卷烟按需供给智能决策平台
——AI驱动的卷烟营销决策全链路数字化实践
一、企业背景与业务目标
（一）企业背景与业务目标
天津市烟草专卖局（公司）领导全市卷烟销售工作，下辖13家区县分公司，负责200余个卷烟品规的采购、调拨、销售管理工作，服务3万多卷烟零售终端客户。正值“十五五”规划的开局之年，行业进入承压奋进、转型升级的关键发展阶段，随着存量市场竞争加剧，传统卷烟营销体系面临巨大挑战，市局（公司）持续推进数字化转型战略，坚持卷烟精准投放、按需供给，致力于构建数据驱动的卷烟按需供给智能决策平台。
（二）业务现状与能力差距
目前全市卷烟营销系统虽已沉淀了海量的历史订单数据和终端销售数据，但长期存在以下问题：
“数据孤岛化”——订单数据、销售数据、市场反馈数据分散在不同系统中难以融合。
“处理人工化”——经营分析依赖人工提取数据、手工制作报表，每次月度分析会需投入大量人力进行数据整理。
“反馈滞后化”——从数据采集到决策传达存在数天甚至一周的时间差。
面对13家分公司、200多个品规的庞大货源组织与需求研判任务，传统的人工提取数据、人工盯盘以及传统报表流转模式，已无法满足精准投放与按需供给的要求。
（三）工具定位与价值
本方案深度结合简道云、FineDataLink、FineBI、Dora等工具，打造集“敏捷采集、智能诊断、自动预警、预测辅助”于一体的卷烟按需供给智能决策平台。AI作为连接“业务目标”与“执行动作”的核心中枢，将原本依赖人工经验的数据分析工作自动化、智能化，构建卷烟营销按需供给智能化决策体系。
二、业务痛点
场景一：报表制作效率低下，经营分析沦为＂体力活＂
（一） 业务场景还原：
每月初，营销中心需产出13家分公司、200余个品规的月度卷烟市场销售情况报告。业务人员需从营销系统导出订单明细，手动匹配品规属性、客户档位等维度信息，逐一计算订足率、订足面、销量订投率、单箱订投率、货源利用率、订货率、上柜率等20余项指标，最后整合为分析报告。整个过程需3名以上数据分析人员耗时5－7天，且每月循环重复。
（二） 业务痛点说明：
20余项经营指标分散在多张原始表中，每次查询需反复跨表关联，业务人员＂既要懂业务，又要会写各类Excel函数，分析门槛较高；即便报表产出，仍需人工逐项对比、凭经验判断异常，报告的分析深度高度依赖个人能力，分析质量没有保障；从数据提取到报告下发，周期长达一周，管理层拿到报告时市场情况可能已经变化，无法及时介入调控。
场景二：市场异常＂看不见＂，调控决策＂追不上＂
（一） 业务场景还原：
卷烟投放需根据市场状态动态调整，但当前系统缺乏实时监控能力。某分公司某品规的销量订投率在一周内从68％骤降至42％，业务人员未能及时察觉异常，管理层直至月度分析才发现该问题。而此时该品规在该区域已错过了调整投放策略的最佳时机。
（二） 业务痛点说明：
关键指标缺乏实时监控看板，异常变化依赖人工每日查询多张报表才能发现，盯盘效率极低；即便看到数据波动，也难以快速判断是市场需求萎缩、竞品挤压、还是投放节奏问题，归因缺乏数据支撑；从发现异常到通知对应部门人员、再到制定调整方案，缺乏标准化流程，异常响应效率低下。
场景三：需求预测缺数据，供需匹配难量化
（一） 业务场景还原：
每月中旬，各分公司需提报下月各品规的需求预测值，传统模式下，需求预判主要依赖业务人员对辖区零售客户的走访采集、历史销售印象与主观经验判断。
（二） 业务痛点说明：
预测以人工判断为主，缺乏历史数据和量化模型支撑，预测精度波动大；各分公司预测过程难整合，市局只能看到结果数字，无法追溯预测依据和判断逻辑；市局面对13份口径各异的预测报告，难以科学统筹调配货源，供需错配导致的库存积压和货源紧缺并存。
痛点量化影响图
三、核心方案
本方案构建了“数据源层→数据治理层→AI能力层→应用交付层→反馈闭环层”五层技术架构，以Dora为核心AI引擎，简道云为信息采集渠道，FineDataLink为数据治理基座，FineBI为可视化呈现载体，天津烟草内部办公的钉钉软件为业务流程闭环工具。
（一）数据源层与数据治理层：筑牢AI分析的数据基座
1.多源数据集成
平台打通四大数据源，建立统一的数据集成：
营销系统数据：历史订单数据、分品规销量、客户需求量等千万级明细数据。
终端销售数据：零售户POS流水、库存水位、市场价格采集。
