获洪泰基金领投数千万，以预测性数据分析切入零售业，所问数据如何帮助用户预测爆品？

内容简介：获洪泰基金领投数千万，以预测性数据分析切入零售业，所问数据如何帮助用户预测爆品？

“商品销量是营销和运营部门做决策所依赖的最关键的因素和参考数据，如果这部分数据缺失，很多运营和营销的决策也就没有依据。” 所问数据创始人颜鹏告诉拓扑社。

所以，越来越多的企业开始意识数据驱动决策的重要性，企业可以通过数据多维度、多颗粒度分析用户的购买行为，对销量进行预测，从商品生产到流通等环节进行把控，提升企业的运营管理能力，降低运营风险。

预测性分析帮助企业提升供应链效率、优化营销与运营决策

所问数据创始人兼CEO，美国North Dakota State University计算机博士，曾在3M公司任高级研究科学家一职，负责海量数据的建模与分布式计算。2015年12月6日，颜鹏正式回国，与3M同事丁圣超一起创办所问数据。

颜鹏认为，线下实体店获取数据成本高、非标准化、线上与线下数据整合困难，线上电商比较容易通过信息技术获取数据，门槛低。不过线上电商竞争激烈、变化快，如果只通过线上促销、购买咨询公司的数据报告等方式进行用户行为分析，缺乏时效性、数据不准确、分析力度不够。 “咨询公司只能进行宏观的数据分析，同时采取抽样统计、线下访谈的方式进行信息收集，这样水分很大；此外，咨询公司都是在线上各种促销活动后进行每月报告梳理，滞后性比较强。”

所问大数据及AI智能引擎面向大型品牌零售企业提供系统定制服务，以前端预测性竞争分析为切入点，目标是逐渐向供应链大数据服务的方向发展，承担客户核心预测系统的建设；面向跨境出口电商，以爆品预测等痛点功能为切入点，目标是打通客户的订单系统，承担平台大卖家的核心预测系统的建设。

“团队成员曾负责美国3M公司全球销售预测，具有丰富的大数据分析与深度学习经验和系统部署经验；其次，独有的人工智能领域多项核心技术，可以复用于不同行业；再次，所问的预测准确率优于商业软件及学术模型，可在销量缺失的电商平台完成精准预测。” 颜鹏告诉笔者所问的竞争壁垒。

那么，什么是预测性分析？颜鹏给出这样的定义， 预测性数据分析是基于对历史数据的分析，利于统计和机器学习算法做出未来结果的预测，区别于被广泛应用于BI产品的统计分析，预测性分析的最大价值在于对于未来的预测能力。 比如产品销量的预测、目标客户的预测等都属于预测性分析可以应用的范畴。

“预测性分析的门槛在于三点，预测准确率、自适应、自学习。所谓自适应，指的是可以自动的选择最优的算法进行预测而无需任何人工干预；所谓自学习，指的是算法会基于上一次的预测不断的自我学习和自我优化，客户使用产品的时间越久，获得的准确率就越高。” 此外，所问通过对产品的深度推荐和销量影响因子的深度挖掘，帮助企业揭示数据背后隐藏的规律，提前预判市场变化进行相应资源规划。颜鹏告诉笔者，所问的数据主要来自两方面，企业的进销存数据和外部爬取。

笔者了解到，目前国际上使用预测性数据分析技术的公司有Palantir、Uptake Technologies，国内鲜有做这方面的事情。 “2014年，预测性分析技术在美国刚开始初步发展阶段，2015年美国已经可以看到落地的案例。目前国内还没有人能实现足够精准的数据挖掘和预测，大型企业还是会小心谨慎地让年轻的创业公司处理他们基础设施中如此关键的部分。”

颜鹏坦言，在美国已经把模型搭建好，做到比较成熟的阶段，回国之后开始进入产品化。 “从模型到产品其实挺复杂的，整个后台处理的数据量非常大，也是基于一套分布式的计算架构。目前，所问从数据抓取、数据处理，再到模型，最终到可视化，提供的是一套完整解决方案。”

通过商业智能分析帮助电商预测爆品

经过了一年的积累和研发，所问已于去年10月上线了面向电工行业的产品-BI系统，这款产品主要主要针对京东商城，提供行业内不同品牌的销量预测，基于预测结果进行行业类目分析、品类特征分析等服务，其分析可以细化到单件SKU。 “目前，预测准确性基本在80%以上，部分商品甚至超过90%。”

