文 | 帆軟數(shù)據(jù)應(yīng)用研究院 水手哥

近日，艾瑞咨詢發(fā)布了2017年度《中國商業(yè)智能行業(yè)研究報告》，聚焦于人工智能和商業(yè)智能的行業(yè)應(yīng)用，即人工智能技術(shù)如何應(yīng)用于商業(yè)智能決策，以及如何實現(xiàn)商業(yè)經(jīng)營的智能化與自動化。

該報告指出，中國企業(yè)精細(xì)化運營的需求正在爆發(fā)，對商業(yè)智能解決方案的要求提高了，尤其是金融、電商、物流和出行等領(lǐng)域，更需要商業(yè)智能幫助企業(yè)實現(xiàn)數(shù)據(jù)驅(qū)動認(rèn)知道數(shù)據(jù)驅(qū)動決策的轉(zhuǎn)變。技術(shù)上，商業(yè)智能的未來將從強調(diào)單一技術(shù)，到各學(xué)科、分支、算法等融會貫通。經(jīng)驗上，企業(yè)、技術(shù)供應(yīng)商對場景的理解是產(chǎn)業(yè)升級的關(guān)鍵。商業(yè)智能的落地是一項系統(tǒng)工程，企業(yè)的工程實踐能力有待增強。

一、中國商業(yè)智能行業(yè)的發(fā)展概況

受惠于國家經(jīng)濟發(fā)展和政策扶持，在商業(yè)智能行業(yè)，中國已經(jīng)與美國同屬第一方陣，發(fā)展態(tài)勢上各有千秋，比如我國企業(yè)更喜歡從底層數(shù)據(jù)庫到前端應(yīng)用的一體化解決方案。水手哥深以為然，國內(nèi)從西部到東部，不同區(qū)域的信息化水平不一而足，但最近幾年大家都非?？粗匦袠I(yè)落地經(jīng)驗，也都追求一體化的解決方案，其核心原因還是尋求數(shù)據(jù)化最優(yōu)解，上了一整套系統(tǒng)，等于請了專業(yè)的咨詢公司梳理業(yè)務(wù)。技術(shù)方面，AI和大數(shù)據(jù)蓬勃發(fā)展，加上政策利好，中國商業(yè)智能整體呈現(xiàn)向上發(fā)展趨勢。但是由于經(jīng)濟增速溫和，跑馬圈地粗曠經(jīng)營的紅利期已過，精細(xì)化運營的需求正在爆發(fā)。

同時，艾瑞咨詢在本報告中簡單描述了商業(yè)智能產(chǎn)業(yè)鏈。智能技術(shù)在商業(yè)場景中的應(yīng)用，即產(chǎn)業(yè)鏈的中游和下游。關(guān)于產(chǎn)業(yè)鏈的上游，傳統(tǒng)IT廠商和云服務(wù)廠商可為技術(shù)、產(chǎn)品及服務(wù)提供者賦予計算、存儲等基礎(chǔ)設(shè)施支持， ERP、CRM等信息系統(tǒng)可幫助企業(yè)有效記錄其資源及業(yè)務(wù)數(shù)據(jù)，數(shù)據(jù)整合者的第三方數(shù)據(jù)則可豐富智能分析的數(shù)據(jù)維度。帆軟公司是大數(shù)據(jù)BI和分析平臺供應(yīng)商，處于產(chǎn)業(yè)鏈的中游，既可以提供標(biāo)準(zhǔn)化的BI產(chǎn)品，也可以提供行業(yè)解決方案。

二、商業(yè)智能未來核心技術(shù)剖析

報告認(rèn)為，未來商業(yè)智能核心技術(shù)是機器學(xué)習(xí)、知識圖譜、運籌學(xué)。所謂機器學(xué)習(xí)，即實現(xiàn)自動化本身自動化。2015年以來，神經(jīng)網(wǎng)絡(luò)以深度學(xué)習(xí)之名再次崛起，大幅提升感知智能準(zhǔn)確率。核心的機器學(xué)習(xí)算法，要支持向量機、樸素貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)等經(jīng)典算法，并包含深度學(xué)習(xí)、強化學(xué)習(xí)、遷移學(xué)習(xí)等熱點技術(shù)。

