來(lái)源：?jiǎn)⒌现巧虾?/p>
本文約3000字，建議閱讀7分鐘。
本文中，來(lái)自信數(shù)科技的樊沖先生及馬有健先生為大家分享了智能決策體系的建設(shè)心得以及在實(shí)際商業(yè)場(chǎng)景中的應(yīng)用。
在人工智能領(lǐng)域，面向商業(yè)應(yīng)用的人工智能更具備落地的先天條件，智能決策則是商業(yè)智能化的重中之重。來(lái)自信數(shù)科技的樊沖先生及馬有健先生為大家分享了智能決策體系的建設(shè)心得以及在實(shí)際商業(yè)場(chǎng)景中的應(yīng)用。
下文整理了本期分享的主要內(nèi)容：
一、引入：企業(yè)人工智能
人工智能的應(yīng)用是一個(gè)廣闊的領(lǐng)域，一般認(rèn)為，人工智能的發(fā)展分三個(gè)階段：計(jì)算智能→感知智能→認(rèn)知智能。目前大部分做人工智能的企業(yè)主要是停留在感知智能的階段，即識(shí)別、深度學(xué)習(xí)等等，其目的是逐步替代人的“五感”。常見(jiàn)的例子是安防場(chǎng)景、美顏場(chǎng)景的應(yīng)用。
人工智能能對(duì)企業(yè)運(yùn)營(yíng)起到什么樣的作用呢？
從供需角度分析，對(duì)于企業(yè)而言，當(dāng)前計(jì)算力成本日趨下降，勞動(dòng)力成本逐漸上升，所處的階段已經(jīng)是勞動(dòng)力成本高于計(jì)算力成本的范疇，圖中的綠色色塊就是可以通過(guò)人工智能來(lái)節(jié)約的人力成本。很多企業(yè)在這一部分都沒(méi)有能夠足夠的挖潛。
根據(jù)麥肯錫2017年發(fā)布的《全球勞動(dòng)力可自動(dòng)化潛力指數(shù)》：中國(guó)的勞動(dòng)力可自動(dòng)化比例為51%，中國(guó)勞動(dòng)力總數(shù)為7.72億，可被自動(dòng)化替代的潛力數(shù)量為3.95億。
這個(gè)潛力指數(shù)體現(xiàn)了這樣一種可能性，即低價(jià)值的勞動(dòng)逐漸被人工智能所替代，大多數(shù)員工能夠進(jìn)行自我升級(jí)，將勞動(dòng)集中在更有價(jià)值的工作中。
從企業(yè)決策模式的角度分析，從2000多年前到現(xiàn)在，企業(yè)的決策模式可以大概分為三個(gè)階段。2013年開(kāi)始，企業(yè)進(jìn)入數(shù)據(jù)驅(qū)動(dòng)的管理模式。
那么，什么是數(shù)據(jù)驅(qū)動(dòng)的企業(yè)？
信數(shù)給出的概念是：企業(yè)的研發(fā)、計(jì)劃、組織、生產(chǎn)、協(xié)調(diào)、銷(xiāo)售、服務(wù)和創(chuàng)新等運(yùn)營(yíng)全業(yè)務(wù)鏈均使用數(shù)字化決策，并能反饋至企業(yè)戰(zhàn)略的決策和規(guī)劃，使企業(yè)實(shí)現(xiàn)整體的決策智能，最終通過(guò)數(shù)據(jù)驅(qū)動(dòng)引領(lǐng)企業(yè)乃至行業(yè)的變革。
二、AI+企業(yè)如何落地：
問(wèn)題導(dǎo)向+精準(zhǔn)定位→研發(fā)產(chǎn)品
積極探索數(shù)據(jù)的價(jià)值已經(jīng)成為各行業(yè)企業(yè)的共識(shí)。但很多企業(yè)止步于數(shù)據(jù)采集的步驟，仍有一些問(wèn)題亟待解決：
針對(duì)上述問(wèn)題，信數(shù)科技的AIS（Artificial Intelligence Suite）體系，即領(lǐng)先的企業(yè)級(jí)人工智能產(chǎn)品體系，以企業(yè)數(shù)據(jù)化智能決策的問(wèn)題為研發(fā)導(dǎo)向，聚焦于企業(yè)內(nèi)部“決策”金字塔中的底部——企業(yè)日常運(yùn)營(yíng)決策環(huán)節(jié)。其核心方法論為通過(guò)對(duì)實(shí)時(shí)數(shù)據(jù)的分析決策，結(jié)合機(jī)器學(xué)習(xí)的方式，實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)管理的自動(dòng)化、敏捷化、智能化。
