以下是現場速記。
微軟全渠道事業部首席技術官 徐明強
徐明強：大家好!剛才我發現上面的嘉賓把我前面的第一頁都講完了，首先講講新常態，新常態要以挑戰開始。我們遇到什么樣的挑戰?左邊這一欄可以看到需求的不確定性和中斷，造成了供應鏈的不確定性和中斷，雪上加霜還有貿易壁壘造成了我們物流的中斷。安全返崗，物理距離是非常重要的。所以大量的勞動力因為經濟的衰退而流離失所。
這是一個什么樣的新常態?雖然我們不樂意接受，但是我們可以看到。第一在供應鏈上剛才說到的敏捷，過去供應鏈可以以四個字：巨大、過硬。因為規模要巨大，不光巨大，效率非常高，浪費非常少。今天要用兩個字，不得不用我們的公司來蹭一下今天的這個熱度，今天我們講的是微和軟。微是少量的制造，要更多細分的領域去制造。軟是柔性制造，你的供應鏈要有復原的能力。
再往下我們看到操作員安全，勞動力的培訓，既然現在經濟不好，那么成本的透明度被提到議事日程上來。
今天CIO面對的數字化建設的方向是哪一些?這一定是要和我們的企業業務模式和運營模式緊緊連在一起的。過去我們知道數字化轉型之前，我們講求的產品是什么?要差異化，今天要變成個性化。康明斯原來想造的是全世界無論放在哪里都是最高質量的柴油機，今天發現裝上了IOT以后，數據顯示其實它并不用這樣做，跑在青藏高原上的以及潮濕的南方以及北方所需要的物理特征不一樣，將來不一定要造最差異化的，然而是要造最個性化的柴油機。
過去講求交易，今天講求的是參與，大家的參與度，活躍度高了，在當中做轉化。我們的運營模式講的是規模效益，所以規模效益就是成本要減少，今天我們成本已經到了一定的瓶頸，真正要達到零邊際成本，數字化轉型可以做到。通過AI可以發現，我們業務流程當中有太多重復人為的勞動，而這些人為勞動都需要用視力、聽力以及語言理解能力，而這些今天AI的突破已經可以讓我們把人從這些重復繁雜的勞動力中解放出來，解放出來以后，結果大家發現一旦數字化，AI應用得好的時候就發現當一個企業的業務增長時候，它所需要的就是從云資源提供商那里多要一個非常少的一部分的計算資源和算力存儲資源就可以了。而不像過去，它要再招更多的人。所以它真正的是達到了零邊際成本。數字化做好以后，你會發現它很容易把外面供應商接了進來，因為它數字化做得好，這些數字就可以不斷的持續用機器學習更好的提高效力。今天就是企業轉型業務驅動的發現。
微軟有95%的top500的公司都是我們的客戶，我們的客戶應該是說遍天下。所以這些客戶告訴我們說，要做數字化轉型。從數據開始，收集哪些數據?基本上這四類：客戶數據、收集運營數據、員工數據、產品本身數據。中間經過AI的應用，下面大家都知道了這是老生常談通過數據產生洞察力，進而產生有效的行動。
數據處理、數據治理，在PPT上看來，數據都是非常聽話的。然而在現實是非常骨干的，在現實里頭數據是有原罪的。若不被救贖的話，企業數字化轉型沒有辦法做好。大家說數據何罪之有?四個字：自由散慢。數據不自由嗎?多少人搞過第三方數據?數據拿來以后發現這個數據到底是怎么采集的?是什么意思?沒有人知道，就大膽的去用。
英國曾經做過一次醫療機構的普查，后來發現有80%的醫生都是1911年11月1日出生，怎么回事?后來才發現，當你要問一個隱私的問題，你就要準備你的答案，結果可能就是垃圾。所以很多醫生本來就想打000000就完了，結果這個APP比較智能不需打000000，所以他們就打111111，結果統計結果是90%的醫生出生日期是1911年11月1日。散是指數據散落在世界各地，數據本應該由數據各個業務擁有，因為散落在各處所以無法集中所以給大家造成真正數字化做洞察力帶來了阻礙。
