在实践中针对不同重点进行全链路效益评估。对各部门协同工作而言，以周为维度进行，已经是能够接受的较高的频率了。所以在传统的协作模式下，日常调整和反应周期想要提升，那么这种协同决策的方式还需要进一步的提高效率。数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效的变动，还有社会环境的变动。
在单纯依靠S&OP的多轮协商，靠人来提高频率，已经明显感觉到上限的情况下，我们在观远数据的帮助下，通过提炼服务能力的边界、市场目标和市场变动的关系、供应链的反应指标策略等，将原来在S&OP机制下综合研判的逻辑逐步自动化，达到日维度内一定范围的自动决策，缓解了原有机制下复杂度和敏捷度之间的一定矛盾。
策略执行的自动化
第三个阶段，也就是策略执行的自动化。在这个阶段，我们开展了一些策略执行的自动化项目，将决策的周期提高到了日维度。
观远数据帮助我们在这个过程中透明地向运营人员展示了既定策略，在结合数据之后，改变执行计划的中间步骤，做到能让运营人员能够看得懂。因为哪些策略带来了实际执行计划与周期原定计划的差异，能够放心地执行计划的变动部分。同时一些反常识的调整结果，也能够清晰的知道是由哪条策略或者上下线设置的不合理造成，能够具体地调整。
针对多因素的协作决策，需要考虑很多上下关联的执行数据和计划数据，例如ATL和BTL的投放的策略、渠道的计划、市场的变动、生产能力的弹性以及供应商。
策略执行的自动化策略的多因素信息对齐的流程与时间的执行频率环境复杂度与规范ATL.BTL 渠计划54DP的多轮协商，每一轮合开价的程机制服能力的边界，市场目环境市场变动、生产对不同度的目标度与捷存在矛标与市场变动的关系，供力、供应商变动应的反应反应结果。
在这之前，我们也上线过一些数据决策项目，但相对观远而言，对于非技术人员的表现不够清晰、不够具体，所以经常出现一种对“自动化决策的结果与人为决策结果孰优孰劣”的笼统的、简单的评价。
自动化决策的项目有了运营人员和技术人员共同提高决策结果的好氛围，同时也避免了一步到位的高投入和高风险。
正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为了运营人员主动调整策略系统里的某一条策略，进一步优化决策的细节。这使得一些。
再一次感谢观远数据团队为我们提供这样高效率和低成本的数据分析平台，让我们在行业中学习进步的途中，多了一个适合的服务商，也多了一位能够依靠的帮手。
项目历程
大家可以看到，我们的整个项目其实从2021年一季度提出，到最后四季度实施上线，项目时间并不是特别的长，这也是有赖于观远数据团队的大力支持。
作，产生了非常多的交流。到了四季度，就是不同品类的回测，有了回测之后更进一步地提出模型的调优，并且一起开发B部分的dashboard ,以让团队更好地将它用起来。
在去年一季度的时候，项目正式启动，做供应商的筛选，包括一些POC的展示。到第二季度，就确认了这个项目具体的范围时间表，观远数据团队。
在里面开始做我们各种数据的对接，跑一些初步的模型。到Q3.是比较深度参与的双方一起来做的试运行阶段，来看一看从一个品牌到多个品牌，项目模型是否能够支持，以及一些辅助的功能模块的开发。在这段时间中观远数据团队和丝芙兰供应链团队有很多面对面的沟通合。
只上一个系统而没有流程的变化，或者不能让团队感到这个系统能让大家的工作变得更加简单，那这个系统是不会很顺利上线的。在这个项目中，基于观远数据B能力，能够让我们的业务团队更直观的看到应该采取哪一种行动来帮助门店新品分货。
在这里也想简单地介绍一下我们和观远数据一起实现的整个模型、整个产品的逻辑。
