加载中...请稍后..

金准数据 BI助力中小企业的决策支持

发布日期:
2018-11-13
浏览量:
78951

一、商业智能概述


1.现代商业智能可实现商业经营的智能化与自动化


商业智能(BI,BusinessIntelligence)概念的提出可追溯至1958年。商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策,既可以是操作层的,也可以是战术层和战略层的决策。过去的商业智能不能给出决策方案,也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步,现代商业智能已能在特定场景中实现商业经营的智能化与自动化。因此,本报告聚焦于将人工智能技术用于商业智能决策,试图对人工智能在商业落地的真实现状进行说明,凸显AI技术(不包括智能语音、计算机视觉等感知智能)在现阶段应用的价值。

AI增强的决策支持系统(Decision Support System,DSS),服务于企业中需要决策的各级人员,应该具备实时、闭环、自动进化、自动识别问题、全局优化等特征,目的在于提高企业决策的效率和质量,增强企业在数字经济时代的竞争力。

智能商业领域努力的终极目标——为构建一个支持决策的优化模型需要做出关于决策变量的决策。AI的应用可能使优化模型构建和演化变得自动化,也就是说,模型本身也成为了优化的决策变量,这也意味着基于机器学习的模型的自动适应和自动演化成为可能。这样的机制才是真正的Intelligent Business,我们努力的终极目标。


图1:传统Bi为商业经营的智能化与自动化奠定基础


2.大数据为商业智能的发展提供土壤


互联网、移动互联网高速发展,海量、高维度且可实时接入更新的数据随之而来,为机器学习等前沿技术在各领域中的探索及落地提供可能,进一步拓展了被服务人群且显著提升服务质量。另一面,产业缺乏通用标准约束,数据在采集及流转过程中污染程度不一,数据加密不规范引致的数据泄露时有发生,数据孤岛亦成为企业业务发展的掣肘(如金融方面,企业多为基于自身平台积累的独有数据做征信,评分适用范围将大大受限),通用标准的建立需要政府及产业界的共同努力。

图2:大数据对商业智能的贡献


3.商业智能与大数据


智能技术的运用一方面将拓展大数据的应用场景,从帮助业务人员认知到实现企业最优决策,另一方面,自然语言处理的进步也正在解决人机交互的部分问题,自然语言查询、自然语言生成都将进一步释放商业智能的效率和价值。

图3:数据化智能决策


4.商业智能应用场景


类比人类智能,人工智能可分为赋予机器语音、图像等感知能力的感知智能和赋予机器思考能力的认知、决策智能。认知能提升感知(如对语义的理解判断将提升机器的语音识别率),感知也会辅助决策(如智慧商超中机器视觉对客流属性、消费行为的观察、记录可辅助商超做出营销决策),本报告聚焦于认知智能在商业场景中的应用情况。

图4:认知智能在商业场景中的应用


5.中国商业智能政策环境


从2015年人工智能进入爆发期以来,国家陆续提出多项意见与规划,特别是2017年“一带一路”会议、全国两会均将人工智能列入未来发展规划中,以及2016年国家将人工智能列入“科技创新2030项目”以及“十三五”重大工程,使得人工智能在中国政治、经济、学术等领域成为重中之重,引来中国人工智能最好的时代。

图5:中国商业智能相关政策


6.中国商业智能经济环境


经济增速温和,跑马圈地粗旷经营的红利期已过,精细化运营的需求正在爆发。中国凭借工业化发展促使经济快速增长,2010年之后工业化进程逐渐到达顶峰,随之而来的是劳动力和财力逐渐向生产价值较低的生产部门转移,生产总值的降低导致了经济增速的下降。随着经济增速下降,无法在短时间内找到新的经济增长点,内部问题集体产生了爆发,产能过剩,高杠杆,房地产高库存和金融风险等问题扑面而来。这就意味着中国面临着一次重要的经济转型,摆脱传统的高污染低效率的粗放型发展模式,同时,现今政府多次强调供给侧结构性改革,从质和量上提升经济增长,在政策的支持下,高附加值、知识和技术密集型的产业将会重点培养,结合高科技技术,提升企业精细化运营、降低运营成本、增加企业受益。


图6:2011-2016年中国GDP及实际增长率


7.中国商业智能技术环境


论文成果达到国际一线水平,企业积极应用创新性成果。

AAAI(The Association for the Advancement of Artificial Intelligence)是人工智能领域顶级的综合性会议,会议论文涉及机器学习、自然语言处理、搜索、规划、视觉、知识表达等人工智能各分支的学术探讨和应用研究。2017年AAAI大会收到论文2571篇,创下新高,中国学者的论文提交量与录用率均达到国际一线水平,与美国持平。收录论文不仅有来自高校学者,还有来自百度、腾讯、华为、360、今日头条等企业研究人员,如百度的《Collaborative Company Profiling:Insights from an Employee’s Perspective》——从员工角度出发,尝试利用AI让企业人力价值最大化。

