【亿邦动力讯】12月24日，真智能联合创始人、CMO张俊九在2022亿未来零售大会上发表了题为《数字员工不是虚幻，电商业务的AI协同实战》的演讲。他指出，虽然各平台流量趋于分散，私域流量蓬勃发展，直播电商如火如荼，但如何“因势利导，明道出类拔萃”是所有企业都要不断思考的问题，但从长远来看，永远不变的是品牌和产品，这才是零售和电商的核心竞争力。 　　

　　张俊九进一步说，第一，未来不需要那么多人工作，而是需要工作的机器人，也就是劳动力的形态会发生变化。第二，有很多预算意识的老板，不如让数字员工帮你算账。因为面对海量数据时会失去焦点，核心指标可能会淹没在数据中，所以需要从自上而下的角度来看待整个运营。第三，所有没有经验沉淀的操作都是“流氓行为”。为了避免出现“人离开了经验，团队变动就要重新学习”的情况。通过数字化的解决方案，可以将运营经验沉淀在数据处理逻辑和模型中，从而使运营更具持续性。 　　

　　据悉，2022亿未来零售大会于12月23日至24日在上海举行。本次会议采用“1 3论坛”的模式，特别以“新世界”为主题。旨在与业界携手，在互联网新旧技术交接沉淀之际，观察市场的质变，探索新世界的生存之路。现场50多位重量级嘉宾共同做客，就未来商业的底层逻辑、运营规则、物种变化等话题进行了深入探讨。 　　

　　温馨提示：本文为速记初稿，保证嘉宾原意，无删节或错误，请见谅。 　　

　　以下为演讲实录： 　　

　　张俊九：今天，我给大家分享一下。什么是数字化员工？它如何赋能电商业务的协作？员工不是虚幻的，而是真实机器人的数字化员工。 　　

　　“因势利导，明道，高超的技术”，你为什么会想到这三个字？年底拜访客户时，发现大家在双十一后的焦虑情绪逐渐显现出来。首先，从趋势上来看，战场上的流量是分散的，平台上的流量可以说是消失了，而私域上的流量同时在蓬勃发展。大部分客户开始建立会员体系，对会员进行全生命周期的运营，所以流量贫富不均。 　　

　　第二是直播电商的普及。Tik Tok Aauto quickless的直播电商的流行，实际上把我们的运营周期缩短到了分钟级别。品牌和产品是最重要的。这是我们作为零售和电商的核心竞争力。长远来看，还是要做好自己的品牌和产品。 　　

　　在这种背景下，这种趋势必然导致决策的选择。从方法论的角度来说，更注重流量，即跨平台、多店的流量，拥抱直播，做好会员私域运营。二是更加注重数据运营。从平台自身第三方数据的整合、分析、利用来看，大家更注重数字化建设。三是提高质量，降低成本，增加内部操作环节的效率。 　　

　　你可以这样想。很多人都在涌入电商行业。有人帮你选货。有完善的供应链体系、电商平台、代理运营体系，还有完善的售后服务和数据分析平台。很多时候，我们把整个产业链分解成小的专业化环节。你只需要能够有效地将它们串在一起，就可以实现一个生态。 　　

　　“优术”就是如何选择和面对这种背景。首先是数字化和自动化，可以发挥数据的价值。二是平台的私域，这里平台是根本，私域是增量，供应链效率，产品创新，运营智能。三是根据数据表现及时进行恢复，提高运行效率。 　　

　　在这种背景下，从越来越激烈的竞争到工具的选择，再到最终的运营决策 　　

　　今天的分享包括三个部分：第一个是电商业务的数字化运营解决方案，不算大，也不算全，而是基于RPA AI数据平台和非常轻量级场景的BI解决方案。二是电商运营自动化解决方案，如何在各种场景下帮助零售电商企业降本增效。第三是一页的公司介绍。 　　

　　我们来看看电商业务的数字化运营解决方案。事实上，它是一个非常简单的基于场景的轻量级解决方案，可以部署在单台机器上。首先，所有的智能都依赖于底层的数据逻辑。在数据层，底层业务软件可以调用各种交易账户、业务后台、CRM、ERP、WMS，包括本地表数据。这些数据源是通过RPA机器人自动获取和整理的，我们的运营主题是通过数据处理构建的。这个主题可以横向扩展。基于数据采集和整理设置操作主题，并通过BI展现出来，就是这样一个非常轻量级的解决方案。 　　

