中國商業(yè)智能行業(yè)現(xiàn)狀及應(yīng)用分析

企業(yè)科技創(chuàng)新一站式解決方案中國商業(yè)智能行業(yè)廣州創(chuàng)亞企業(yè)管理顧問有限公司目錄1、商業(yè)智能行業(yè)概況2、商業(yè)智能與大數(shù)據(jù)3、商業(yè)智能應(yīng)用場景4、商業(yè)智能的挑戰(zhàn)與未來1、商業(yè)智能行業(yè)概況

商業(yè)智能（BI，BusinessIntelligence）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，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。過去的商業(yè)智能不能給出決策方案，也不能自動處理企業(yè)運(yùn)行過程中遇到的問題。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)智能已能在特定場景中實現(xiàn)商業(yè)經(jīng)營的智能化與自動化。傳統(tǒng)商業(yè)智能的延伸智慧營銷、金融風(fēng)控、動態(tài)定價、智能客服、智能投研分析等人工智能與其他相關(guān)技術(shù)智能化自動化傳統(tǒng)商業(yè)智能企業(yè)內(nèi)部數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)企業(yè)外部數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)ETL抽取轉(zhuǎn)換裝載數(shù)據(jù)倉庫數(shù)據(jù)挖掘OLAP可視化分析結(jié)果1、商業(yè)智能行業(yè)概況

過去的幾十年中，中國科技智能環(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，我國從“中國制造”到“中國智造”，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)展最快的國家之一?？偟膩碚f，中國將技術(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，中國通過單點突破彎道超車，并開始重視精細(xì)化運(yùn)營，由局部最優(yōu)逐漸向全局最優(yōu)靠攏。2、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)、移動互聯(lián)網(wǎng)高速發(fā)展，海量、高維度且可實時接入更新的數(shù)據(jù)隨之而來，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)多為基于自身平臺積累的獨有數(shù)據(jù)做征信，評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。

2、商業(yè)智能與大數(shù)據(jù)大數(shù)據(jù)為商業(yè)智能的貢獻(xiàn)

海量數(shù)據(jù)為各領(lǐng)域創(chuàng)新技術(shù)的探索與應(yīng)用創(chuàng)造基礎(chǔ)條件動態(tài)數(shù)據(jù)即時更新避免在市場環(huán)境變化、客群轉(zhuǎn)移、產(chǎn)品迭代時基于存量歷史數(shù)據(jù)建模所導(dǎo)致的模型性能衰減、準(zhǔn)確率下降數(shù)據(jù)質(zhì)量決定模型可能上限結(jié)合模型和算法逼近物理上限互聯(lián)網(wǎng)高速發(fā)展數(shù)據(jù)覆蓋更多人群有效拓展業(yè)務(wù)范圍高維度數(shù)據(jù)提升模型表現(xiàn)改變模型對單一變量的過度依賴網(wǎng)絡(luò)瀏覽數(shù)據(jù)商城下單記錄運(yùn)營商數(shù)據(jù)通訊數(shù)據(jù)GPS決策認(rèn)知2、商業(yè)智能與大數(shù)據(jù)從數(shù)據(jù)驅(qū)動認(rèn)知，到數(shù)據(jù)驅(qū)動決策智能技術(shù)的運(yùn)用一方面將拓展大數(shù)據(jù)的應(yīng)用場景，從幫助業(yè)務(wù)人員認(rèn)知到實現(xiàn)企業(yè)最優(yōu)決策，另一方面，自然語言處理的進(jìn)步也正在解決人機(jī)交互的部分問題，自然語言查詢、自然語言生成都將進(jìn)一步釋放商業(yè)智能的效率和價值。數(shù)據(jù)海量數(shù)據(jù)為智能分析提供養(yǎng)料人工智能、運(yùn)籌優(yōu)化等先進(jìn)技術(shù)推動商業(yè)智能向決策轉(zhuǎn)化對數(shù)據(jù)進(jìn)行可視化描述，分析規(guī)律并作出預(yù)測，讓技術(shù)化的數(shù)據(jù)更加業(yè)務(wù)化，幫助業(yè)務(wù)人員增強(qiáng)對公司各項事務(wù)運(yùn)營情況的認(rèn)知。如通過對銷售數(shù)據(jù)的分析可發(fā)現(xiàn)各類客戶的特征和喜歡購買的商品之間的聯(lián)系，營銷人員可結(jié)合這種“認(rèn)知”來籌劃有針對性的促銷活動或向客戶提供個性服務(wù)等。根據(jù)業(yè)務(wù)問題建立模型并求出最優(yōu)解，給出人力、財力、物力、能源、時間等各項資源的具體配置方案，在營銷、風(fēng)控、定價、庫存等場景實現(xiàn)智能決策，并在一些領(lǐng)域自動化執(zhí)行。3、商業(yè)智能應(yīng)用場景商業(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（如對語義的理解判斷將提升機(jī)器的語音識別率），感知也會輔助決策（如智慧商超中機(jī)器視覺對客流屬性、消費(fèi)行為的觀察、記錄可輔助商超做出營銷決策。感知智能認(rèn)知/決策智能語音圖像語言觸覺......金融電商/零售供應(yīng)鏈/物流出行智能客服商業(yè)領(lǐng)域精準(zhǔn)營銷智能投顧風(fēng)控投研分析差異化定價人力資源配置個性化定制個性化推薦動態(tài)定價組合定價促銷管理需求預(yù)測防刷單入庫策略庫存優(yōu)化倉儲優(yōu)化路徑優(yōu)化清倉管理出口管理資源配置訂單分配路徑優(yōu)化動態(tài)定價差異化定價接入各行各業(yè)制造業(yè)醫(yī)療農(nóng)業(yè)公共安全......其他領(lǐng)域提升輔助3、商業(yè)智能應(yīng)用場景-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