AIS產(chǎn)品的邏輯是一個(gè)數(shù)據(jù)驅(qū)動(dòng)的閉環(huán)，分成四個(gè)階段：融合內(nèi)外數(shù)據(jù)→挖掘數(shù)據(jù)價(jià)值→做出智能決策→驅(qū)動(dòng)高效運(yùn)營(yíng)。具體到操作層面，是細(xì)分成了六個(gè)小的細(xì)分模塊。
數(shù)據(jù)來(lái)源管理：
數(shù)據(jù)管理：
數(shù)據(jù)API管理平臺(tái)（顯示數(shù)據(jù)來(lái)源、數(shù)據(jù)調(diào)用記錄，保障數(shù)據(jù)調(diào)用的穩(wěn)定性，面對(duì)特定應(yīng)用場(chǎng)景可一鍵生成賬單）；實(shí)時(shí)數(shù)據(jù)處理，數(shù)據(jù)質(zhì)量管理：
CEP流計(jì)算軟件（強(qiáng)大的流數(shù)據(jù)計(jì)算能力，可處理復(fù)雜事件；海量數(shù)據(jù)吞吐，毫秒級(jí)響應(yīng)），數(shù)據(jù)質(zhì)量管理軟件機(jī)器學(xué)習(xí)：
機(jī)器學(xué)習(xí)平臺(tái)（數(shù)據(jù)和工具的集成能力強(qiáng)大，可輕松擴(kuò)展；預(yù)設(shè)超過(guò)2000多個(gè)模塊赫爾高級(jí)算法，輔助建模）智能運(yùn)營(yíng)決策：
決策引擎平臺(tái)（易用，敏捷，智能；對(duì)標(biāo)FICO,IBM,Experian）運(yùn)營(yíng)狀況實(shí)時(shí)監(jiān)控：
運(yùn)營(yíng)監(jiān)控系統(tǒng)（及時(shí)預(yù)警，快速響應(yīng)）數(shù)據(jù)報(bào)表可視化：
數(shù)據(jù)可視化系統(tǒng)（自動(dòng)生成可視化圖表，可供領(lǐng)導(dǎo)層進(jìn)行戰(zhàn)術(shù)乃至戰(zhàn)略決策時(shí)使用）
紅色是信數(shù)自主開(kāi)發(fā)模塊，藍(lán)色是與其他廠商合作開(kāi)發(fā)模塊
三、AIS產(chǎn)品效用和應(yīng)用場(chǎng)景
AIS產(chǎn)品的目標(biāo)是實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)模式的自動(dòng)化、敏捷化和智能化。這三種效用可以從智能風(fēng)控、智能保險(xiǎn)和實(shí)時(shí)交易反欺詐三個(gè)應(yīng)用場(chǎng)景來(lái)體現(xiàn)。
以信貸風(fēng)控的場(chǎng)景為例，下圖是一個(gè)典型的線上信貸審批流程。在業(yè)務(wù)成熟之后，會(huì)實(shí)現(xiàn)一個(gè)前端到中臺(tái)全自動(dòng)的過(guò)程。
在客戶注冊(cè)登錄并提出貸款申請(qǐng)之后，由中臺(tái)完成審批，再將結(jié)果反饋給業(yè)務(wù)前端。接著由人工審核之后，客戶獲得放款或被拒絕。如果獲得放款，其貸后表現(xiàn)又進(jìn)入實(shí)時(shí)的運(yùn)營(yíng)監(jiān)控。這樣的全自動(dòng)審批流程會(huì)在短時(shí)間內(nèi)積累大量用戶數(shù)據(jù)，可以用于反哺風(fēng)控策略，完善決策模型。由此形成一個(gè)服務(wù)的閉環(huán)。
這個(gè)閉環(huán)包括兩個(gè)部分，一個(gè)是實(shí)時(shí)運(yùn)營(yíng)情況的可視化分析，系統(tǒng)將選取一些典型的風(fēng)控模型和變量生成運(yùn)營(yíng)圖表，提供給數(shù)據(jù)分析師和相關(guān)的風(fēng)控工作人員，幫助他們檢視運(yùn)營(yíng)過(guò)程中的問(wèn)題。另一個(gè)是基于大量的用戶數(shù)據(jù)，進(jìn)行決策模型調(diào)參和模型迭代，使得整個(gè)風(fēng)控策略更加完善。
這樣的自動(dòng)化流程在實(shí)際實(shí)施時(shí)會(huì)遇到很多問(wèn)題。其中有三個(gè)主要的需要攻克的難點(diǎn)。
第一個(gè)是在數(shù)據(jù)層面。內(nèi)部數(shù)據(jù)的管理已經(jīng)是一個(gè)重要的工作，同時(shí)外部數(shù)據(jù)的接入和對(duì)外部數(shù)據(jù)質(zhì)量的監(jiān)控和清洗，是實(shí)現(xiàn)自動(dòng)化流程首先遇到的問(wèn)題。
