姜佳雯
数据分析
2008到2018，亚大集团，央企汽车零配件厂，精益主管，核心是价值流分析。那十年，没有AI。画一张现状图要两到三周，掐秒表、翻手工台账、跟老师傅蹲产线聊天。数据颗粒度粗到什么程度？库存天数精确到天就算优秀，小时级的想都不敢想。鱼骨图画一墙，5Why问到第五个就卡住——不是因为问题复杂，是因为数据只到那个颗粒度，再往下挖，没了。2018到2020，车好多集团（毛豆新车网），供应链规划。还是没有AI。参照ISO9000和IATF16949那套我在汽配厂用了十年的标准，硬生生搭了一套库内质量体系出来。本质上还是精益那套方法论换个场景用。2020到2022，美团快驴，KA履约规划。依然没有AI。把客餐配送需求拆成标准服务产品，建成本模型、做网格化运营，全是手工拉Excel、跑线下调研。2022到现在，京东物流，客诉分析体系。前三年还是没有AI。NLP语义归类是AI细分技术，但那时候大模型还没来，我们做体验诊断，本质上是把精益VSM方法论硬搬到数字世界，用人肉爬日志、人肉画旅程、人肉找断点。判责规则模型化，听起来很智能，其实是把业务逻辑翻译成代码规则，离真正的机器学习还差得远。直到2025年，生成式AI才真正进入我的视野。所以我现在回头看这十七年，心情很复杂。我庆幸自己是在没有AI的环境里磨出来的。因为没得依赖，所以必须把"判断力"练到肌肉记忆里。我也清晰地记得每一个"当时要是有AI就好了"的瞬间。但我要说一个可能让技术圈不太舒服的观察。2025年之前，我所有的改善决策都是在信息不全、算力有限的约束下做的。那个环境逼出了我两种能力：第一，知道"够了"在哪里。 在汽配厂，数据不可能百分百准确，我必须在不完美的数据里做出能执行的判断。到了互联网，数据多了，但噪音也大了，我还是得判断"哪些信号值得信"。这种对数据质量的直觉，AI给不了我。第二，知道"为什么"比"是什么"重要。 AB实验告诉我B方案转化率高2%，但我想知道的是：高出来的2%是谁贡献的？是不是让另一拨人变差了？这个改善背后有没有牺牲长期信任去换短期点击？AI的价值是把我以前要花三周才能看清的东西，压缩到三小时甚至三分钟。压缩这个时间，本身就是巨大的价值。AI不是来替换这个思维框架的。它是来兑现我过去十七年所有"当时要是有更多信息就好了"的那些遗憾。
发布于 北京
分享
1
赞
未登录
友善发言
评论
加载中
