【赋能物流】

　　产品生产之后，徐亮很自然的谈到了产品的物流，以及企业的决策者长期面对的几个问题：物流行业要重时效、低利润，它的目标就是转化率要高、占地面积小、成本更低、流转速度高，那么能不是提高物流的效率？如何提升？要实现这个目标目前有很多的决策，比如储位怎么规划、预拣规划、波次的生成，还有路径优化以及最后分担的策略，怎么样提升出货的效率？这样的场景中会有哪些信息呢？

　　南栖仙策的解决方案是通过少量历史交互数据，把整个虚拟的物流环境搭建起来，在虚拟物流环境中就可以用技术在里面寻找什么样的方式能够达到我们的目标。企业决策者设置目标后，系统会给出一个答案，比如给出最优的拣选分配，到底哪些订单的组合给不同的工人去拣选效率是最高的，这样整体的拣选效率就会提升20%。

　　【赋能营销】

　　东西生产出来了，也把它运出去了，那怎么样卖呢？怎么样营销？徐亮结合南栖仙策的案例，同样给出了解决之道。

　　在发券的场景中，南栖仙策通过历史上的交互数据，构建虚拟的营销环境，对虚拟用户不断进行试探，发不同的折扣和任意优惠的组合，通过目标的设置，然后得出不同的方案出来，根据不同的用户发优惠券，实际运行中加入执行系统即可运行。

　　根据南栖仙策的预估，现有场景中目前ROI的提升大概在10%，通过数据的演进和迭代，预估后期ROI可以提升到30%。

　　【供应链+AI】

　　介绍完制造、物流和营销场景之后，徐亮总结表示南栖仙策要做的是对整个行业的供应链进行赋能。从商品的推荐、从反向定制以及在生产过程中的决策、排产决策到仓储，然后运输过程中的决策，以及到最终提升客户服务质量的决策。整个供应链中提供的决策范围非常大、场景就非常多，南栖仙策的未来将会非常广阔。

“智能决策”之【产品篇】

　　智能决策从技术到场景，最终形成了什么产品？

　　REVIVE是什么？

　　REVIVE是面向各行业领域专家的新一代通用智能决策系统，系统通过将复杂的决策过程梳理成可操作的业务流程，并依托云计算资源和深度强化学习算法库进行大数据整理和训练任务，为用户提供完整的数据化决策服务和模型管理服务。

　　在这里，让决策更优越更简单。

　　演讲：南栖仙策产品副总裁—李济君

　　作为发布会的最终篇章，在介绍REVIVE之前，南栖仙策产品副总裁李济君却先强调了REVIVE对业务的关注，REVIVE让用户不用关注于算法的细节，只需关注于自身的业务，通过走一套通用的流程就可以投入实际的业务场景当中去。

　　那么，什么是通用的流程？如何使用？

　　第一步是业务模式，第二步将上传的数据表进行关联，第三步，我们需要建立试案，试案是业务模式的延伸，将字段按照用户的理解放到不同的业务模式的部分里面去，用这些字段来表达业务模式的部分，不同的理解就会有不同的试案。第四步，有了试案之后，根据这样的一个业务理解开始训练模拟器，也就是虚拟的业务环境。有了这个虚拟环境，给予一个目标，通过两者得出训练策略模型，完成策略模型的训练之后，得到策略模型，这就是我们整个REVIVE系统的一个流程引导。

　　接下来李济君介绍了REVIVE独有的特色：第一，直接上传用户系统中的表，不需进行任何预处理。第二，模式是用户自己对于业务逻辑场景的分析，REVIVE不做任何干预，用户可以按照自己的意愿进行分析，表的关联关系也是他真实业务里面表与表之间的关系，如实陈述就即可。

　　“我们的REVIVE的功能强大，具有数据便捷、案例丰富、训练自动、模型服务等优势！”说起REVIVE，李济君似乎把它当成自己的孩子一般，越说越兴奋。

　　【数据便捷】

　　REVIVE平台是人工智能平台，而人工智能是建立在大数据的基础之上，方便的管理和处理这些数据是每一个人工智能平台应该具备的功能。首先，可以选中某一张表打开它、查看它、修改它。第二部分是结构，用户可以上传sql、csv、excel等文件。REVIVE会人性化的提供一个入口，让用户始终持续在流程里面，不用担心来回切换页面中断流程。

　　【案例丰富】 

　　REVIVE提供了行业案例作为项目模板，用户根据自己的行业属性选择相应的模板，进一步降低具体的业务场景当中这些用户使用REVIVE的门槛。

　　【训练自动】

　　为了让用户和繁杂的算法划分开，REVIVE会让训练更加自动化，数据整理和训练都是不需在线等待，通过一些简单的设置就可以开始。

　　【模型服务】

　　通过试案对不同业务的理解，用户可以找到一个很好的模拟器，基于这个模拟器，可以开始训练用户的策略模型。训练完的策略模型始终还在平台上，并没有参与到实际生产，这时候我们提供了Model Serving，在REVIVE里面产生的模拟器和策略模型可以直接在线部署，并且可以连接到用户真实的业务系统里面去，参加用户的真实场景。