第二個(gè)是在決策規(guī)則層面。傳統(tǒng)的做法是把業(yè)務(wù)規(guī)則以硬代碼的形式寫(xiě)進(jìn)業(yè)務(wù)系統(tǒng)。但是這樣的做法會(huì)給企業(yè)發(fā)展帶來(lái)一定的問(wèn)題，因?yàn)楹笃诘母膭?dòng)調(diào)整需要投入相當(dāng)?shù)臅r(shí)間成本和人力成本，用于保證改動(dòng)的正確率。如何用靈活的形式來(lái)承載復(fù)雜的風(fēng)控策略，成為信數(shù)研究的關(guān)鍵。
第三個(gè)是基于大量的用戶數(shù)據(jù)，如何構(gòu)建一個(gè)完整的運(yùn)營(yíng)監(jiān)控體系，如何增強(qiáng)數(shù)據(jù)分析的力度，從而讓運(yùn)營(yíng)人員更有方向地調(diào)整風(fēng)控策略。
AIS系統(tǒng)則通過(guò)搭建完整的產(chǎn)品架構(gòu)，清晰的模塊化管理來(lái)應(yīng)對(duì)上述問(wèn)題。
四、智能決策引擎
AIS產(chǎn)品的最大亮點(diǎn)在于它的智能決策引擎。
它將復(fù)雜的業(yè)務(wù)規(guī)則和策略從整體的業(yè)務(wù)需求中提煉出來(lái)，使用一個(gè)更獨(dú)立的工具單獨(dú)管理它。決策引擎系統(tǒng)和中臺(tái)或流程管理系統(tǒng)之間通過(guò)API的接口進(jìn)行交互。這樣，客戶可以將業(yè)務(wù)規(guī)則，定價(jià)策略或是風(fēng)控模型全部部署在決策引擎里，由中臺(tái)或流程管理系統(tǒng)進(jìn)行決策調(diào)用。中臺(tái)提供數(shù)據(jù)到?jīng)Q策引擎，由決策引擎進(jìn)行計(jì)算反饋結(jié)果，中臺(tái)直接根據(jù)結(jié)果進(jìn)行下一步的操作。
在這樣的設(shè)計(jì)之下，決策引擎作為一個(gè)單獨(dú)的專(zhuān)業(yè)的規(guī)則管理工具，可以讓業(yè)務(wù)管理人員直接將決策規(guī)則部署在系統(tǒng)之中，而不是依賴于業(yè)務(wù)人員和技術(shù)人員之間的往返溝通，從而方便公司靈活地調(diào)整決策規(guī)則。不管是從易用性上還是體系化的設(shè)計(jì)上來(lái)講，AIS的決策引擎都要優(yōu)于純代碼的設(shè)計(jì)模式。
五、小結(jié)
AIS系統(tǒng)的方法論具有比較廣泛的適應(yīng)性，整體來(lái)說(shuō)對(duì)于重復(fù)、瑣碎、大量、瞬時(shí)、規(guī)律、監(jiān)控、閉環(huán)等這類(lèi)特征的運(yùn)營(yíng)工作是通用的。但是由于較多的應(yīng)用場(chǎng)景難以獲得可靠的數(shù)據(jù)來(lái)源，因此目前的應(yīng)用場(chǎng)景主要集中在金融、保險(xiǎn)行業(yè)。對(duì)于未來(lái)，信數(shù)科技的分享嘉賓表示，看好IoT和能源產(chǎn)業(yè)的應(yīng)用。
【嘉賓簡(jiǎn)介】
樊沖，上海信數(shù)戰(zhàn)略總監(jiān)。樊沖先生負(fù)責(zé)研發(fā)總體產(chǎn)品架構(gòu)與解決方案，以數(shù)據(jù)驅(qū)動(dòng)的理念幫助企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型升級(jí)，曾負(fù)責(zé)過(guò)多個(gè)大數(shù)據(jù)產(chǎn)品的規(guī)劃和實(shí)施，涉及金融，物流，共享經(jīng)濟(jì)，房產(chǎn)和用戶分析多個(gè)領(lǐng)域。
馬有健，上海信數(shù)資深咨詢顧問(wèn)。馬有健先生持續(xù)為客戶提供完備的技術(shù)方案與實(shí)施咨詢，擁有豐富的風(fēng)控自動(dòng)化系統(tǒng)的搭建的經(jīng)驗(yàn)，擅長(zhǎng)信貸、保險(xiǎn)、銀行等各類(lèi)金融業(yè)務(wù)的風(fēng)控咨詢經(jīng)驗(yàn)。
聯(lián)系客服