最后，慢。不是天真浪漫的漫而是慢。拿到數據結果慢。
怎樣解決數據散慢的問題?客戶給我們提出的是希望微軟的產品還有你們的合作伙伴都能夠把數據集成在一起，首先我要信任你、相信你微軟不會拿了我的數據去分享，不會拿了我的數據進行變現做貨幣化;第二，我需要有大的規模。安全和合規，因為我們企業不光在一個國家做生意，今天越來越多國內的企業跟著微軟一起出海，他們還知道國外的信息安全法規是怎么樣子的。
下面我給大家講微軟Azure，就一張APP說Azure特點吧。特點就是我們有60多個全球的區域，十年前曾經有一個美國公司說他就靠在美國，然后就可以做全世界的業務，后來發現這個人的物理已經交還給老師了，我們的客戶說要和最終客戶零距離、親密接觸，意味著延遲低，帶寬要高，所以今天的做法是讓我們的數據中心遍滿全球，60+。這是什么概念?可以等同于其他所有云廠商區域加起來的總和還沒有我們這個多。為什么你們要那么多?因為我們不光做我們的云，還有office 365等這些客戶全世界每一個企業都是我們的客戶，因此我們要讓我們的客戶跟他們有這樣的接觸。
第二，130K+。這是什么概念?從這個地方拉到月球，只能拉到一半。讓應用和客戶之間可以有非常低的延遲，可以有非常親密的接觸。
剛才聽到AI可以讓我們的運維變得可以有零成本。我介紹一下這個數據，左邊這個數據，當我要問哪一個公司的專利最多?大家可能想起來以G字母開頭的公司，實際以M字母開頭的公司最多。
不光有專利，我們看左邊真正第一個讓AI有人一樣的視力、聽覺、語言能力包括翻譯能力，第一個做到的也是微軟。所以我們在這些非常落地，真正和企業生產力有關的領域，微軟有很多的突破。
舉幾個例子：首先我們把它用在office上。首先我確實是一個理工男，所以我寫的PPT非常難看，我這些PPT都是市場部的人幫我做的。但是以后我可能會少麻煩我的市場部門，為什么?大家請看右邊這個。現在有AI可以提設計靈感，你拿一些進來，它就給你建議，這些模板。我個人覺得還是很漂亮，或者你寫一個列表，它可以給你選各種各樣的圖案。另外，我們當中是不是有人打字二指蟬。現在我們有聽寫功能，支持60多種語言，你念它幫你記。
最后一個是我個人最喜歡的，這里有表哥、表妹，或者為領導要做這樣的事情。我知道CIO經常要為這些表哥、表妹提供數據，這些表哥、表妹數據要有洞察力，一個表哥不一定要柱狀，有的時候數據都集中在一起有兩個是差異性，最好把兩個標上不同的顏色，這些今天用AI，只要把數據表放進去，我們的AI就可以提供各種的推薦。你不用寫一行公式就可以達到這種效果，所以表哥、表妹今天可以在老板面前好好表現他們AI助力的洞察力。
另外我們Power BI，它的洞察力在哪里?這邊可以看到是一個公司，廢品回收的一個公司。它在這里我們看到是有三個KPI，發現有一個KPI好像廢品的量少了，為什么少了?過去這個問題是表哥、表妹花很多時間去找，現在大家注意你就直接可以說分析、解釋為什么少了結果它就可以數據里面挖掘出來，你會發現在這邊是非危險性的廢物少了。這是非常、非常方便的，給我們提供了洞見AI助力。
下面天下之事，天下大事要從細節著手。有多細?這是微軟和咨詢公司和合作伙伴還有客戶一起總結出來在數字化轉型中各個行業的優選的場景，我要把它講完，今天就不用吃飯了。大家可以看一下，這些優選場景當中我們有合作伙伴的解決方案，我們有自己第一方的工具可以幫助大家去促成。
我們跟以后大家的合作不再是windows或者技術能力，而是根據場景。下面為大家舉幾個例子來說，我們是怎么應用的呢?