国内企业与高校间的合作也愈发紧密,腾讯即有与香港科技大学的实验室合作,高校可利用企业的海量数据与测试平台,企业则可将创新性成果落地实践。需要指出的是,尽管目前AI的商业应用中国并不落后甚至在某些维度领先美国,但在原创性研究、创新土壤、人才储备方面,中美仍有较大差距。


图7:AAAI2013-2017年论文提交及录用情况统计图


8.商业智能产业链


本报告侧重于智能技术在商业场景中的应用,即产业链的中游和下游。关于产业链的上游,传统IT厂商和云服务厂商可为技术、产品及服务提供者赋予计算、存储等基础设施支持,ERP、CRM等信息系统可帮助企业有效记录其资源及业务数据,数据整合者的第三方数据则可丰富智能分析的数据维度。


图8:2017年中国商业智能产业链


图9:2017年中国商业智能产业图谱


9.商业智能应用之供应链


通过大数据与优化技术提升供应链系统效率与柔性。

物流系统分为多层,包括入库前的仓库地址选择、入库时的策略以及销售预测、入库后的库存优化、仓储优化、清仓以及出库时货运分配、配送路线规划等。其中,仓库的选择和物流的配送是供应链管理的核心,在某地区开展新业务时,如何设定枢纽的数量、枢纽位置等对最终运送的成本有着很大的影响;配送路线规划涉及到我们在交通出行领域中谈到的路径优化与车辆调度问题,通过结合实时需求、时间窗口、承重限制等因素,对送货路线进行制定,最小化成本与时间,实现物流智能化高效运营。


图10:供应链管理主要流程示意图


10.商业智能应用之金融风控


金融的本质在于给风险定价,对于风险及时且有效的识别、预警、防控一直是金融机构的核心。金融风控强调数据与技术,智能风控企业结合高维度的大数据,利用决策树、神经网络等机器学习技术,针对信贷评级、授信、贷后预警,反欺诈等场景提供解决方案,传统金融机构由过去的以经验或小量数据对风险进行把控,到现在以大数据及技术进行风控,实现金融风控升级。但同时,精细化运营全覆盖也是风控市场需考虑的关键点,即从系统的第一层出发,做全流程的金融风控,识别真正符合金融产品的优质客户,当潜在用户的信用存在风险时,应从营销端就避免引入此类风险用户。


图11:商业智能之金融风控应用示意图



11.商业智能应用之智能投顾


智能投顾,顾名思义即人工智能+投资顾问。传统的投资顾问相当于私人银行中的客户经理通过与客户的深度沟通,结合客户个人的风险偏好和理财目标,传达给后台技术人员制定理财配置模型,再由客户经理将此方案给到客户;智能投顾可被理解为将私人银行的后台标准服务线上化。相比传统投顾,智能投顾拥有可简化流程、适合全民理财、可定制短/中/长多周期投资方案、可进行风险预警等优势,同时也面临客户对机器的弱信任感问题、现阶段政策以及所需客户财务状况全面性等限制与挑战。


图12:商业智能之智能投顾应用示意图


 

二、中小企业商业AI建设


1.中小企业商业AI建设的必要性


DT时代,大数据的商业价值愈发凸显。越来越多企业试图从数据背后的价值挖掘中寻求更大的变现空间。市场上并不乏SAP、IBM、Oracle等提供类似工具的强势厂商,但因为这些产品价格昂贵,使用门槛高,很多中小企业往往难以承受,买单的大多是央企、国企等大型客户。其次,中小企业主个人意志主导决策,尚未认识到数据的重要性,又碍于企业AI建设投入大、能力不足、数据积累少,因此金准数据获取了大量中小企业客户的青睐。

目前一些大型企业已构建自己的商业AI系统,分为三个层级:第一个层就是通过核心业务系统来实现基本业务的自动化;第二个层就是通过管理信息系统(ERP、CRM、SCM等)实现企业上游、中游、下游管理的流程化;最终目标是实现通过决策支持系统帮助企业实现战略决策、战术制定和战斗计划、执行、监控、分析、调整的科学化,为企业的盈利和风险防范打下坚实的基础。而金准数据专为中小企业量身定做了简单有效、价格合理的商业智能服务,为企业家的决策提供支持,助力中小企业的发展。


2. 中小企业商业AI建设的意义


随着企业和互联网的发展,数据成几何倍数增长,通过商业AI,能将企业的所在商业历史数据和不断增加的增量数据进行实时的数据分析,数据挖掘,市场预测,进而作出领先竞争对手的正确决策,给企业带来巨大利益。同时商业AI的过程也能大大降低企业生产过程中的资源浪费,减少企业成本,提高人员价值。随着商业AI的飞速发展,由大企业渗透到国内中小企业已经是大势所趋,缺少了商业AI,企业无法在市场竞争越发激烈环境中生存。