　　我用一个案例给你解释。简单来说，分为四步：第一步，确定核心业务指标。很多时候，数据多了会导致新的信息不对称。这时候就需要根据不同的客户类别和平台的不同阶段，对核心业务指标进行梳理。第二，这些业务指标的底层数据逻辑是什么？我们阐明了它的数据源和处理逻辑。第三，如何获取这些数据？这些数据通过哪些系统？什么粒度？怎么处理？怎么算？第四步，投入运营，越来越稳定。这四个步骤，让我们从末端更清晰的梳理出围绕核心指标的底层数据。 　　

　　特别是负责运营的同学和IT的同学，经常会遇到一些问题，比如说平台的规则变化太快，他们想把数据逻辑沉淀下来，如果平台的规则变了，整个系统要重做吗？其实我不需要。确保你在这里的顶层。 　　

举一个最简单的例子，比如说3天无理由退货和7天无理由退货，唯一区别是3和7，但是无理退货可以作为一个定义，我们只需要维系好底层数据逻辑的定义，这是非常重要的。

第二个是数据安全如何保障？是否可以私有化部署？其实我们是可以支持私有化部署，可以根据客户环境进行定制。

第三个，是否兼容数据平台和模块？RPA+AI+数字平台+BI，是一个整体解决方案，也可以将单独的模块进行部署，和客户现有的系统进行集成和对接。

举一个实战的客户例子。我们的一个客户采用阿米巴的经营模式，店群规模非常大，把店长或者说店铺作为合伙人来做，后端提供统一供应链，前端运营全部交给店长去做。它最简单的痛点就是业财对账及分析：1、多平台、多店铺、多渠道、多口径、多规则、多环节，使得每一家店铺的运营和另外一家都不一样。2、数据采集和加工汇总工作重复性高、效率低、易出错。公司财务人员每天都在做各种帐务的核对工作。3、整个过程缺少系统化数据沉淀，根本没有办法做到方便的历史数据的回溯。4、缺少数据权限管控，影响数据安全。5、老板缺少顶层视角，无法随时随地一览无余看到店铺运营情况。

基于这样的痛点，我们设计了一套方案，这个例子是它的利润计算，也就是财务场景各种数据的计算。我们刚才讲过要分四步走，第一步是明确指标，分层梳理数据源和加工逻辑。它的底层就是店铺收款账户、ERP系统、财务系统、本地数据、平台数据。把这些数据梳理出来之后，它里面是有很多字段的。比方说在账单明细里面，支出金额大概就分了花呗、信用卡、积分、运费险等等，所有这些数据字段全部定义好，它是属于什么样流向的，哪些是支出，哪些是费用，哪些是佣金，哪些是推广，再往上定义财务口径，比如说实收，支出，货物成本，辅料，运费等等来计算最终希望看到的销售额、退货率、毛利、营销成本、库存周转。

通过这样的梳理，第一把数据资产做一个梳理。第二把加工逻辑按照财务口径做原数据定义。第三把核心指标公式固定下来。当有数据从底层获取到的时候，系统就会自动将所有的核心指标展现出来。如果核心指标发生波动的时候，还可以从上往下去下钻数据。

关于最终数据连接和BI展现，我想讲几点：第一，我们的数据是多维度、多种类和多形态的，可能是表格的数据，可能是实时动态的平台数据，也有可能是非结构化的数据。比如商品下面的客户评论、一些新品测试的客户反馈，这些就是非结构化的文字数据。

这是我们做出来的效果图，这是业财对账的场景，就是它的销售额、毛利、客单价、商品销售退款等情况。从全局链路核心指标，到支付趋势数据和分析，还有访客人数大盘的分析，它的展现是丰富多样的，所有展现都是通过拖拉拽的方式。

这样的快速数据展现还可以集成到多端，小程序或者每天的表格推送或者钉钉企业办公自动群，都可以带来非常方便的数据展现。

实施后的效果总结：

1. 每天早6点自动采集各维度数据，计算500+店铺的日利润，耗时2小时左右；

2. 数据展现形式包括报表、趋势图、排名情况、波动原因分析（数据下钻）；

3. 数据采集和加工过程，沉淀了大量的历史数据，并进行了不同维度的汇总；

4. 财务人员从40+减少到20人，直播数据获取等集中运营操作全自动化；

5. “H总”很兴奋，也很幸福；

刚才讲了很多，其实最核心的是什么呢？为了获取这样一个结果，有大量的人每天都在做着简单、重复、有规则的活动，所以我们很核心的技术就是使用RPA技术自动获取这些数据。RPA是什么呢？简单来说就是模拟人来完成人机交互，它是一款操作软件的软件，我们在电脑上操作各种ERP数据，登陆系统，加工，所有操作都可以用RPA完成，根据我们设定好的程序完成任务。

