作者：張?jiān)?史睿

摘要

區(qū)別于能夠?qū)崿F(xiàn)海量數(shù)據(jù)的管理、簡(jiǎn)單分析與可視化的傳統(tǒng)商業(yè)智能，艾瑞的此份商業(yè)智能報(bào)告將聚焦于人工智能技術(shù)如何用于商業(yè)智能決策，實(shí)現(xiàn)商業(yè)經(jīng)營(yíng)的智能化與自動(dòng)化。

本報(bào)告中的重要觀點(diǎn)：

1. 中國(guó)企業(yè)精細(xì)化運(yùn)營(yíng)的需求正在爆發(fā);
2. 商業(yè)智能，幫助企業(yè)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)認(rèn)知到數(shù)據(jù)驅(qū)動(dòng)決策的轉(zhuǎn)變;
3. 商業(yè)智能主要應(yīng)用于金融、電商、物流、出行等領(lǐng)域;
4. 中國(guó)AI論文成果達(dá)到國(guó)際一線水平;
5. 技術(shù)方面，商業(yè)智能的未來(lái)將從強(qiáng)調(diào)單一技術(shù)，到各學(xué)科、分支、算法等融會(huì)貫通;
6. 技術(shù)以外，企業(yè)、技術(shù)供應(yīng)商對(duì)場(chǎng)景的理解是產(chǎn)業(yè)升級(jí)的關(guān)鍵;
7. 商業(yè)智能的落地是一項(xiàng)系統(tǒng)工程，企業(yè)的工程實(shí)踐能力有待增強(qiáng)。

商業(yè)智能行業(yè)概念界定

商業(yè)智能的下一步，智能化與自動(dòng)化

商業(yè)智能(BI，Business Intelligence)概念的提出可追溯至1958年，通常將其視為把企業(yè)中現(xiàn)有數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策的工具。過(guò)去的商業(yè)智能不能給出決策方案，也不能自動(dòng)處理企業(yè)運(yùn)行過(guò)程中遇到的問(wèn)題。借助于人工智能與其他相關(guān)學(xué)科的技術(shù)進(jìn)步，現(xiàn)代商業(yè)智能已能在特定場(chǎng)景中實(shí)現(xiàn)商業(yè)經(jīng)營(yíng)的智能化與自動(dòng)化。因此，本報(bào)告聚焦于將人工智能技術(shù)用于商業(yè)智能決策，試圖對(duì)人工智能在商業(yè)落地的真實(shí)現(xiàn)狀進(jìn)行說(shuō)明，凸顯AI技術(shù)(不包括智能語(yǔ)音、計(jì)算機(jī)視覺等感知智能)在現(xiàn)階段應(yīng)用的價(jià)值。

商業(yè)智能與大數(shù)據(jù)

大數(shù)據(jù)為商業(yè)智能的發(fā)展提供土壤

互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)高速發(fā)展，海量、高維度且可實(shí)時(shí)接入更新的數(shù)據(jù)隨之而來(lái)，為機(jī)器學(xué)習(xí)等前沿技術(shù)在各領(lǐng)域中的探索及落地提供可能，進(jìn)一步拓展了被服務(wù)人群且顯著提升服務(wù)質(zhì)量。另一面，產(chǎn)業(yè)缺乏通用標(biāo)準(zhǔn)約束，數(shù)據(jù)在采集及流轉(zhuǎn)過(guò)程中污染程度不一，數(shù)據(jù)加密不規(guī)范引致的數(shù)據(jù)泄露時(shí)有發(fā)生，數(shù)據(jù)孤島亦成為企業(yè)業(yè)務(wù)發(fā)展的掣肘(如金融方面，企業(yè)多為基于自身平臺(tái)積累的獨(dú)有數(shù)據(jù)做征信，評(píng)分適用范圍將大大受限)，通用標(biāo)準(zhǔn)的建立需要政府及產(chǎn)業(yè)界的共同努力。

商業(yè)智能與大數(shù)據(jù)

