摘要：当“生成式AI赋能业务分析”的概念频繁出现在各类峰会PPT与战略会议，但多数企业却仍深陷“选不准场景、跨不过挑战、推不动业务”的泥潭；当企业想启动AI项目却怕选中“伪需求”场景，遭遇数据孤岛、业务团队抵触等难题却无计可施，流程跑通却也难以为继……

当“生成式AI赋能业务分析”的概念频繁出现在各类峰会PPT与战略会议，但多数企业却仍深陷“选不准场景、跨不过挑战、推不动业务”的泥潭；当企业想启动AI项目却怕选中“伪需求”场景，遭遇数据孤岛、业务团队抵触等难题却无计可施，流程跑通却也难以为继……

为破局以上困境，「数智·渐进力——2025观远数据智能决策峰会暨产品发布会」现场，一场以“从概念到落地：共探GenAI赋能数据分析洞察的MVP实践路径”为主题的AI跨界对话，由观远数据COO鲁伊莎主持，在来伊份CEO综合办公室主任兼CIO徐雄杰、歌力思数字化中心负责人李凌、西瓜创客BI业务负责人年家庚三位零售、时尚、互联网行业数智化实践先锋中展开。

三位跨行业先锋携实战经验，带来“纯干货”深度分享：从避开“大而全”找准高价值切入点的AI落地场景选择逻辑，到解决数据割裂与执行阻力等核心难题的挑战破局方法，至让业务主动用起来的业务推广策略，及通向AI自动化决策的未来路径——各环节及方法均扎根实战、经业务检验。

他们以经验证明，GenAI在数据分析洞察领域的落地并非“玄学”，而是有迹可循的智慧。对话核心即传递这份“可复制、能落地”的智慧，助力更多探索中的企业少走弯路，快速打通“从技术概念”到“业务实效”的关键链路。

以下为对话实录整理，内容有所删减，完整对话可关注观远数据视频号观看峰会直播回放。

AI落地场景选择逻辑：从“痛点匹配”到“价值优先”

鲁伊莎：

针对GenAI应用在数据分析与洞察领域的落地场景，来伊份、歌力思、西瓜创客都选择了“清晰而具体”的场景启动——来伊份聚焦门店运营诊断，歌力思瞄准周会数据分析，西瓜创客从流量转化切入。想请教各位：为何优先选择这些场景作为GenAI在数据分析与洞察领域的切入点？

徐雄杰（来伊份）：

来伊份自1999年成立至今已有25年，技术建设历经“信息化、数字化、智能化”三阶段。过去 5-6年间，公司年均技术投资超1亿元，建设5大业务中台和数据中台，赋能业务全渠道发展，从这样的重投入中也能看出来伊份对信息化、数字化、智能化建设的重视。

重投入的结果是，我们在集团业务板块拥有了比较强的数字化和在线化能力，目前业务基本实现了通过数据和模型做决策，同时手机移动端应用超过了pc端，随时随地提供业务人员对市场的反馈和决策。

但随着数据量的激增和业务的不断拓展，我们需要的不再是单纯的看数据，而是通过数据分析获得决策建议和行动指导，并在行动的同时能够预估收益，现从“追业绩结果”到“控过程指标”的转变。

选择门店运营诊断场景，正是基于这一前提：借助观远数据的工具，让问数、看数、决策的动作更便捷，让一线人员能够直接执行精准决策，且明确知道执行后能带来什么效果。

目前该场景已覆盖3000余家门店，8000多名店员都在积极使用。作为和观远数据合作了八年的老客户，后续我们也将持续与观远共创，把产品做得更好，进一步提升决策准确性，推动更高业务效益与更多社会效益的产生。

李凌（歌力思）：

歌力思在2023年与观远数据合作，这两年在观远的帮助下，我们的数据平台建设得非常快速，得以能够积极地探索AI应用。

在场景选择上，我们遵循了三大核心标准：

第一，具备高ROI的场景。场景需高频发生、高痛点且高价值，解决后能直接改善业绩与利润；

第二，广用户覆盖。从高管到一线员工均能使用，最大化工具价值；

第三，强数据基础。业务核心数据已在系统内结构化，能够为AI提供高质量的数据输入。

选择场景之初，我们有两个方向的选择，对应观远问数Agent（ChatBI）和观远洞察Agent两个产品能力，我们优先选择了洞察能力。相较于单纯的问数，洞察Agent实现了“问数 - 归因 - 决策”闭环，大幅降低一线学习门槛，真正赋能业务落地。