它其实有几个比较好的价值体现。第一，不会出错。当规则不明确的时候，宁愿不做，但是不会出错。第二，可以整体帮助我们降低25-50%运营成本。第三，大幅增效，用机器人替代人工做这些基础工作，业务效率提升3-5倍，某些场景下甚至可以达到10倍以上。第四是非侵入方式部署，RPA机器人就是在桌面电脑上的小助手，模拟你的行为完成所有操作，并没有对现有系统产生任何负担或者额外的对接，并且部署非常方便。

虽然RPA能完成这么多自动化操作，但人其实是有不可替代性的，因为人具有思考能力和创新能力，所以数字员工也在不断地学习这样的能力，比方说可以理解商品评论，它可以识别一个图片，一个验证码，可以识别一个图片文本。同时还可以通过大量数据的学习，通过一些模型来完成场景的智能决策，这就是我们一个小型的机器学习平台。

这样的能力其实是增强了自动化，实现了智能流程的自动化，让机器人参与到更多的工作流程当中，这是我们目前努力的方向。只需几步就可以把流程快速搭建出来，在PC或者手机上就可以运行的自动程序。大家可以想象一下它的应用场景。

我们已经可以在很多应用市场直接下载，配置一些参数就可以直接使用。特别复杂的业务流程其实是可以通过流程引擎来进行维护，尤其是财务端，它的细节特别多。比如说全部退款，部分退款，退款之后有没有涉及到优惠券？所以在财务处理逻辑都是不一样，我们可以通过这样的流程引擎将规则勾画出来，后续维护单点就可以了，这就是复杂业务流程的可视化编排。

所有的机器人在电脑上自动执行，执行后的数据怎么办呢？我们怎么给机器人来安排任务呢？每个机器人应该干什么活？这个时候就需要一个中枢控制台，机器人完成数据采集之后可以上传到平台，所以它又是一个轻量化数据平台，可以实现全方位实时监控，高密度的部署，执行计划的制定，还有数据治理的底座。

数据上来了是不是应该做模型和计算了？所以我们又提供了云脑，可以将一些模型搭建出来，快速部署，并且部署之后能够看到整个情况。这是单机部署的可训练机器平台，它是在线可以自学系平台，通过人工标注让它每天去学习。

既然机器人能帮助我们做这些动作，到底是什么形态在工作呢？比如说不同平台登陆查询数据、获取数据，并产生经营分析整个过程，比如说从电商平台下载数据，自主运行，非常快，我们只需要把任务设定好，每天几点获取当天的数据就可以了。

再比如说电商平台店铺数据获取和整理，我们的几个客户现在都遇到了这个问题，大量的人每天下载数据整理，提供给运营总监。

还有获取收款账户数据并整理，虽然只是退款的场景，但是可能涉及到合并订单、拆分订单，仅退款、换货再退货、权益金等等，这些也是可以做到自动实现的。

除了这些场景之外，还有非常多的场景，比方说快速测评，一键上新，我们有一个客户一天大概需要上7000个产品，因为它是小饰品，需要大量上架，我们用机器人取代人工之后，以前8个人干，现在4个人，加上几个机器人，而且现在上架的数量更多了。

财务场景经常遇到的是通过网银下载流水和回单，有一个地产公司约有100多个账户，有6个专职员工，RPA上线之后2个小时全部自动完成，效率提升将近10倍。这样的数字员工可以大大提升运营的效率。

为什么是我们作为专业数字员工解决方案？这里有一页纸公司介绍，我们叫“实在人，实在事”。团队现在有300多人，分布在北上广深杭、厦门、成都。我们现在有1万多个机器人在服务客户。

最后总结几句话吧，在我们服务客户，和大量客户交流过程中，总结了这么几句话。第一，在未来我们不需要那么多人干活，而是需要干活的机器人，也就是劳动力的形态会发生变化。第二，精打细算的老板很多，不如数字员工帮你算账。因为面临这么多数据的时候，你的焦点已经失去了，你关心的指标可能已经淹没在数据里面，需要从上而下的顶层视角来看整个运营情况。第三，没有沉淀经验的运营都是“耍流氓”，为什么这么说呢？经常会出现人一走经验也走了，团队一换重新要学一遍的情况。通过数字化解决方案能够将我们的经验沉淀在数据加工逻辑和模型里面，从而使得运营更加的有延续性。

最后，这是我们的使命：为全社会贡献100万个数字员工，谢谢大家。