從數(shù)據(jù)驅(qū)動(dòng)認(rèn)知，到數(shù)據(jù)驅(qū)動(dòng)決策

智能技術(shù)的運(yùn)用一方面將拓展大數(shù)據(jù)的應(yīng)用場(chǎng)景，從幫助業(yè)務(wù)人員認(rèn)知到實(shí)現(xiàn)企業(yè)最優(yōu)決策，另一方面，自然語(yǔ)言處理的進(jìn)步也正在解決人機(jī)交互的部分問(wèn)題，自然語(yǔ)言查詢、自然語(yǔ)言生成都將進(jìn)一步釋放商業(yè)智能的效率和價(jià)值。

商業(yè)智能應(yīng)用場(chǎng)景

商業(yè)智能主要應(yīng)用于金融、電商、物流、出行等領(lǐng)域

類比人類智能，人工智能可分為賦予機(jī)器語(yǔ)音、圖像等感知能力的感知智能和賦予機(jī)器思考能力的認(rèn)知、決策智能。認(rèn)知能提升感知(如對(duì)語(yǔ)義的理解判斷將提升機(jī)器的語(yǔ)音識(shí)別率)，感知也會(huì)輔助決策(如智慧商超中機(jī)器視覺對(duì)客流屬性、消費(fèi)行為的觀察、記錄可輔助商超做出營(yíng)銷決策)，本報(bào)告聚焦于認(rèn)知智能在商業(yè)場(chǎng)景中的應(yīng)用情況。

中美商業(yè)智能環(huán)境對(duì)比

中美同屬商業(yè)智能第一方陣，發(fā)展態(tài)勢(shì)各有千秋

過(guò)去的幾十年中，中國(guó)科技智能環(huán)境不如西方幾乎成了很多人的刻板印象，但在如今的商業(yè)智能領(lǐng)域，我國(guó)從“中國(guó)制造”到“中國(guó)智造”，從奮起直追到彎道超車，已進(jìn)入商業(yè)智能領(lǐng)域第一方陣，成為發(fā)展最快的國(guó)家之一。總的來(lái)說(shuō)，由于中美文化差異、人口差別、工作強(qiáng)度不同等因素，相比美國(guó)，中國(guó)將技術(shù)落地的加速度更快，新興商業(yè)模式拓展力強(qiáng)，但業(yè)務(wù)的發(fā)展仍缺乏全面性與標(biāo)準(zhǔn)化。目前，中國(guó)通過(guò)單點(diǎn)突破彎道超車，并開始重視精細(xì)化運(yùn)營(yíng)，由局部最優(yōu)逐漸向全局最優(yōu)靠攏。

中國(guó)商業(yè)智能技術(shù)環(huán)境

論文成果達(dá)到國(guó)際一線水平，企業(yè)積極應(yīng)用創(chuàng)新性成果

AAAI(The Association for the Advancement of Artificial Intelligence)是人工智能領(lǐng)域頂級(jí)的綜合性會(huì)議，會(huì)議論文涉及機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、搜索、規(guī)劃、視覺、知識(shí)表達(dá)等人工智能各分支的學(xué)術(shù)探討和應(yīng)用研究。2017年AAAI大會(huì)收到論文2571篇，創(chuàng)下新高，中國(guó)學(xué)者的論文提交量與錄用率均達(dá)到國(guó)際一線水平，與美國(guó)持平。收錄論文不僅有來(lái)自高校學(xué)者，還有來(lái)自百度、騰訊、華為、360、今日頭條等企業(yè)研究人員，如百度的《Collaborative Company Profiling：Insights from an Employee’s Perspective》——從員工角度出發(fā)，嘗試?yán)肁I讓企業(yè)人力價(jià)值最大化。

國(guó)內(nèi)企業(yè)與高校間的合作也愈發(fā)緊密，騰訊即有與香港科技大學(xué)的實(shí)驗(yàn)室合作，高校可利用企業(yè)的海量數(shù)據(jù)與測(cè)試平臺(tái)，企業(yè)則可將創(chuàng)新性成果落地實(shí)踐。需要指出的是，盡管目前AI的商業(yè)應(yīng)用中國(guó)并不落后甚至在某些維度領(lǐng)先美國(guó)，但在原創(chuàng)性研究、創(chuàng)新土壤、人才儲(chǔ)備方面，中美仍有較大差距。

