战略资产，也没有对这些数据加以运用，为企业创造实际效益。

借助人工智能和高级分析技术，企业可以从这些数据中获得可行的商业洞察。人工智能和高级分析技术最显著的应用是预测，比如预测新产品的需求水平、营销活动的效果以及新消费趋势的萌芽。

经过调研，我们找出了企业可以利用人工智能和高级分析促进业务发展的应用场景，大约有三十种之多，涉及消费品公司的所有职能部门，从营销和洞察到运营、销售和支持部门。这些场景还可用于促进如个性化助手和推荐引擎等创新服务的发展。

我们在这三十种应用场景中挑选出十种，代表了人工智能和高级分析技术能够为消费品公司带来的最大增长机遇。如果大规模推广，销售额有望增长10％以上（参阅图1）。

1．根据单品库存（SKU）和地区差异对现有产品和新产品进行需求预测

2．评估投资回报率，用以预测广告和促销支出对销售产生的影响

3．数据驱动促销，识别合适的零售门店或销售点，根据店面水平采用恰当的促销宣传活动，争取市场份额最大化

4．根据每一家商店的运营情况优化产品配搭

5．针对产品开发的趋势预测

6．缩短研发和测试的时间（经由计算机模拟）

7．灵活的、本地化、个性化定价和促销

8．精准营销

9．个性化定制消费者互动

10．人工智能驱动的诊断和推荐服务

值得注意的是，这些应用（包括趋势预测）与具备以下特点的行业最为息息相关：产品上市周期短（如化妆品行业）；采用动态定价并且需要与零售商频繁协商来有效促销的行业（在食品和饮料行业中比较少见）。

虽然甄别最有效的人工智能和高级分析应用相对容易，但在整个组织中部署这些应用却是大多数消费品公司无法完成的任务。在我们研究的三十家消费品公司中，所有都已着手实施至少一项人工智能和高级分析应用，其中一半开始试水四种或更多的应用（参阅图2）。但是没有一家公司能做到在整个组织中推广哪怕一项应用。

大规模推广，障碍重重

大多数受访的消费品公司高管均表示：扩大人工智能和高级分析技术的应用规模，并确保为内部所接受是高管们目前探讨的一个关键议题。此外，他们还列举出一些挑战。即使只推广一种应用也非常困难，因为这需要大量的投资以及整个组织的管理合作。

企业通常需要在特定国家或者为特定品牌的具体应用构建小型的概念验证（PoC）。然而，如果企业想要大规模部署概念验证，通常需要多方面的努力：发展人工智能和高级分析技术，当它们足够强大时，便可以在整个企业内部进行全球部署；开发数据，巩固数据质量，统一跨国家、跨品牌的分类法；现有的IT系统可能由于无法支持新的人工智能和高级分析技术而变得冗余，或者说当前的IT系统要在显著调整后才能提供或接收应用程序中的数据。

其它需要关注的领域还包括现有的业务流程、管理规则和岗位职责描述，因为人工智能和高级分析将改变目前的决策流程，自动执行手动任务和计算，并且改变大量员工和经理的日常职责。最后，人才和技能也是企业不容忽视的问题，因为构建和维护人工智能和高级分析应用需要一个强大的人才库（数据科学家、数据工程师和数据分析师）。消费品公司至少需要在一定程度上提升这方面的能力，以避免完全依赖第三方供应商。

鉴于以上困难，要想在消费品公司内有效推广人工智能和高级分析，必须扫清以下六个明显的障碍：

1缺乏远见

企业没有充分评估人工智能和高级分析可以为企业创造的效益，相应的奖励也不够吸引人；高管人员也没有得到充分的培训，限制了他们的投资意愿。

2主次不分

这会引发“ 概念验证爆炸”，让企业的努力付诸东流。企业与不同供应商展开多项小型测试，但没有执行任何后续操作，也没有将必要的努力投入到工业化、扩大规模和推广应用当中。

3人才缺口

识别、延揽和留住英才（数据科学家、数据工程师和数据分析师等）绝非易事，由此导致企业对外部供应商过度依赖，难以把控执行情况。与此同时，企业多次尝试发展本地人才，但往往缺乏群聚效应。

4数据管控不足

企业的数据管理、数据质量或数据所有权流程缺位，也没有统一（跨部门、跨国家）的数据分类法来推动人工智能和高级分析的大规模应用。

5低估影响力

这类企业误判了变革管理以及发展相关技能所需的投资水平。企业无法完全预测出人工智能和高级分析对现有业务流程、决策流程、管理例程以及员工日常工作和所需技能的影响。

6对市场差异考虑不足

企业往往忽略了不同市场在数字生态系统、数据可用性、渠道特征和供应商能力上有所差异。企业也未意识到，在不同市场中，市场需求、优先事项和制约因素也各有不同。