年家庚（西瓜创客）：

我非常认可观远数据提出的“AI+BI智能决策落地中选择大于努力”的观点。在场景选择上，西瓜创客在价值层面判断是：AI应该在一个能带来业务增量的场景里落地，为公司带来增长，而非仅通过提升效率、减少人力来获得收益。

具体筛选时，我们聚焦了三个条件：

第一，选成熟的业务场景。完善的数据基建、清晰的分析思路、特别是人工过往实践过的场景。这代表着明确的评估标准，对于场景价值能更快达成共识，且便于优化AI模型。

第二，选细分的业务环节。一个小而独立的场景，才能在短时间内做闭环验证，也有充分的时间做到“好用”。精准解决用户的痛点，有助于建立起对AI工具的初始信任；

第三，选业务骨干作为首批用户。最专业的“超级用户”不仅能给出宝贵的优化建议。当他们认可并拥抱这个工具时，也自然会成为AI落地最有力的“代言”。

基于以上条件，我们最终选定流量转化场景，正是因为它能够真正对业务产生价值，能够快速验证AI实效。

AI落地挑战破局：技术与组织的双重攻坚

鲁伊莎：

AI落地的过程往往都是“知易行难”。来伊份在推进“门店运营诊断”场景落地时，主要遇到了哪些挑战？又是如何解决的？

徐雄杰（来伊份）：

核心挑战集中在“高层变革坚定、场景切入聚焦、内部共识漫长”三个问题上，破局路径可以总结为三点：

第一，从成熟Al场景切入，建立标杆。Al当前最成熟的三大场景是人机对话、内容生成、代码编写，我们优先从这三类成熟场景切入，联合业务部门共创，核心是帮业务拿到降本、提效、增收的实际价值。落地一个标杆案例，让公司所有人对AI价值从“因相信而看见”转变为“因看见而相信”。

第二，复盘过往项目，统一组织共识。共识是AI落地的最大难点，我们花了2个多月复盘过去年做过的数字化项目，梳理出70多个可以被AI颠覆的机会点，据此向董事长提交3-5年的AI规划，先统一高层认知；随后确定4条短期业务线，并和业务线的4位VP及CEO、CIO、各业务部门总监组建跨职能项目组，明确场景落地的硬目标。

第三，聚焦核心业务线，建设落地势能。来伊份聚焦的4条短期业务线分别是：开店运店线，包括智能巡店和智能选址；供应链线，零售最后拼的就是供应链，因此供应链需求预测等是必做；用户和品牌线，以推动品牌能量最大化、精准智能化营销、降本增效为目的；管理知识系统线，包括人力面试、简历筛选、研发代码生成等。

当这4条业务线跑通后，大家就能真正看到AI的价值，公司内部就会形成一股势能，创造出“你争我赶向前走”的氛围，此前面对的问题自然就会消除。

AI应用推广策略：从“Aha时刻”到“业务用起来”

鲁伊莎：

当AI真正融入业务，总会有个“Aha Moment”——可能是用户突然发现“原来AI比人分析得还准”，或是“自己终于能独立用数据做决策”。歌力思与西瓜创客的第一个“Aha Moment”是什么？这个瞬间后，又如何借势推动更多人“用起来、离不开”的？

李凌（歌力思）：

我们的“Aha Moment”，关键是找对了核心推动者。2025年3月接触观远ChatBI后，我已向董事长传递该类产品的潜力；后续与观远共创洞察Agent时，我们优先找到既懂业务、又对AI有热情与自驱力的关键人，向其展示智能洞察的准确性与逻辑合理性。他随即拉团队现场测试，随机提出的业务问题，AI回答不仅准确，部分维度甚至优于人工，这便是第一个“Aha Moment”。

推广时，我们采取 “案例复制 + 适度强制” 策略：

一方面将成功案例推广至其他品牌线，并展示给加盟商，借外部认可强化内部认知；

另一方面，针对不愿走出舒适区的员工，适时地通过“一刀切”强制使用，待其感受到价值后，自然转为主动依赖。

年家庚（西瓜创客）：

我们有技术上和业务上的“双重Aha Moment”：

技术上的“Aha Moment”，源于大模型能力的突破。在发现大型语言模型已具备重塑数据分析范式的潜力后，我们判断落地时机成熟，结合公司内看板冗余，需要人找数据这一核心痛点，利用AI的动态交互能力，从根本上解决传统BI“千人一面”、迭代缓慢的问题，成为我们技术侧核心要突破方向。