简道云采集表单：13家分公司每周市场状态提报、零售价格反馈。
基础档案数据：访销周期日历、品牌档案数据。
2.数据清洗与标准化
FineDataLink作为一站式数据平台，通过可视化数据管道与低代码清洗逻辑，在数据同步节点即嵌入脏数据阈值控制与字段映射校验，从源头拦截异常值、类型不匹配等质量问题；在数据转换环节，支持通过过滤、字段设置、JSON解析等标准化算子，灵活完成品规编码统一、缺失值填补及口径对齐，例如将价格认定数据表中的子表单解析为结构化JSON，并通过ID关联从价格认定明细表中获取最新单价；同时，平台内置超过60种异构数据源连接能力，可打通DB、业务应用表单及最新单价表间的数据孤岛，将分散系统中的数据进行口径统一与关联整合。整个过程将脏数据管控、字段级映射、多源关联与标准化加工串联为自动化工作流，最终输出连续、可信、可复用且口径一致的数据资产。
FDL数据处理图
3.指标模型构建
规范“订足率、销量订投率、单箱订投率”等核心业务指标的计算逻辑，在数据治理层依托数据源完成指标的标准化构建，为后续的AI能力及应用交付提供加工后的可靠数据。
（二）AI能力层：Dora驱动的智能决策中枢
这是本方案的核心创新层，深度利用Dora智能体平台实现三大AI业务场景。
场景一：周期性智能经营洞察报告
业务痛点：经营分析报告制作人工成本高、时效性差。
AI解决方案：
在每周／每月访销周期结束后，Dora Agent自动接管经营分析工作：
1. 智能数据提取：Agent自动调取本周／本月的关键数据，结合预设的业务语料库进行数据整合。
2. 智能报告生成：根据预设的提示词模板，自动生成全市维度及分公司维度的卷烟市场销售报告。概况部分按语料库生成标准化经营综述，可用于快速掌握销售全局情况；分析部分针对品规、零售客户的显著趋势进行AI自动研判与阐述。
3. 自动报告分发：通过WebHook HTTP回调机制，串联“数据提取→分析→报告生成→消息推送”的全链路自动化，Agent内已部署各单位对应推送渠道，可自动识别报告所涉及分公司，通过钉钉定向推送至市局相关人员及对应分公司营销人员。
Dora链接：卷烟营销分析专家
视频演示：
场景二：业务指标智能预警与督办闭环
业务痛点：关键指标异常无法实时发现，异常识别延迟7－15天，错过调整窗口。
AI解决方案：
1. 动态智能预警：设定关键指标预警规则（某区域某品规的销量订投率、单箱订投率、订足率出现环比显著下滑或绝对值持续较低），系统后台持续监测
2. AI自动归因：一旦触发规则，Agent自动调取该异常节点的历史数据，生成卷烟市场预警情况。
3. 预警工单派发：借助WebHook HTTP回调机制，将预警工单定向派发至对应分公司的营销业务钉钉群，发起市场预警核查流程。
4. 反馈闭环：分公司需在钉钉审批流程中填写情况反馈表，说明异常原因（如市场需求波动、投放策略需优化等），形成预警、下发、核实、反馈的完整数据闭环。
核心价值：构建自动化风控机制，AI自适应阈值替代固定红线，按预警规则自动分类（订足率及销量双降预警、供需失衡预警），大幅提升市场异动响应效率。
Dora链接：卷烟营销预警专家
场景三：卷烟需求智能预测与辅助决策（本地部署需求预测模型＋BI看板展示＋Dora推送预测结果）
业务痛点：需求预测依赖个人经验，偏差率高达20％－30％。
解决方案：
1. 多模型协同预测：由数据分析人员基于历史多轮销售数据、当前订足率表现、市场状态数据、外部经济因子数据，通过时序＋多维特征的预测模型，按月生成下月分公司、分品规的需求预测参考值，模型部署于省级卷烟营销平台。
2. 预测结果输出：包含总量预测、品类预测、销量趋势判断，输出分品规／分公司的预测区间与置信度。
3. 辅助决策推送：通过FineDataLink同步预测数据至FineBI卷烟需求预测分析看板，展示给各分公司计划管理人员及相关业务人员，作为月度需求提报的参考依据。基于Dora开发需求预测智能体，提取分析FineBI需求预测看板数据，供业务人员自主查询和消息推送。
Dora链接：卷烟需求预测专家
（三）应用交付层：智能看板＋报告分发＋流程闭环
1.FineBI智能看板展示
覆盖13家分公司、全品规的销售分析驾驶舱，支持下钻到公司、品规、档位、各品牌属性等维度。
BI看板所含核心功能包括：