商業(yè)智能產(chǎn)業(yè)圖譜

商業(yè)智能行業(yè)投融資梳理

行業(yè)集中度低，融資火熱，天使輪、A輪居多

商業(yè)智能應(yīng)用場(chǎng)景眾多，包括營(yíng)銷、金融、交通等領(lǐng)域，各領(lǐng)域涉及企業(yè)眾多，行業(yè)集中度較低，融資方面，2012-2016年最為火熱，其中，2015年融資次數(shù)達(dá)到31次，同時(shí)有兩家新三板掛牌企業(yè)，是2012-2016年中融資次數(shù)最多的一年;從融資輪次來(lái)看，大部分融資尚處于早期的天使輪、A輪階段;另外，從企業(yè)所涉領(lǐng)域來(lái)看，服務(wù)于金融領(lǐng)域的企業(yè)最受資本市場(chǎng)青睞。

商業(yè)智能核心技術(shù)剖析

了解技術(shù)是發(fā)展技術(shù)的前提

人工智能正在重塑科學(xué)、技術(shù)、商業(yè)、政治以及戰(zhàn)爭(zhēng)，而大眾對(duì)技術(shù)的認(rèn)知程度和該技術(shù)的重要性相比顯得遠(yuǎn)遠(yuǎn)不夠。即使只有工程師和機(jī)修工有必要知道汽車發(fā)動(dòng)機(jī)如何運(yùn)作，每位司機(jī)也都必須明白轉(zhuǎn)動(dòng)方向盤會(huì)改變汽車的方向、踩剎車會(huì)讓車停下。另外，當(dāng)今人工智能的各個(gè)分支其實(shí)在五十年前就已有相關(guān)基礎(chǔ)，當(dāng)時(shí)的一些科學(xué)家認(rèn)為，人工智能的所有問(wèn)題都將在十年內(nèi)解決。但事實(shí)是直到今天，很多問(wèn)題仍懸而未決并難以解決。過(guò)高的預(yù)期引致不當(dāng)?shù)氖斯ぶ悄軞v史上的兩次冬天無(wú)疑阻礙了技術(shù)、產(chǎn)業(yè)發(fā)展的步伐，并讓踏實(shí)做事的人受到傷害。因此，我們有必要對(duì)商業(yè)智能技術(shù)的概念模型、發(fā)展現(xiàn)狀與應(yīng)用前景進(jìn)行客觀認(rèn)知，了解它的能力與邊界。

核心技術(shù)之機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)概述

將數(shù)據(jù)輸入計(jì)算機(jī)，一般算法會(huì)利用數(shù)據(jù)進(jìn)行計(jì)算然后輸出結(jié)果，機(jī)器學(xué)習(xí)的算法則大為不同，輸入的是數(shù)據(jù)和想要的結(jié)果，輸出的則為算法模型，即把數(shù)據(jù)轉(zhuǎn)換成結(jié)果的算法模型。通過(guò)機(jī)器學(xué)習(xí)，計(jì)算機(jī)能夠自己生成模型，進(jìn)而提供相應(yīng)的判斷，實(shí)現(xiàn)某種人工智能。工業(yè)革命使手工業(yè)自動(dòng)化，而機(jī)器學(xué)習(xí)則使自動(dòng)化本身自動(dòng)化。

核心技術(shù)之機(jī)器學(xué)習(xí)

支持向量機(jī)、樸素貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)等經(jīng)典算法

核心技術(shù)之機(jī)器學(xué)習(xí)

人工智能、機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的相互關(guān)系

近幾年掀起人工智能熱潮的深度學(xué)習(xí)，屬于機(jī)器學(xué)習(xí)的一個(gè)子集，在思想和理論上并未顯著超越二十世紀(jì)八十年代中后期神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的研究，但得益于海量數(shù)據(jù)的出現(xiàn)、計(jì)算能力的提升，原來(lái)復(fù)雜度很高的算法得以落地使用，并在邊界清晰的領(lǐng)域獲得比過(guò)去更精細(xì)的結(jié)果，大大推動(dòng)了機(jī)器學(xué)習(xí)在工業(yè)實(shí)踐中的應(yīng)用。但值得指出的是，深度學(xué)習(xí)的應(yīng)用范圍還很有限，統(tǒng)計(jì)學(xué)習(xí)仍然在機(jī)器學(xué)習(xí)中被有效地普遍采用。另外，人工智能不是一種特定的技術(shù)方法，所有方法都是在對(duì)人工智能這個(gè)課題進(jìn)行研究的產(chǎn)物。機(jī)器學(xué)習(xí)和象征著理性主義的知識(shí)工程、行為主義的機(jī)器人一樣，是人工智能的一個(gè)分支。

