擂响战鼓，开启征程

推广人工智能和高级分析应用并构建相应能力通常需要两到三年的时间（参阅图3）。在新征程开启之前，消费品公司需采取一系列举措来避开常见的障碍并确保此战略快速实施。

1缩小范围，精准发力

消费品公司需要重点发展几项应用。若同时启动十到十五个项目，很可能会一直陷入概念验证阶段。部分原因在于，负责这些项目的高级经理们的注意力过于分散。事实上，那些专注于少数机会（具有最大可行性和潜在影响的机会）的公司更有可能完成大规模推广。例如，一家全球化的时尚品牌聚焦于两个重点领域：与消费者开展个性化互动和门店的个性化产品配搭能力。这使该品牌能够在数据科学和IT资源方面精准投资，同时确保了公司高层的充分参与，使项目取得成功。

2获得高管层的支持

在发起任何应用之前，消费品公司需要确保它们可以获得相应的推动力。高层管理人员（一般指国家层面或品牌层面的总经理或更高级别）应该秉持开放的态度——在部门或地区发起和试用新应用，而高级业务主管应投入20％到30％的时间来把控大局。消费品公司也应该着力确保协助落实应用场景的本地团队保持热情，因为提供端到端的人工智能和高级分析解决方案会加重他们的工作负担，而且在这个过程中也会颠覆企业固有的工作习惯。

3自建还是购买？

许多供应商提供了可以解决特定问题的人工智能和高级分析软件，这些软件是现成或半定制的。虽然现成的解决方案具有速度优势，但代价却是放弃知识产权。现成的方案不具有定制解决方案的某些功能，亦不具备公司自行研发解决方案所能收获的内部认知。消费品公司应尽早确定最适合采用现成软件的领域以及最适合自行开发解决方案的领域（只要他们拥有知识产权，也可与合作伙伴联手）。这些决策应基于流程的重要程度以及公司相比供应商的数据优势（参阅“自主开发还是购买？巧解人工智能难题”）。例如，一家化妆品公司选择打造一套定制方案，用于在具体环境下预测特定品类的市场趋势。得益于自主研发，这家公司能够完全掌控这一工具，甚至有朝一日可将其转化为竞争优势。

4满足市场的具体需求

消费者行为、数字生态系统和获取数据资产的渠道在各主要市场中的演变截然不同。企业需要尽早应对市场的具体限制或要求，否则在设计和实施阶段可能会有停滞不前的风险。

5厉兵秣马，未雨绸缪

大规模部署人工智能和高级分析解决方案通常需要企业构建全新的技术环境（反馈、存储和维护算法）、适应当前的生态系统（如替换运营等关键职能部门现有的专家系统）、统一数据结构和分类法。在原型阶段不必采取这些行动，但若企业不希望在首个试点应用成功后，面对全盘推翻重来的局面，就应该厉兵秣马、未雨绸缪。比如，虽然在对需求预测解决方案进行原型设计之前，清理和构建全球单品库存（SKU）数据库并非必要，但初步拟定统一的分类标准来定义相关产品是很重要的。

6乘风破浪，革故鼎新

系统地引进人工智能和高级分析解决方案给现有的决策流程带来了挑战，在某些情况下可以大大缩减甚至完全省去完成某些任务所需的时间。例如，一家奢侈品公司发现，高效的需求预测引擎将其供应链部门用于计划日常需求的时间缩减了60％至80％。为了避免组织阻力，公司需提前与员工进行有效的沟通，明确解释人工智能和高级分析会带来的影响，并让团队了解这些应用将给他们的工作岗位和工作方式带来哪些变化。

部署人工智能和高级分析应用可以在短期内获得显著效益，然而于消费品公司而言，更广泛的机遇在于这些应用将帮助公司把消费者置于运营模式的中心。借助人工智能和高级分析，消费品公司可以将与消费者相关的数据转化为商业洞察，然后将商业洞察分享到整个组织——从产品设计到供应链，再到营销和销售。

要实现这一目标，仅仅对人工智能和高级分析进行投资是不够的，企业还需要大刀阔斧地改造整个组织的工作方式，从董事会层面的决策到车间运营。这是一个漫长的过程，但消费品公司可以将目标聚焦于少数应用，力求精准出击、稳扎稳打，并且从始至终、坚定不移地推广这些应用，以此打响全面应用人工智能和高级分析的新征程。