案例 24 · 海外快消动销

文字由原PDF提取，阅读顺序和表格请以原页为准。

换一个人，判断能力可能下降。AI介入之后，企业开始把这些经验沉淀下来：什么数据
异常？什么费用合理？什么情况需要进一步审核？企业能力不再只存在于个人身上。
最直观的变化是周会。以前的周会，前一个小时是在对数，这个数对不对、你那份和我
这份为什么不一样。现在数已经在那儿了，会议直接从要不要动预算开始。提问方式也
变了：以前他们说“给我一份报告”，现在直接问“这个SKU为什么掉了，是价格、铺
货，还是渠道出了问题”。能问出这么具体的问题，说明他们开始信这套东西了。
第三，长期价值：建立企业的数据能力。
对于跨境企业来说，一次数据整理能解决当下的问题，但更长远的价值在于：未来进入
更多国家、面对更多经销商、管理更多销售渠道时，企业手里有一套可复制的数据治理
方式。
Q5：在部署AI过程中，是否遇到了新问题或挑战？你是怎么解决
的？
AI落地最大的挑战不在模型。我们自己的说法是：难点不在技术层，技术大概只占
20%。
第一个挑战：数据质量问题。
很多人认为AI项目最难的是模型，但实际落地时，数据才是最棘手的环节。前面提到销
售数据来源复杂、格式不一，真正进入开发阶段后，这个问题的难度会被放大：不同国
家的数据习惯差异很大，很难用一套规则覆盖所有情况。
此外，数据准确性也是落地的关键门槛。比如一张发票可能是PDF，也可能是图片；可
能清晰，也可能手写、折叠、模糊。如果不针对这些边界情况做充分测试，模型上线后
一定会出问题。
我们的解决方式是双层的。一方面先建立数据规范，再利用AI处理非结构化数据，现在
240/243