知識圖譜于2012年5 月17日被Google正式提出，其前身可追溯至上世紀(jì)六十年代的Frame Network（Semantic Network）。就覆蓋范圍而言，知識圖譜可分為應(yīng)用相對廣泛的通用知識圖譜和專屬于某個特定領(lǐng)域的行業(yè)知識圖譜。通用知識圖譜注 重廣度，強調(diào)融合更多的實體，主要應(yīng)用于智能搜索等領(lǐng)域。行業(yè)知識圖譜需要考慮到不同的業(yè)務(wù)場景與使用人員，通常 需要依靠特定行業(yè)（如金融、公安、醫(yī)療、電商等）的數(shù)據(jù)來構(gòu)建，實體的屬性與數(shù)據(jù)模式往往比較豐富。

運籌學(xué)是一門用量化分析的方法做決策與優(yōu)化的科學(xué)和藝術(shù)，它為管理決策提供智慧，并以自己的智慧解決管理決策問題。大數(shù)據(jù)時代賦予企業(yè)更海量、更多維度、更具時效性的全樣本數(shù)據(jù)，也帶來了工業(yè)實踐的新業(yè)務(wù)、新場景、新約束，這些新問題為運籌學(xué)的經(jīng) 典理論帶來新鮮養(yǎng)料，促進了運籌學(xué)新模型、新方法的不斷涌現(xiàn)。美國的亞馬遜會有數(shù)百人的運籌學(xué)團隊來負(fù)責(zé)物流、倉儲的供應(yīng)鏈優(yōu)化和商 品定價等收益管理問題；谷歌起家的搜索引擎由計算機科學(xué)背景的人員來研發(fā)，如今谷歌也有專門的運籌學(xué)團隊來解決相應(yīng)的廣告點擊、街景 的路徑優(yōu)化等各種問題，均在大數(shù)據(jù)時代憑借運籌優(yōu)化來做精細(xì)運營。國內(nèi)移動互聯(lián)網(wǎng)的爆發(fā)性增長帶來了大量的數(shù)據(jù)積累和沉淀，在很大程 度上補充了原有的以PC為核心的IT信息系統(tǒng)，用戶使用移動服務(wù)過程中記錄下來的數(shù)據(jù)成為智能決策系統(tǒng)提升運營效率的基礎(chǔ)，電商的收益管 理、供應(yīng)鏈優(yōu)化，網(wǎng)約車的路徑規(guī)劃、動態(tài)定價，金融的風(fēng)險管理，各領(lǐng)域各組織皆因國內(nèi)龐大的用戶市場而充滿想象空間。

但是，站在產(chǎn)品技術(shù)的發(fā)展角度上，Gartner有著不盡相同的看法，他們認(rèn)為，未來商業(yè)智能的技術(shù)除了深度學(xué)習(xí)，還有數(shù)據(jù)準(zhǔn)備自動化和自然語言處理。

數(shù)據(jù)整合，數(shù)據(jù)準(zhǔn)備等數(shù)據(jù)科學(xué)工作將越來越自動化，這會大大提升數(shù)據(jù)科學(xué)家的工作效率。數(shù)據(jù)集成等手動工作的自動化有助于提高專業(yè)和民間數(shù)據(jù)科學(xué)家的效率，緩解人手不足的問題。Gartner預(yù)測，到2020年，超過40％的數(shù)據(jù)科學(xué)任務(wù)將自動化，從而提高公民數(shù)據(jù)科學(xué)家的生產(chǎn)率和更廣泛的使用。

自然語言理解是計算機科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個重要方向，它研究如何能讓計算機理解并生成人們?nèi)粘Ｋ褂玫恼Z言，使得計算機懂得自然語言的含義。BI的自然語言處理技術(shù)將能把數(shù)據(jù)分析的結(jié)果以敘事的方式表達給用戶，便于用戶理解。用戶將通過搜索和自然語言的方式進行分析查詢，如同siri那樣的交互，而不必通過專家或者計算機語言進行查詢。但是水手哥并不認(rèn)同個人語音助手，中國人還沒有習(xí)慣，碰到什么事情都語音問一下。在辦公室問“悟帆，告訴我上海地區(qū)近兩年的FineBI銷售額”，估計會被人當(dāng)作瘋子。