在2017年春节后推出了专门面向在美国跨境电商平台Wish的商家数据预测分析产品—易选品。 易选品的核心是基于AI+SaaS模式，利用深度学习算法，为卖家提供潜力爆款商品发掘、个性化选品推荐、Wish全站分析、商品、店铺、标签分析、行业发展趋势等功能。

当易选品接入Wish平台，对平台商户的全部上架商品信息进行监控，根据商户上架产品过去一段时间的销售表现，综合考虑商品本身及行业竞争等多维度数据，通过人工智能算法模型进行分析，预测哪些商品可以成为爆品，会得出从类目到单品的潜力指数，指数越高，说明此类产品未来一段时间会成为爆品，最后把这些商品推荐给商户。

“最大限度帮助商家发现和预测爆品、优化选品决策，有助于卖家实现低成本扩充品类、减轻库存压力、利用平台资源提升服务能力等目标。” 据了解目前易选品服务的跨境电商客户已经超过数千家，易选品自上线以来，已经准确的预测到了诸多目前在Wish平台爆卖的商品。

此外，所问数据面向互联网+的大型品牌客户以及金融客户提供企业级数据预测分析解决方案，其中不乏公牛集团这样的老牌制造企业的付费大客户，以及银行、保险公司等金融行业的标杆客户。。

目前市面上电商平台种类繁多，跨境电商有亚马逊、eBay、速卖通等；国内电商平台有网易严选、淘宝、聚美优品、京东等，为什么所问要选择Wish和京东呢？

颜鹏解释道，Wish 上的商家中，有90%以上都是来自中国的卖家，这些卖家服务着来自全球 50 多个国家的超过 3100 万注册用户，占据了总交易额的 80%－90%。这些卖家对海外消费者需求把握不足，产品同质化严重，同时卖家竞争激烈，但对竞品的销售情况不了解，这些问题都可以从平台的出单率和爆款率中反映出来。 “卖家基本采取铺货的销售策略，在店铺里铺货几千种商品，其实这种方法并不能提高出单率，而且效率低下。”

淘宝、天猫的数据相对公开，如商品的销量信息直接显示在页面上，针对淘宝天猫的数据分析门槛非常低，只要把信息采集下来，进行简单的统计，就知道商品每天的真实销量是多少。 “京东数据相对比较封闭，京东不对外公开商品销量，这就造成了京东平台的所有品牌商都不知道竞争对手的实际销量。目前京东平台的商家也饱受困扰，比如公牛集团，找过很多数据服务商，都无法解决这个问题。”

另外，由于京东平台并不对外开放产品的具体销量数据，所问数据是通过对京东商品销售的不同维度信息进行抓取，再通过人工智能模型进行计算分析，得出推测的销量数据。

据了解，所问的盈利主要来自三方面：在解决方案方面，面向大型客户项目制收费，面向跨境电商用户提供标准化SaaS产品，按账号收费；BI系统按照商家所需监控的平台、商品等，按年收取系统使用费 “易选品之前是内测阶段，免费对用户进行开放使用，近期上线会员系统，收取会员费用。”

所问数据在2016年6月获得洪泰基金与九合创投投资的数千万的Pre-A轮融资，资本的资本的注入加速了所问对商业模式的验证。 洪泰基金副总裁金海燕认为，所问的创始团队在平台化大数据分析与预测技术上积累深厚，且在创业之前已经在全球消费公司有多年数据预测应用经验，对消费行业有很好的理解，是典型的技术、行业认知驱动。

目前该公司整体团队大约30人。其中数据科学家团队由海内外人工智能、量子分析、控制理论博士等组成；工程研发团队主要来自IBM、3M、惠普、华为、百度、用友等科技公司，具有丰富的大数据分析与深度学习和系统部署经验。

本文为拓扑社原创，未经同意不得转载或引用

寻求报道&合作请联系：tobshe@itjuzi.com

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• 需要关注的5种预测性存储分析功能
• Hive on Spark预测性执行BUG一枚
• 通过结合使用 SPSS 与数据库仓库连接开展预测性分析
• 预测性维护：使用卷积神经网络（CNN）检测传感器故障
• 用于预测性维护 恩智浦牵手微软展示云到端机器学习解决方案
• 挖洞经验 | 密码重置Token可预测性导致的账号劫持漏洞

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。