全市卷烟销售情况洞察
各分公司卷烟销售定位图
核心指标多维度下钻分析
需求预测结果可视化展示
FineBI卷烟销售看板展示图
FineBI需求预测分析看板图
因FineBI看板的使用范围较为广泛，市局出具了详细的使用指南，介绍了FineBI看板的核心功能、指标构建、各模块功能，使之成为全市卷烟营销核心数据来源，为后续卷烟营销数字化项目奠定了统一数据底座。
FineBI使用手册图
2.智能报告分发
全市／分公司卷烟销售报告自动生成，通过WebHook机器人定向推送至相关业务人员的钉钉。针对出现预警的情况，相关分公司的营销业务人员需补充预警情况说明，及时反馈异常情况，深挖问题根源。
钉钉推送图
（四）反馈闭环层：持续学习与体系迭代
1. 人工校验标注：营销人员对AI分析报告、预警结果进行标注，定期反馈部分报告质量评价及评分；技术团队汇总标注数据，根据当前业务需要适时优化Agent设定。
2. 预测效果回溯：对比需求预测模型预测值与实际销量，持续计算平均绝对百分比误差(MAPE)，驱动模型迭代优化。
3. 预警准确率统计：追踪预警命中率与误报率，动态调整预警规则策略。
4. 语料库持续扩充：将优秀分析案例、Agent设定经验沉淀为Dora可用语料，提升诊断深度。
四、价值量化
优化前后关键指标速览图
（一）核心业务价值
1. 人力成本节省
全市月度报告制作从“3人×5－7天”（平均为3人×6天）优化为“1人×1天”；此外每年还有多次针对市场异动进行专项分析的不定期工作，以2026年上半年为例，线上线下针对卷烟市场销售异常情况召开的大规模卷烟销售工作会共计9次，每次均需要相关部门人员准备对应的市场报告及数据分析信息，因当年市场环境波动较大，预警次数较多，保守估计按照一年平均9次且每次需“3人×4天”优化为“1人×1天”的人力成本变化计算。
以数据分析人员岗位平均薪水800元／人天计算：
年节省工时（人天）＝（3×6－1×1）×12＋（3×4－1×1）×9＝303人天
年节省人力成本＝303人天×800元／人天＝24.24万元
此项成本计算未考虑半年分析报告、年度分析报告及不定期的情况分析需求对应的人工成本，仅计算了可预估的人力成本节省费用，实际效益应超出该项预估收益。
2. 供需匹配优化带来的结构性收益
需求预测偏差率从20％－30％收窄至10％以内，意味着货源计划与实际市场需求之间的错配大幅减少。因数据保密性要求，仅以脱敏数据中B公司某月错配货源量作为基础进行计算预计收益。
某月B公司错配货源量共计152.12箱，错配货源占用金额共计457.16万元，该部分货源按照原需求预测结果调拨后投放入市场，却作为库存挤占了B公司资金、计划量，不利于充分满足区域卷烟市场需求。
结合历史数据经验，预测偏差率与错配规模相关系数高达0.91，预测偏差率收窄至10％的情况下，可带动错配规模下降约50%。基于B公司某月错配占用金额457.16万元计算，预期可实现资金释放约228.58万元，同时释放可用货源约76.06箱用于满足真实市场需求。
3. 异常响应提速带来的风险挽回
市场异动发现时间从7－15天缩短至1天，按单次异常事件平均影响的品规销售额估算收益如下：
某品规某月第1周出现了市场异动，订足率从92.8％下滑至78.8％，该品规在市场中的受关注度及投放量中等，故在长达一周的数据采集分析后，才对该品规进行预警并调整对应的货源投放策略。因此，该月第2周该品规订足率仍为79.3％，而在进行投放政策调整后，第3周该品规订足率上升至85.8％，优化效果显著。
假如能够及时预警并进行货源投放策略的调整，订足率从78.8％回升至85.8％（提升约7个百分点），基于该品规平均单周投放金额×订足率提升幅度测算，对应单周销售额提升约29.09万元。以此为单次异常事件的平均挽回金额进行推算，基于近1年历史异动数据统计，全年预计触发并及时干预的重大异常约4－6次，年化风险挽回金额预计约116.4至174.5万元。
（二）管理效率价值
通过Agent智能体与实际业务场景的深度融合，彻底打破了“人找数”的传统桎梏，实现了组织级响应速度的跃升。
1. 决策提效：从“人工做表”到“秒级分发”
过去，生成覆盖13家分公司的月度经营报告需3名专业人员耗时5－7天在多系统中反复拉取与核对数据。现在，基于Agent的自动化工作流，报告生成提速至“系统自动撰写＋1天人工复核”，报表产出周期缩短80％。营销人员得以将主要精力从“机械做表”转移到“市场走访、现状分析、策略优化”上。