三、商業(yè)智能的典型應(yīng)用

1、廣告營銷：精準(zhǔn)營銷負(fù)責(zé)引流獲客，個性化推薦促活留存

2、電商：收益管理的本質(zhì)是優(yōu)化，智能化收益管理幫助企業(yè)在不增加流量投入的同時提升收入

3、交通出行：通過人工智能 運籌學(xué)，最小化路程與出行時間

4、供應(yīng)鏈：通過大數(shù)據(jù)與優(yōu)化技術(shù)提升供應(yīng)鏈系統(tǒng)效率與柔性

5、金融風(fēng)控：利用數(shù)據(jù)與技術(shù)，提高風(fēng)控準(zhǔn)確率，布局全流程風(fēng)控

6、智能客服：由人力密集型向人機混合模式升級

四、商業(yè)智能的挑戰(zhàn)與未來

在人工智能成為產(chǎn)業(yè)界、學(xué)術(shù)圈、投資人以及媒體關(guān)注的焦點以來，大眾對深度學(xué)習(xí)等技術(shù)尤為關(guān)注。但在工業(yè)實踐中， 對具體業(yè)務(wù)場景的理解與對實際問題的界定，與采用何種模型、算法同等重要，前者在很大程度上決定了后者是否能夠有 效降低企業(yè)運營成本或者幫助相關(guān)業(yè)務(wù)增加收入，這是技術(shù)能夠落地、產(chǎn)業(yè)得以升級的關(guān)鍵。 在AAAI2017中，Uber人工智能實驗室主任Gary Marcus即表示當(dāng)前飛速發(fā)展的深度學(xué)習(xí)等技術(shù)可能只是在不斷逼近通用 人工智能的一個局部最優(yōu)點，而這樣的逼近方式可能讓我們錯過那些真正更好地實現(xiàn)通用人工智能的方法。因此，在運用 技術(shù)解決某個問題之前，絕不應(yīng)先入為主地認(rèn)定要是用某個具體的機器學(xué)習(xí)算法，而應(yīng)首先對業(yè)務(wù)場景加以分析，抓住核心問題要素，這是做出最優(yōu)技術(shù)選擇的前提。

商業(yè)智能業(yè)務(wù)應(yīng)用的落地需要建立在完善的數(shù)據(jù)整合、管理之上，再由相應(yīng)的算法、模型基于高效的計算框架將數(shù)據(jù)轉(zhuǎn)化 為可視化的業(yè)務(wù)規(guī)律，進一步驅(qū)動或直接生成企業(yè)決策，因此商業(yè)智能是一項系統(tǒng)工程，算法設(shè)計、架構(gòu)搭建、系統(tǒng)配合、 流程控制、質(zhì)量監(jiān)督、危機處理等缺一不可，項目工程經(jīng)驗非常重要。 另一方面，類比國際頂級SaaS企業(yè)Salesforce，其產(chǎn)品通用功能大概只占50%，產(chǎn)品背后依然有大量供應(yīng)商及自身服務(wù)團 隊結(jié)合客戶差異化的場景做定制服務(wù)，因此尚處早期的商業(yè)智能領(lǐng)域，在很長一段時期內(nèi)，服務(wù)方式仍將以定制化的解決 方案為主（尤其面對大企業(yè)的時候），以SaaS等標(biāo)準(zhǔn)化的產(chǎn)品為輔，并在部分場景中以PaaS服務(wù)接入客戶ERP、CRM等 信息系統(tǒng)，快速、低成本地將商業(yè)智能賦能于企業(yè)。

更多大數(shù)據(jù)資訊和企業(yè)案例可關(guān)注 ：公眾號-帆軟數(shù)據(jù)應(yīng)用研究院，ID: fr_research