美宜佳控股有限公司是國內第二大連鎖便利店集團。自成立以來，美宜佳以廣東為中心，并逐步在全國范圍進行業務布局。目前，集團擁有美宜佳品牌門店兩萬多家，每日門店總客流量達2500多萬。

線下零售的核心邏輯是以“場”為中心去對接“人”和“貨”， 而“人貨場”各自的特征要素以及它們之間的關系都在不同程度上影響著門店經營策略和結果。對于正加快在華東、華北等地區擴張門店的美宜佳而言，經過早期信息化建設，其已建有ERP、PIM、BI等業務系統，在內部積累了較豐富的“人貨場”數據。現階段，美宜佳希望用智能化的方法對人、貨、場的特征要素及其關聯進行分析和優化，支撐門店的穩步擴張和精細化運營。

結合業務需求、智能化可行性等因素，美宜佳決定在門店選址、門店運營、營銷優化三類重要場景中引入智能化解決方案。在門店選址方面，美宜佳需要用智能化的方法在城市中確定合適的拓店區域、該區域消費者習慣以及自身定位等情況；在門店運營方面，具體包含門店評估、品店匹配、銷量預測、競品分析等應用場景，幫助美宜佳更好的制定經營策略、提高門店業績；在營銷優化方面，則需要結合人群定向，對廣告投放策略做優化。

為了在上述場景中實現智能化決策，美宜佳決定打造商業智能決策管理平臺。但美宜佳在相關數據的完備性、以及AI算法能力上存在不足，具體如下：

1）  數據層面，美宜佳僅掌握店內經營數據和自有供應鏈體系的后端數據，但缺乏外部的地理位置、周邊人群、周邊競品相關的數據。同時，在與外部廠商共同探索解決方案時，美宜佳需要分享內部數據時保證其數據的隱私和安全。

2）  AI算法層面，選址、選品、消費者畫像、營銷的智能化分析需要大量AI模型支撐來實現，美宜佳需要外部廠商提供相關的AI模型，并用模型解決業務問題。此外，不同地區的數據分布會有較大區別，通用的模型很多時候不能直接適用，需要根據區域、環境等因素對模型做調整和遷移。

以時空數據為基礎，AI模型為支撐，美宜佳為門店經營各環節提供智能化決策

在對廠商的數據、AI算法、應用解決方案等方面的能力進行評估后，美宜佳選擇與維智科技合作，建設商業智能決策管理平臺。維智科技是一家時空人工智能平臺提供商，專注于線下場景的數字化和線上線下的時空融合，通過時空AI技術打造數字孿生體，為城市、交通、金融、地產、零售和品牌等提供精細化場景服務和智能解決方案。

基于維智Phy-gital飛吉特時空智能平臺，美宜佳構建了商業智能決策管理平臺，其架構上分三層：底層是聯合數據倉庫，包含維智科技提供的時空數據和美宜佳提供的門店數據；中間是技術服務層，包括AI模型、時空知識圖譜、業務計算邏輯等；上層是各類分析應用，包括門店選址評分、門店績效評級、歸因分析、人群畫像、銷量預測、價格預測、競品分析等。

針對數據層面的問題，平臺通過聯合數倉的形式整合了維智科技的營銷智能基礎數據與美宜佳的門店數據。維智科技的營銷智能基礎數據包含客流、畫像、人群流動偏好、周邊生態、交通情況、商業環境、競合關系等類別的數據，具體包括了路網、交通、AOI（區塊），POI（點位）等靜態數據，以及測繪相關的人流、畫像、場景、企業、經濟等動態數據。在此基礎上，通過梳理“人、貨、場”之間的特征管理，形成時空知識圖譜。為了保護美宜佳的數據隱私，維智科技將其時空數據、模型服務與美宜佳的內部數據結合，以一體機的形式部署在美宜佳的受限環境中，模型的構建、訓練、管理和發布均在一體機完成，確保美宜佳的數據不出庫。

針對AI算法層面的問題，平臺基于分類、排序、聚類、異常發現、回歸預測、溯因推理分析等技術模型，結合特征工程、自動特征計算等服務，形成畫像、選址、選品、營銷等方面的預測分析模型。同時，對于通用模型需要針對區域數據特征有變化進行適配的問題，維智科技通過匹配可適配的用例或特征來做模型遷移，并通過數據增強或者小樣本學習來解決數據量少和樣本稀疏的問題。

商業智能決策管理平臺落地的價值與效果

美宜佳落地商業智能決策管理平臺，用數據智能賦能門店開拓與運營，實現了以下業務價值。

1）  門店選址方面，平臺為美宜佳在廣東、以及華東地區選址拓店，提供了數據支持和智能化的決策依據。具體而言，通過分析當前地區用戶的習慣、常駐和流動人員的習慣、場本身的特性（是周邊是醫院、社區、商業中心等）、周邊競爭態勢（供需飽和度）、交通便利性等數據，判斷某個地點是否適合開店，并給出關于在該地店的評分，以及影響評分的因子。這比傳統的依靠調研和專家經驗的方式大幅提高了決策效率和準確率，可以支持美宜佳每年3000家門店的開店合關店決策。

2）  門店運營方面，該平臺有效幫助美宜佳品牌門店和加盟門店總計4w+門店，進行數字化智能化運營。在門店評級、銷售預測、歸因分析、運營優化和營銷優化等方面，提供線下大數據和智能預測結果輔助決策，有效指導門店運營優化。

商業智能決策管理平臺的項目經驗總結

第一，     線下零售業涉及的數據量大、維度多、動態更新也相對頻繁，在選址選品、供應鏈配貨以及營銷等業務中需要依據這些數據做出相對實時的決策，因此復雜度和難度很大。但零售數據核心上還是圍繞人貨場及其關聯，面對復雜的數據場景，可以考慮運用知識圖譜技術，將各維度數據按人、貨、場梳理，再形成場與場、人與場、貨與場的關聯；同時考慮運用AI模型來刻畫復雜的變化規律、分析思路和決策經驗。

第二，     只有店內數據無法在線下零售場景中實現智能化，因此還需要引入店外的時空數據，將地理位置、周邊人群、周邊競品等外部數據與內部數據結合，才能實現1+1>2的效果。并且，在將內外部數據進行結合時，需要考慮通過相應的技術或產品設計方式保障數據的隱私安全。