2. 督办闭环：从“电话催办”到“工单穿透”
市场异动的响应机制由原来的“响应延迟7－15天＋人工排查2－3天＋线下逐级通知”，优化为“AI自诊断＋工单定向秒推”。异常问题从发现到处理的周期大幅降至1天，实现全链路可追溯督办，管理穿透力显著提升。
（三）数字化资产价值
1. 指标体系标准化沉淀
将20余项卷烟营销核心指标的计算逻辑固化至FineDataLink平台，形成可复用、可追溯的指标资产库。统一了全市及13家分公司20余项核心指标的口径，营销人员无需多次重新学习指标口径，可直接基于统一标准开展分析工作，降低培训成本、杜绝口径争议。
2. 知识库与语料库持续积累
Dora Agent在运行过程中持续沉淀经营分析报告、优秀归因案例、专家研判逻辑，在经过营销业务人员人工调优后形成可复用的高质量行业语料库。AI的分析能力随着使用频次增加而不断进化，实现体系内分析质量提升的正向循环。
3. 管理经验的模型化固化
通过持续测试调优，将资深营销人员“看数据、找问题、判趋势”的专家经验，固化为Agent的分析逻辑和预警规则。过去需要2年经验才能掌握的业务判断能力，如今新入职人员借助系统即可快速上手并借助Agent工具快速学习，显著提升了营销条线的组织韧性和人员调整灵活性。
五、总结沉淀
本项目的核心价值，不仅在于部署了一套智能决策平台，更在于其推动了天津市烟草专卖局（公司）卷烟营销体系从“经验驱动的传统管理”向“数据驱动的现代智治”的深刻制度变革。通过本次实践，我们在管理机制、流程进化与组织人才等方面形成了深厚的沉淀。
（一）管理制度化：打造“唯一事实来源”与决策规范化
在过去，不同部门、不同分公司向市局汇报时往往采用各自导出的数据，导致月度经营分析会上频发“数据打架”现象。平台上线后，FineDataLink与FineBI确立了全市唯一的数据口径与指标事实来源。
目前，系统生成的“卷烟市场销售快报”和“市场波动预警情况”已深度嵌入周度与月度经营会流程，成为货源调拨、投放策略优化的唯一决策依据。数据分析结论不再是参考，而是各级营销人员必须响应和执行的准则。
（二）流程自动化：从“人找数”到“数找人”的范式迁移
打破了过去依赖“人工盯盘、电话催办”的低效协同，依托Dora Agent，建立了“市局全景监控－异常AI捕捉－属地工单核查－策略优化反馈”的数字化层级管控模式。这套闭环SOP极大地降低了市局的管理幅度压力，实现了从发现问题到工单派发、追踪核实的流程自动化，人为干预降至最低，真正实现了让数据和规则自动跑起来。
（三）经验模型化：专家知识的普惠化与私有智库沉淀
项目将资深营销人员积累多年的业务研判经验，拆解为可量化的预警阈值、归因路径与分析框架，完整固化到Dora Agent的提示词体系与诊断逻辑中，转化为可复用、可复制的数字化模型与系统规则，完成了从“人脑经验”到“系统能力”的沉淀，原本依赖个人积累的隐性知识，转化为全条线可共享的显性数字资产，破解了经验依赖、人才断层的管理难题。
（四）模式复用潜力与人才孵化
本套数据基座（简道云、FDL）→智能诊断（Dora）→流程闭环（钉钉）→可视化（FineBI）的底层架构不仅能在烟草行业内其他省级、地市级公司无缝推广，其核心机制（如动态红线预警、自动督办闭环等）可横向复制到物流配送调度、专卖稽查管理等其他核心业务场景。
通过项目建设、测试优化与推广应用，全市营销条线培养了一批既精通卷烟投放业务、又掌握数据工具应用、还理解AI落地逻辑的数字化骨干人员，形成了“业务提需求、数据做支撑、AI提效率”的协同工作模式，为企业后续数字化转型深化储备了核心人才能力。
整体而言，本项目通过“管理制度化、流程自动化、经验模型化”三层沉淀，完成了从工具应用到管理体系的价值升华，为烟草行业构建精准投放、按需供给的智能决策体系提供了可落地、可验证的实践路径。后续平台将持续扩充数据维度、优化Agent设定、拓展应用场景，不断迭代升级，为企业高质量发展持续赋能。
注：本次参赛作品中展示的数据均为脱敏后的模拟数据，实际平台的应用部署于内网环境。比赛所展示内容在符合数据保密性要求的前提下最大程度复现了该智能决策平台的核心功能与业务流程。