业务的“Aha Moment”，来自AI产品的MVP测试。我们选择了渠道获客业务骨干为首批用户，首次测试即实现 100% 准确率，将过去1-2天才能完成的分析在5分钟内完成，并帮助发现更多的业务异常。业务骨干直观感受到效率差异和洞察的深度，瞬间认可了AI的价值。

推广的核心是嵌入业务流程。在公司增长周会上，将AI分析报告纳入固定议程，业务骨干的认可能够带动全员，让AI报告成为会议的决策起点和共识基础，推动大家持续使用，实现从“用一下”到“离不开”。

AI应用未来畅想：通向AI自动化决策，还需突破哪些瓶颈？

鲁伊莎：

聊完落地和推广，最后想和大家展望“远方”：想问问三位：从现在的MVP落地到“AI帮业务自动做决策”，还需要突破哪些关键瓶颈？

徐雄杰（来伊份）：

我认为最大的瓶颈是“想象力”，敢想才能做到，不敢想则永远无法突破。当前芯片、算力、数据等技术瓶颈已逐步解决，人的能力也可通过培养提升，唯独“颠覆式思维”需要主动构建。

比如审批自动化，我们未局限于简化步骤，而是设想建设标准知识库，流程提交即自动通过；又比如加盟商补贴，我们不满足于自动化计算，而是计划让AI编写补贴政策，无需审批直接执行，次日迭代优化。Al要实现自动化决策，关键是跳出“修修补补”的思维，敢想“如何干掉冗余环节”。

李凌（歌力思）：

站在服装行业的角度，从客观层面看，需突破三大技术局限：

一是多模态能力不足。AI无法像人一样触摸、感知物理世界，比如服装面料质感，它的理解还是片面的；

二是长期记忆能力缺失。AI的记忆是短暂的，无法保留对计划的长期记忆，难以支撑连贯决策；

三是外部数据获取难。服装行业的“流行性、独特性” 依赖市场趋势等外部数据，AI当前无法精准持续获取，以及持续地迭代。

从组织层面看，需做好两点：

一是敢改流程。例如供应链采购下单的流程，过去都是采购员去寻面料的货期、价格，最后给供应商合同，这些环节都可以让AI去完成，人工仅进行复核，可以极大地解放生产力；

二是培养既懂业务又懂AI的复合型人才。通过自上而下的认知普及，让业务人员明白“AI不是替代人，而是放大人的创造力“。通过AI自动化决策，让每个管理者聚焦战略，让每个设计师专注于美学，让每一位导购能够全身心服务于顾客，这是我理想中AI的终极价值。

年家庚（西瓜创客）：

好的决策依赖大量信息输入、强大的分析推理能力，以及历史决策带来的持续反馈。AI决策系统，就是要在这三个维度上，系统性地对标并超越人类专家的能力：

技术上，需要积极跟进大模型的技术突破。现在主流国产大模型是的上下文窗口正从128k，向百万甚至更高量级扩展，这使得AI处理真正复杂的、长周期的问题成为可能；

工程上，可以参考Claude Code的设计思路，把决策拆解为多个子问题，通过构建子Agent体系，协同输出结果，将复杂的商业问题，转化为一系列清晰、可控的执行单元，确保决策的精度；

组织上，找到每个领域的业务专家参与其中，建立激励机制，让大家了解到用AI解决常规工作是一件值得称赞的事，引导更多人沉淀专业知识，让大模型通过提示词学习业务（In-Context Learning），最终能够做出合理的决策。

不同企业可根据自身情况，选择 “技术、工程、组织” 中的适合的方向优先推进。

结语：让AI真正走进业务一线，成为持续增长的“智能引擎”

尽管三位嘉宾来自零售、时尚、互联网不同行业，但AI落地的底层逻辑高度相通：以MVP场景小步快跑，用业务价值反推技术落地，让AI从“工具”转变为“业务伙伴”。正如对话中强调的，唯有聚焦“真实痛点”，而非“技术炫技”，GenAI才能真正走进业务一线，成为企业持续增长的“智能引擎”。

本次圆桌对话的实践经验，为正在推进AI落地的企业提供了宝贵借鉴。未来，随着技术迭代与组织共识深化，GenAI在数据分析领域的落地将更深入、更高效。观远数据期待与更多先进企业携手，以AI+BI创新驱动，为各行业数智化转型注入新动能。

来源：观远数据