這邊講到的是我們這樣的工具叫Ingest，大家會說不就是數據抽取，抽取完你來探索，探索完之后形成模式，模式之后給它運營化，最后建一些表盤，讓領導看嗎?但是關鍵的問題是多快?當別人把數據源找到以后，到最后表盤出來多快?微軟可以做到幾天，現在越來越快。首先剛才說到數據自由散慢，所以我們有很多，比如有SAP包括還有競爭對手的salesforce很多數據適配器，我們還有自己的Azure云，還有谷歌云存儲的適配器，非常容易這些數據集到一起，中間我們還有數據清理的過程，比如它有一些數據是臟的，80%都是11年11月1日出生的這些會被標注出來。有的沒寫工資，以平均值代替等等。所以整個這一條在客戶來說，可以方便的去使用。過去你說CRM也有這樣的能力，但是一旦要上千萬條、億萬條數據的時候，一般單機CRM不行了。我們的CRM可以直接把數據吐到集群里去，可以做加速的。
再講一個中國的案例—上汽。上汽過去倉庫的盤點，一次要360多個小時。為什么時間這么長?現在到了4小時。給大家看看為什么要這么長?這個叉車首先要把貨物叉下來，放到地上。它還要下來，然后過去，把物上的標掃一下。大家注意一下，這個還是兩層樓，他們有的倉庫可是三層樓。試想想，這個叉車，舉到三層樓，它坐在一層要看三層樓，從這么寬的槽叉進去，真的像我的奶奶要把線穿到針里頭難，一旦叉錯后果不堪設想。
用我們合作伙伴的解決方案—無人叉車。順著掃，應該說AI落地很容易吧?大家看AI落地難在哪里?標題帖的位置都不一樣，帖的歪歪扭扭。有的貨物東倒西歪，很多時候AI落地，不在乎你的模型多好，而是時機要到現場去，現場光線拍那些那才是真正的數據，數據回來以后，前期有很長一段的預處理要做。這樣AI才可以落地。它一旦做了以后，它就達到了零成本。貨物增多，貨物多了以后，它一樣通過數字化就可以解決了，不用增加人力成本。
既然講到這個以后，我們可以看到，這是我們另外一個集客+，它今天把倉庫變成了貨架可以移動。我們看智能揀選這一項，尤其是在沃爾馬，大家一想起沃爾馬是超級大超市，現在沃爾馬也有社區的超市。問題在哪里?過去都是整箱做供應鏈，現在要零拆零取，問題是他們現在用了這個技術，就是在一個小的范圍內，一個人站在那里，這些機器人就把貨架拿過來，而且通過電腦來控制，它自己不用每天走上3萬步，而且錯誤率也大大的降低。
再一個案例，因為剛才講了很多是供應鏈的。我們看看供應鏈其實是三道防線，如果需求預測第一版沒做好，后面要有安全的貨存，安全貨存再不行以后后面要想想補貨的執行力怎樣。所以這個啤酒品牌，跟中國很多黃河啤酒、新疆啤酒都有好的合資公司，他們最大的問題就是怎么樣把前面預測做好?
我們看右上它的效果，大家不要光盯著10%幾來看，那些10%幾其實都是自己知道的，客戶不一定關心的。缺貨率是客戶關心的缺貨率是客戶的滿意度再加上它的競爭對手，和你的業務都有關聯。所以能提高2.8%近3個點對他們來說是相當大的成就，對客戶滿意度也是有很明顯的提升。
怎么做的?過去他們是拍腦袋，一個人自己手動調價，他考慮的只能是單一的因素，要么是渠道、區域產品，而現在可以通過建模來調價，用歷史數據來預測它的需求。
在這里也有搞金融的，因為講了很多預測，我也講講預測在這里多少人自己手下有數據科學家?其他那些沒有數據科學家的，其實也挺好的。為什么因為現在我們微軟推出一個叫自動機器學習。自動機器學習是什么?就拿一個信貸預測來做比較，一個數據科學家聽起來抬頭很高大上，其實他做的事情很low，拿到餐館里最多是二廚，拼命打開冰箱做各種各樣的準備，最后大初看手機抽煙，東西到了以后，大廚火一開然后放到盤里。今天在企業里，大廚就是表哥表妹。
我們看下面他要選哪些都是才是影響我的，然后要選算法、選參數，出來不滿意。然后還要再繼續各種迭代，比如選參數等等。最后兩個星期過去才出來結果。現在自己機器學習，只要把數據告訴我們是分類、預測還是回溯，我們參數就可以幫它去找，最后達到好的效果。
微軟的云可以幫助各位，尤其是那些出海客戶和在國內的客戶，讓你的應用可以合乎93個國家不同行業的安全標準。謝謝!
京公網安備 11010502049343號