数据驱动的智能决策在商业中的应用（附图解）

来源：启迪之星上海

本文约3000字，建议阅读7分钟。

本文中，来自信数科技的樊冲先生及马有健先生为大家分享了智能决策体系的建设心得以及在实际商业场景中的应用。

在人工智能领域，面向商业应用的人工智能更具备落地的先天条件，智能决策则是商业智能化的重中之重。来自信数科技的樊冲先生及马有健先生为大家分享了智能决策体系的建设心得以及在实际商业场景中的应用。

下文整理了本期分享的主要内容：

一、引入：企业人工智能

人工智能的应用是一个广阔的领域，一般认为，人工智能的发展分三个阶段：计算智能→感知智能→认知智能。目前大部分做人工智能的企业主要是停留在感知智能的阶段，即识别、深度学习等等，其目的是逐步替代人的“五感”。常见的例子是安防场景、美颜场景的应用。

人工智能能对企业运营起到什么样的作用呢？

从供需角度分析，对于企业而言，当前计算力成本日趋下降，劳动力成本逐渐上升，所处的阶段已经是劳动力成本高于计算力成本的范畴，图中的绿色色块就是可以通过人工智能来节约的人力成本。很多企业在这一部分都没有能够足够的挖潜。

根据麦肯锡2017年发布的《全球劳动力可自动化潜力指数》：中国的劳动力可自动化比例为51%，中国劳动力总数为7.72亿，可被自动化替代的潜力数量为3.95亿。

这个潜力指数体现了这样一种可能性，即低价值的劳动逐渐被人工智能所替代，大多数员工能够进行自我升级，将劳动集中在更有价值的工作中。

从企业决策模式的角度分析，从2000多年前到现在，企业的决策模式可以大概分为三个阶段。2013年开始，企业进入数据驱动的管理模式。

那么，什么是数据驱动的企业？

信数给出的概念是：企业的研发、计划、组织、生产、协调、销售、服务和创新等运营全业务链均使用数字化决策，并能反馈至企业战略的决策和规划，使企业实现整体的决策智能，最终通过数据驱动引领企业乃至行业的变革。

二、AI+企业如何落地：

问题导向+精准定位→研发产品

积极探索数据的价值已经成为各行业企业的共识。但很多企业止步于数据采集的步骤，仍有一些问题亟待解决：

• 引入大量外部数据、管理难度大
• 数据类型复杂、质量差，难以发挥数据价值
• 数据实时性高、处理难度大
• 数据分析过程耗时耗力、成本高（尤其是算法工程师的人力成本）
• 数据化决策规则复杂、僵化并难以维护（传统数字化系统的修改调整依赖于技术人员修改内部代码，企业运营人员难以灵活微调）
• 运营状况缺少实时监控，无法及时作出响应
  
  

针对上述问题，信数科技的AIS（Artificial Intelligence Suite）体系，即领先的企业级人工智能产品体系，以企业数据化智能决策的问题为研发导向，聚焦于企业内部“决策”金字塔中的底部——企业日常运营决策环节。其核心方法论为通过对实时数据的分析决策，结合机器学习的方式，实现企业运营管理的自动化、敏捷化、智能化。

AIS产品的逻辑是一个数据驱动的闭环，分成四个阶段：融合内外数据→挖掘数据价值→做出智能决策→驱动高效运营。具体到操作层面，是细分成了六个小的细分模块。

数据来源管理：

• 数据管理：数据API管理平台（显示数据来源、数据调用记录，保障数据调用的稳定性，面对特定应用场景可一键生成账单）；
  
  

• 实时数据处理，数据质量管理：CEP流计算软件（强大的流数据计算能力，可处理复杂事件；海量数据吞吐，毫秒级响应），数据质量管理软件
  
  

• 机器学习：机器学习平台（数据和工具的集成能力强大，可轻松扩展；预设超过2000多个模块赫尔高级算法，辅助建模）
  
  

• 智能运营决策：决策引擎平台（易用，敏捷，智能；对标FICO,IBM,Experian）
  
  

• 运营状况实时监控：运营监控系统（及时预警，快速响应）
  
  

• 数据报表可视化：数据可视化系统（自动生成可视化图表，可供领导层进行战术乃至战略决策时使用）