AI解锁零售、旅游和消费品行业转型的三种方式
内容提要
零售、消费品和旅游行业因数据未被充分利用而损失价值，面临信任、时间和成本三大障碍。AI系统化部署能解决这些问题，如Harmons通过货架扫描减少缺货，Walmart的Ask Sam提升员工效率。数据治理是关键，Databricks平台支持实时决策，预计到2030年AI代理将主导3至5万亿美元零售支出。
延伸解读
数据税：企业数据利用的三大障碍
文章指出，零售、消费品和旅游行业因数据未被充分利用而损失价值，主要受信任、时间和成本三大障碍制约。Forrester估计60%至73%的企业数据未用于分析，而NVIDIA调查显示，扩展AI的主要障碍是数据而非技术。这些障碍导致信号与行动之间的差距，如商店缺货未被及时处理。理解这三大障碍有助于企业识别数据利用的瓶颈，并针对性地改进。
AI系统化部署的实践案例
文章列举了多个AI系统化部署的成功案例：Harmons通过货架扫描将缺货减少一半以上，定价错误减少约75%；Walmart的Ask Sam让新员工获得老员工的记忆；Airbus Skywise读取12000多架飞机的遥测数据；Delta使用生成式模型定价。这些案例表明，AI作为系统而非试点项目，能同时解决信任、时间和成本问题，提升运营效率。
数据治理：竞争护城河的关键
文章强调，数据治理而非模型本身是真正的竞争护城河。Databricks平台支持实时决策，使企业能在统一治理的基础上扩大数据视野、证明推理可信度并以机器速度行动。治理不仅解决信任问题，还通过避免重复处理数据降低成本。文章预测，到2030年，AI代理可能主导3至5万亿美元的零售支出，而治理良好的数据将成为机器可读的“店面”。
Q&A
零售、消费品和旅游行业因数据未被充分利用而面临哪些主要障碍？
这些行业因数据未被充分利用而面临三大障碍：信任、时间和成本。信任指无法相信信号并据此行动；时间指无法在时机过去前采取行动；成本指无法以所需规模读取和行动。
AI如何帮助零售业减少缺货问题？
AI通过自主货架扫描等技术帮助零售业减少缺货。例如，Harmons通过货架扫描将缺货减少了超过一半，并将定价错误减少了约75%。
Walmart的Ask Sam工具如何提升员工效率？
Walmart的Ask Sam工具为第一周的新员工提供老员工般的记忆，帮助他们在商店现场快速获取信息，从而提升效率。
为什么数据治理被认为是AI转型中的关键？
数据治理是关键，因为它是赢得信任和控制成本的基础。治理一次数据可以带来双重好处：一是可以相信数据（消除信任税），二是无需重复处理数据（消除成本税）。此外，治理良好的数据还能让AI代理读取，为未来代理商务做准备。
AI代理预计将对零售支出产生什么影响？
根据麦肯锡的预测，到2030年，AI代理可能主导全球零售支出中的3万亿至5万亿美元。
传统商业智能（BI）在数据处理上有哪些局限性？
传统BI有三个结构性局限：只能处理符合模式的数据，无法读取非结构化数据；只能回答预先定义的问题，无法发现未知模式；最终止于仪表板，需要人工干预，导致行动延迟。
AI如何帮助消费品行业改进产品创新？
AI通过持续计算读取消费者信号，取代传统的顺序人工审查，使企业能在物理投入前快速获得洞察。例如，一家全球健康与卫生公司统一了消费者研究、产品评论和社交聆听信号，将原始信号转化为可操作洞察的时间从数周缩短到数天。
在旅游行业，AI如何实现自我修复的旅行体验？
AI通过连接维护数据、预订系统和客户通知，实现自我修复的旅行。例如，当维护数据检测到中断时，AI可以自动重新预订行程、调整酒店和地面交通，并在同一条消息中告知旅客问题和解决方案。