核心技術(shù)之知識(shí)圖譜

知識(shí)圖譜的應(yīng)用

就覆蓋范圍而言，知識(shí)圖譜可分為應(yīng)用相對(duì)廣泛的通用知識(shí)圖譜和專屬于某個(gè)特定領(lǐng)域的行業(yè)知識(shí)圖譜。通用知識(shí)圖譜注重廣度，強(qiáng)調(diào)融合更多的實(shí)體，主要應(yīng)用于智能搜索等領(lǐng)域。行業(yè)知識(shí)圖譜需要考慮到不同的業(yè)務(wù)場(chǎng)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(lái)構(gòu)建，實(shí)體的屬性與數(shù)據(jù)模式往往比較豐富。

核心技術(shù)之運(yùn)籌學(xué)

運(yùn)籌學(xué)概述

運(yùn)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(wèn)題。體現(xiàn)運(yùn)籌學(xué)思想和方法的某些早期先驅(qū)性的研究工作，可以追溯到20世紀(jì)初期，如1908年丹麥工程師Erlang提出的電話話務(wù)理論(運(yùn)籌學(xué)中排隊(duì)論的起源)。運(yùn)籌學(xué)是一門應(yīng)用性很強(qiáng)的學(xué)科，在研究和解決各種復(fù)雜的實(shí)際問(wèn)題中綜合使用代數(shù)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、模擬(仿真)等各種方法，不斷得到創(chuàng)新和發(fā)展，至今已成為一個(gè)包括許多分支的龐大的學(xué)科。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)科學(xué)結(jié)合運(yùn)籌學(xué)尖端理論是實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的科學(xué)決策的堅(jiān)實(shí)基礎(chǔ)。

核心技術(shù)之運(yùn)籌學(xué)

從軍事到民用，優(yōu)化各領(lǐng)域組織決策

最早期的較為正式的運(yùn)籌學(xué)活動(dòng)出現(xiàn)在第二次世界大戰(zhàn)時(shí)期，有一批英國(guó)的科學(xué)家著手研究利用科學(xué)方法進(jìn)行決策，以最佳使用戰(zhàn)時(shí)資源，當(dāng)時(shí)的工作小組將自己的工作稱為Operational Research(簡(jiǎn)稱OR)。戰(zhàn)后的工業(yè)復(fù)蘇時(shí)期，運(yùn)籌學(xué)思想被引入民用領(lǐng)域，用來(lái)應(yīng)對(duì)組織中與日俱增的復(fù)雜性和專業(yè)化所產(chǎn)生的問(wèn)題，大幅提升了生產(chǎn)力。雖然運(yùn)籌學(xué)的大部分實(shí)踐應(yīng)用產(chǎn)生的效益小于下表所列案例，但這些典型反映了大型的計(jì)劃完善的運(yùn)籌學(xué)的研究可能帶來(lái)的重要影響。

商業(yè)智能應(yīng)用之廣告營(yíng)銷

精準(zhǔn)營(yíng)銷負(fù)責(zé)引流獲客，個(gè)性化推薦促活留存

商業(yè)智能在廣告營(yíng)銷領(lǐng)域的主要應(yīng)用為精準(zhǔn)營(yíng)銷與個(gè)性化推薦，兩者均通過(guò)用戶數(shù)據(jù)，對(duì)用戶貼標(biāo)簽，并基于產(chǎn)品特征與投放需求，建立不同的決策模型進(jìn)行營(yíng)銷;兩者最大的不同在于，精準(zhǔn)營(yíng)銷用于引流獲客階段，以短信或優(yōu)惠券的方式進(jìn)行營(yíng)銷，提升響應(yīng)率，優(yōu)化企業(yè)運(yùn)營(yíng);個(gè)性化推薦用于留存促活階段，使得消費(fèi)者在最合適的時(shí)間，以最恰當(dāng)?shù)姆绞剑@得最合意的產(chǎn)品、資訊以及服務(wù)的推薦。