当前大企业的商业AI是做企业和非企业的结构化和非结构化数据进行分析研究,监控企业的生产经营、财务状况、营销能力、人才利用等的状况,探究存在的问题和问题产生的根源。而金准AI是利用全网全维度的数据服务分析,对企业所在行业、地区进行全方位的AI支持,发掘合作伙伴。这样可以模拟企业发展的最佳盈利模式,协助企业检查企业运营执行的状况。协助企业制定、调整企业发展的战略目标、战术目标和战斗目标。



三、金准数据从数据到决策,为企业提供最优解决方案


1.金准数据对商业智能(BI)模式的探索




金准数据认为现代商业智能框架与传统的BI模式在单体层面上基本类似,都是有一个数据层,一个模型层,上面有应用层,但是这一代跟上一代有什么不一样的地方呢?

首先它不再是一个企业内部的局部优化,它要考虑自己在供应链上下游的情况,也要考虑不同供应链之间的关系,即要考虑一个完整的产业生态网状结构的关系。

其次从数据层面,处于现在这样一个大数据的时代,企业所能接触到的数据的丰富程度是空前的。以前更多的是挑战打通内部的数据孤岛,现在除了内部数据,还有供应链上下游企业之间点对点的数据交互,还有更大的云化的外部数据。

在传统的决策支持系统里,因为没有明确的相关性,这些外部数据的利用率很低。但是外部环境对企业经营可能有更大的影响,外部数据隐含着很多相关性,利用现在的大数据技术,可以为企业决策带来更多的数据信息,通过AI的方式把里面有用的信息挖掘出来,应用到整个决策支持系统里面。


2.韦特大脑:企业AI分析平台


韦特大脑通过人工智能算法对互联网公开信息的抓取分析和深度学习,完成对企业和个人信誉完成的三阶段评估,即判断一个企业是否真实存在以及判断该企业的合规性,了解企业工商基本信息,对于此类企业主题资格审核范畴;判断一个企业的经营发展状况,和互联网关联的紧密程度,对于此类投资项目初选范畴;以及判断企业当前的涉诉、舆情舆论、行业口碑、竞争压力,对于此类重大项目合作、收购等决策支持范畴。在获取企业的网络招聘数据、企业的基本信息数据、企业的新闻和推广数据后,韦特大脑在这些数据上进行人工智能分析,可以得出多种分析成果。这将大大节省调查成本和时间,因为它能降低企业审核自己数据的成本,随着新的数据到位,企业可以建立人工智能模型。


(一)企业和产业链AI分析


企业AI分析平台利用数百项AI专利技术,汇集、分析了36个产业链、8000个行业、40000个细分市场、600多个城市、2800个区县、2500个高新园区、30多万条街道、50多万个写字楼的3000多万家公司法人企业和7000万小微企业,包括财务数据、工商数据、法院数据、行政处罚数据等千余项指标。

通过对上内容的不断深度学习,形成了金准数据独有的产品:“产业链大数据”。该大数据区别于传统产业链,AI分析后,采用最先进的产业链划分体系,建立基于经济圈和投资圈的产业链关联关系,利用产业链大数据能够密切关注整个产业链的运行状况,了解企业上下游企业的信息,及时全面掌握有关产业链中相关企业信息,能够密切关注企业外部环境的发展态势,并对以企业为中心的商业生态进行重塑。



(二)企业财务AI分析


企业AI分析平台通过独有的AI专利技术,深度融合900万家企业最新真实财务数据,遥遥领先于行业内其他平台。AI将财务数据进行科学系统的分析、最先进的数据处理技术,全面衡量企业经营状况和信用风险。覆盖70多万个网络信息渠道,囊括最主要的21个核心省份城市。通过数据识别、数据审核和机器自主学习等前沿技术进行企业标注。


(三)失信企业AI监控


企业AI分析平台致力于打造全国企业信誉信息防护网,立体、实时地预警失信企业。数据来源体现出权威、及时、融合、深度等特点,涵盖工商、法院、税务、海关、质检、环保等政府部门失信数据的同时,还深度挖掘失信企业的关联企业网,真正实现让失信企业无所遁形。


(四)企业数据可视化AI分析


企业AI分析平台在提供精准的数据检索服务的同时,可以为用户分析企业的情况,其中包括企业星云图谱、资本关系图谱、成长风险综合评估、行业地位分析等,对目标企业进行全方位的分析和定位。

企业AI分析平台的特色库中的企业覆盖各行各业,根据企业的不同特性,通过特定的算法为客户提供了:拟上市企业库、新生企业库、黑色企业库、PE/VC库、国家各类计划企业库和集团企业星云图,还可以根据行业、地区等条件进行精确查找。

韦特大脑在研发人工智能大数据中发现,如掌控不好实时变化的数据会给用户在使用中带来困惑。例如,一家企业在招聘网站上标注的面试地址和其工商注册地址信息不一致。这会仅仅是企业搬家了这么简单吗?如何判断这类工商信息和互联网信息的不符?就