商業(yè)智能在廣告營銷領(lǐng)域的主要應(yīng)用為精準(zhǔn)營銷與個性化推薦，兩者均通過用戶數(shù)據(jù)，對用戶貼標(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)行營銷；兩者最大的不同在于，精準(zhǔn)營銷用于引流獲客階段，以短信或優(yōu)惠券的方式進(jìn)行營銷，提升響應(yīng)率，優(yōu)化企業(yè)運(yùn)營；個性化推薦用于留存促活階段，使得消費(fèi)者在最合適的時間，以最恰當(dāng)?shù)姆绞?，獲得最合意的產(chǎn)品、資訊以及服務(wù)的推薦。推薦/營銷系統(tǒng)場景引擎：了解用戶狀態(tài)，具體業(yè)務(wù)需求規(guī)則引擎：制定營銷方案與實施方式算法引擎：提供決策樹、邏輯回歸、GBDT等基礎(chǔ)算法展示引擎：確定呈現(xiàn)方式與途徑對用戶各項屬性數(shù)據(jù)打標(biāo)簽、建立用戶畫像例如，上網(wǎng)特征、購物偏好、興趣偏好等Start精準(zhǔn)營銷應(yīng)用環(huán)節(jié)：引流獲客呈現(xiàn)方式：優(yōu)惠短信、優(yōu)惠券等個性化推薦應(yīng)用環(huán)節(jié)：留存促活呈現(xiàn)方式：“猜你喜歡”模塊、App/應(yīng)用商城首頁、分類頁、詳情頁的推薦采集用戶數(shù)據(jù)通過爬蟲、數(shù)據(jù)探頭等方式打通用戶數(shù)據(jù)清洗、整合各渠道得到的數(shù)據(jù)流程示意圖3、商業(yè)智能應(yīng)用場景-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間和地點下，以合適的價格向不同的用戶提供最恰當(dāng)?shù)姆?wù)或產(chǎn)品，以實現(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)時的民航處于價格管制狀態(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。收益管理的興起（RevenueManagement）誕生于20世紀(jì)50年代航空運(yùn)輸業(yè)的“超售”的概念WHEN正確的時間WHERE正確的地點HOW正確的價格WHO正確的用戶WHAT正確的服務(wù)/產(chǎn)品電商領(lǐng)域的主要應(yīng)用定價策略差異化定價動態(tài)定價組合定價促銷管理3、商業(yè)智能應(yīng)用場景-交通出行人工智能+運(yùn)籌學(xué)，最小化路程與出行時間