商業(yè)智能應(yīng)用之電商

收益管理的本質(zhì)是優(yōu)化

商業(yè)智能在電商領(lǐng)域的主要應(yīng)用為商品組合、定價(jià)策略、促銷管理等多方面的優(yōu)化，可歸結(jié)為收益管理，即指在適當(dāng)?shù)臅r(shí)間和地點(diǎn)下，以合適的價(jià)格向不同的用戶提供最恰當(dāng)?shù)姆?wù)或產(chǎn)品，以實(shí)現(xiàn)資源約束下，企業(yè)收益最大化的目標(biāo)。收益管理最早起源于航空運(yùn)輸業(yè)，當(dāng)時(shí)的民航處于價(jià)格管制狀態(tài)，為解決旅客誤機(jī)導(dǎo)致的座位虛耗、企業(yè)收益流失，出現(xiàn)了“超售”思想，除航空業(yè)外，收益管理也廣泛應(yīng)用于酒店服務(wù)、電子商務(wù)、交通出行以及物流運(yùn)輸?shù)阮I(lǐng)域。

商業(yè)智能應(yīng)用之交通出行

通過(guò)人工智能+運(yùn)籌學(xué)，最小化路程與出行時(shí)間

路徑優(yōu)化是指如何找到從出發(fā)地到達(dá)目的地之間最短時(shí)間、最優(yōu)價(jià)格的最短路徑;訂單分配研究的是供需匹配問(wèn)題，結(jié)合多維度影響因素(例如路途距離、路況、騎手騎行速度、需求時(shí)間段等)匹配需求和供給;另外，除路徑優(yōu)化與訂單分配外，電商領(lǐng)域中提到的定價(jià)優(yōu)化也應(yīng)用于交通出行，例如網(wǎng)約車定價(jià)，但與電商不同的是，網(wǎng)約車因其需求的及時(shí)性要求較強(qiáng)，賬號(hào)共享性弱，使其擁有更大的個(gè)性化定價(jià)空間。

路徑優(yōu)化可理解為尋求由起點(diǎn)出發(fā)，通過(guò)所有給定需求點(diǎn)后再回到原點(diǎn)的最短路徑問(wèn)題，路徑優(yōu)化誕生于TSP問(wèn)題(Traveling Salesman Problem，旅行銷售員問(wèn)題)，即訪問(wèn)除原出發(fā)結(jié)點(diǎn)以外的每個(gè)節(jié)點(diǎn)一次且僅一次，應(yīng)用場(chǎng)景例如拼車實(shí)時(shí)路線規(guī)劃、某些貨物需在某一時(shí)間段送到(時(shí)間窗口)。

訂單分配可理解為供需匹配問(wèn)題，供需匹配可分為靜態(tài)匹配與動(dòng)態(tài)匹配，靜態(tài)匹配即有n個(gè)需求，n個(gè)供給，每一個(gè)供給只能滿足一個(gè)需求，每一個(gè)需求也只需要一個(gè)供給，應(yīng)用場(chǎng)景例如物流追蹤、車輛與乘客靜態(tài)匹配等;當(dāng)匹配雙方并非事先確定時(shí)，則為動(dòng)態(tài)匹配問(wèn)題，動(dòng)態(tài)匹配的本質(zhì)在于優(yōu)化結(jié)合隨機(jī)建模，當(dāng)匹配的一端實(shí)時(shí)產(chǎn)生時(shí)，以優(yōu)化模型決定如何匹配能夠達(dá)到最大價(jià)值，應(yīng)用場(chǎng)景例如網(wǎng)約車隨時(shí)產(chǎn)生的乘客與車輛匹配。

商業(yè)智能應(yīng)用之供應(yīng)鏈

通過(guò)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

物流系統(tǒng)分為多層，包括入庫(kù)前的倉(cāng)庫(kù)地址選擇、入庫(kù)時(shí)的策略以及銷售預(yù)測(cè)、入庫(kù)后的庫(kù)存優(yōu)化、倉(cāng)儲(chǔ)優(yōu)化、清倉(cāng)以及出庫(kù)時(shí)貨運(yùn)分配、配送路線規(guī)劃等。其中，倉(cāng)庫(kù)的選擇和物流的配送是供應(yīng)鏈管理的核心，在某地區(qū)開展新業(yè)務(wù)時(shí)，如何設(shè)定樞紐的數(shù)量、樞紐位置等對(duì)最終運(yùn)送的成本有著很大的影響;配送路線規(guī)劃涉及到我們?cè)诮煌ǔ鲂蓄I(lǐng)域中談到的路徑優(yōu)化與車輛調(diào)度問(wèn)題，通過(guò)結(jié)合實(shí)時(shí)需求、時(shí)間窗口、承重限制等因素，對(duì)送貨路線進(jìn)行制定，最小化成本與時(shí)間，實(shí)現(xiàn)物流智能化高效運(yùn)營(yíng)。

商業(yè)智能應(yīng)用之金融風(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

金融的本質(zhì)在于給風(fēng)險(xiǎn)定價(jià)，對(duì)于風(fēng)險(xiǎn)及時(shí)且有效的識(shí)別、預(yù)警、防控一直是金融機(jī)構(gòu)的核心。金融風(fēng)控強(qiáng)調(diào)數(shù)據(jù)與技術(shù)，智能風(fēng)控企業(yè)結(jié)合高維度的大數(shù)據(jù)，利用決策樹、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)技術(shù)，針對(duì)信貸評(píng)級(jí)、授信、貸后預(yù)警，反欺詐等場(chǎng)景提供解決方案，傳統(tǒng)金融機(jī)構(gòu)由過(guò)去的以經(jīng)驗(yàn)或小量數(shù)據(jù)對(duì)風(fēng)險(xiǎn)進(jìn)行把控，到現(xiàn)在以大數(shù)據(jù)及技術(shù)進(jìn)行風(fēng)控，實(shí)現(xiàn)金融風(fēng)控升級(jí)。但同時(shí)，精細(xì)化運(yùn)營(yíng)全覆蓋也是風(fēng)控市場(chǎng)需考慮的關(guān)鍵點(diǎn)，即從系統(tǒng)的第一層出發(fā)，做全流程的金融風(fēng)控，識(shí)別真正符合金融產(chǎn)品的優(yōu)質(zhì)客戶，當(dāng)潛在用戶的信用存在風(fēng)險(xiǎn)時(shí)，應(yīng)從營(yíng)銷端就避免引入此類風(fēng)險(xiǎn)用戶。

商業(yè)智能應(yīng)用之投研分析

人機(jī)協(xié)作，助力投研分析質(zhì)效提升

商業(yè)智能在投研分析中的應(yīng)用可與食材料理類比，將原始數(shù)據(jù)比喻成料理中的原料A，A被清洗擇選后成為可用烹飪?cè)螧，參考不同料理食譜，對(duì)B進(jìn)行制作，最終生成佳肴，映射于投研分析領(lǐng)域中，清洗擇選方法包括去重、數(shù)據(jù)排序、實(shí)體發(fā)現(xiàn)、實(shí)體關(guān)聯(lián)、領(lǐng)域知識(shí)圖譜等，食譜即不同算法與模型，最終生成可視化投研報(bào)告。與人工分析生成的報(bào)告不同，機(jī)器人報(bào)告最大的優(yōu)勢(shì)在于生成快、可以清晰明了的將大量數(shù)據(jù)進(jìn)行羅列呈現(xiàn);智能機(jī)器的效率相對(duì)高，但目前仍缺少創(chuàng)造性，在投研分析領(lǐng)域，機(jī)器人與分析師的協(xié)同合作將提升分析質(zhì)量與效率。

商業(yè)智能應(yīng)用之智能投顧

自動(dòng)化程度逐步提高，AI+投顧新模式將用戶資金自動(dòng)對(duì)接

智能投顧，顧名思義即人工智能+投資顧問(wèn)。傳統(tǒng)的投資顧問(wèn)相當(dāng)于私人銀行中的客戶經(jīng)理通過(guò)與客戶的深度溝通，結(jié)合客戶個(gè)人的風(fēng)險(xiǎn)偏好和理財(cái)目標(biāo)，傳達(dá)給后臺(tái)技術(shù)人員制定理財(cái)配置模型，再由客戶經(jīng)理將此方案給到客戶;智能投顧可被理解為將私人銀行的后臺(tái)標(biāo)準(zhǔn)服務(wù)線上化。相比傳統(tǒng)投顧，智能投顧擁有可簡(jiǎn)化流程、適合全民理財(cái)、可定制短/中/長(zhǎng)多周期投資方案、可進(jìn)行風(fēng)險(xiǎn)預(yù)警等優(yōu)勢(shì)，同時(shí)也面臨客戶對(duì)機(jī)器的弱信任感問(wèn)題、現(xiàn)階段政策以及所需客戶財(cái)務(wù)狀況全面性等限制與挑戰(zhàn)。

商業(yè)智能的挑戰(zhàn)與未來(lái)

從強(qiáng)調(diào)單一技術(shù)，到各領(lǐng)域融會(huì)貫通

在大數(shù)據(jù)的背景下，商業(yè)場(chǎng)景中任一問(wèn)題的解決，往往是多學(xué)科思想的交融，而非對(duì)單一方法的依賴。在計(jì)算機(jī)科學(xué)、人工智能、運(yùn)籌學(xué)、博弈論等諸多學(xué)科領(lǐng)域的綜合與交叉中，一個(gè)個(gè)貼合實(shí)際業(yè)務(wù)場(chǎng)景的解決方案應(yīng)運(yùn)而生，使得商業(yè)智能切實(shí)優(yōu)化企業(yè)決策方式，助力業(yè)務(wù)增長(zhǎng)。融合也表現(xiàn)在人工智能的各分支上，如關(guān)于語(yǔ)義網(wǎng)的研究，自然語(yǔ)言理解、機(jī)器學(xué)習(xí)、人機(jī)交互都很重要。最后，任何一種學(xué)習(xí)算法都有自己的優(yōu)勢(shì)和局限，所謂的解決一切問(wèn)題的終極算法，很有可能是對(duì)現(xiàn)有算法的兼容并包。當(dāng)然，如何讓各算法相遇相融并在不大幅降低效率的前提下提升通用性，仍是一個(gè)非常復(fù)雜但值得探索的難題。

商業(yè)智能的挑戰(zhàn)與未來(lái)

技術(shù)以外，對(duì)場(chǎng)景的理解是產(chǎn)業(yè)升級(jí)的關(guān)鍵

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(diǎn)以來(lái)，大眾對(duì)深度學(xué)習(xí)等技術(shù)尤為關(guān)注。但在工業(yè)實(shí)踐中，對(duì)具體業(yè)務(wù)場(chǎng)景的理解與對(duì)實(shí)際問(wèn)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(yùn)營(yíng)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(jí)的關(guān)鍵。

在AAAI2017中，Uber人工智能實(shí)驗(yàn)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(gè)局部最優(yōu)點(diǎn)，而這樣的逼近方式可能讓我們錯(cuò)過(guò)那些真正更好地實(shí)現(xiàn)通用人工智能的方法。因此，在運(yùn)用技術(shù)解決某個(gè)問(wèn)題之前，絕不應(yīng)先入為主地認(rèn)定要是用某個(gè)具體的機(jī)器學(xué)習(xí)算法，而應(yīng)首先對(duì)業(yè)務(wù)場(chǎng)景加以分析，抓住核心問(wèn)題要素，這是做出最優(yōu)技術(shù)選擇的前提。

商業(yè)智能的挑戰(zhàn)與未來(lái)

智能的落地是一項(xiàng)系統(tǒng)工程，企業(yè)的工程實(shí)踐能力有待增強(qiáng)

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(jì)算框架將數(shù)據(jù)轉(zhuǎn)化為可視化的業(yè)務(wù)規(guī)律，進(jìn)一步驅(qū)動(dòng)或直接生成企業(yè)決策，因此商業(yè)智能是一項(xiàng)系統(tǒng)工程，算法設(shè)計(jì)、架構(gòu)搭建、系統(tǒng)配合、流程控制、質(zhì)量監(jiān)督、危機(jī)處理等缺一不可，項(xiàng)目工程經(jīng)驗(yàn)非常重要。

另一方面，類比國(guó)際頂級(jí)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(tuán)隊(duì)結(jié)合客戶差異化的場(chǎng)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(zhǎng)一段時(shí)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(duì)大企業(yè)的時(shí)候)，以SaaS等標(biāo)準(zhǔn)化的產(chǎn)品為輔，并在部分場(chǎng)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)。

End.

轉(zhuǎn)載請(qǐng)注明來(lái)自36大數(shù)據(jù)（36dsj.com)： 36大數(shù)據(jù) ? 2017年中國(guó)商業(yè)智能行業(yè)研究報(bào)告