路徑優(yōu)化是指如何找到從出發(fā)地到達(dá)目的地之間最短時間、最優(yōu)價格的最短路徑；訂單分配研究的是供需匹配問題，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)域中提到的定價優(yōu)化也應(yīng)用于交通出行，例如網(wǎng)約車定價，但與電商不同的是，網(wǎng)約車因其需求的及時性要求較強(qiáng)，賬號共享性弱，使其擁有更大的個性化定價空間。訂單分配可理解為供需匹配問題，供需匹配可分為靜態(tài)匹配與動態(tài)匹配，靜態(tài)匹配即有n個需求，n個供給，每一個供給只能滿足一個需求，每一個需求也只需要一個供給，應(yīng)用場景例如物流追蹤、車輛與乘客靜態(tài)匹配等；當(dāng)匹配雙方并非事先確定時，則為動態(tài)匹配問題，動態(tài)匹配的本質(zhì)在于優(yōu)化結(jié)合隨機(jī)建模，當(dāng)匹配的一端實時產(chǎn)生時，以優(yōu)化模型決定如何匹配能夠達(dá)到最大價值，應(yīng)用場景例如網(wǎng)約車隨時產(chǎn)生的乘客與車輛匹配。路徑優(yōu)化商業(yè)智能之交通出行訂單分配旅行推銷員問題車輛調(diào)度問題靜態(tài)匹配問題動態(tài)匹配問題3、商業(yè)智能應(yīng)用場景-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)效率與柔性物流系統(tǒng)分為多層，包括入庫前的倉庫地址選擇、入庫時的策略以及銷售預(yù)測、入庫后的庫存優(yōu)化、倉儲優(yōu)化、清倉以及出庫時貨運(yùn)分配、配送路線規(guī)劃等。其中，倉庫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，如何設(shè)定樞紐的數(shù)量、樞紐位置等對最終運(yùn)送的成本有著很大的影響；配送路線規(guī)劃涉及到我們在交通出行領(lǐng)域中談到的路徑優(yōu)化與車輛調(diào)度問題，通過結(jié)合實時需求、時間窗口、承重限制等因素，對送貨路線進(jìn)行制定，最小化成本與時間，實現(xiàn)物流智能化高效運(yùn)營。庫存優(yōu)化倉儲優(yōu)化清倉入庫入庫策略：通過商品歷史數(shù)據(jù)，對易損壞商品進(jìn)行預(yù)包裝等增值服務(wù)銷售預(yù)測：基于商品的特征和歷史數(shù)據(jù)，對銷量、庫存需求均值及分布進(jìn)行預(yù)測需求優(yōu)化：根據(jù)近期實際銷量、不同倉庫調(diào)貨的時間與成本對庫存需求進(jìn)行優(yōu)化貨物擺放優(yōu)化揀貨分配、路線優(yōu)化出庫貨運(yùn)及配送包裹跟蹤補(bǔ)貨策略：基于對銷量的預(yù)測、缺貨/貨物堆積帶來的成本情況，設(shè)定最優(yōu)補(bǔ)貨方案多倉管理：對倉庫之間的調(diào)貨、補(bǔ)貨進(jìn)行優(yōu)化在合適的時間以合適的機(jī)制對款式/型號主導(dǎo)型貨物、具有強(qiáng)生命周期特征貨物以及積壓貨物進(jìn)行處理，最大化收益3、商業(yè)智能應(yīng)用場景-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)險定價，對于風(fēng)險及時且有效的識別、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)，針對信貸評級、授信、貸后預(yù)警，反欺詐等場景提供解決方案，傳統(tǒng)金融機(jī)構(gòu)由過去的以經(jīng)驗或小量數(shù)據(jù)對風(fēng)險進(jìn)行把控，到現(xiàn)在以大數(shù)據(jù)及技術(shù)進(jìn)行風(fēng)控，實現(xiàn)金融風(fēng)控升級。但同時，精細(xì)化運(yùn)營全覆蓋也是風(fēng)控市場需考慮的關(guān)鍵點，即從系統(tǒng)的第一層出發(fā)，做全流程的金融風(fēng)控，識別真正符合金融產(chǎn)品的優(yōu)質(zhì)客戶，當(dāng)潛在用戶的信用存在風(fēng)險時，應(yīng)從營銷端就避免引入此類風(fēng)險用戶。數(shù)據(jù)源內(nèi)部數(shù)據(jù)外部數(shù)據(jù)

第三方機(jī)構(gòu)授權(quán)所得數(shù)據(jù)

網(wǎng)絡(luò)公開數(shù)據(jù)抓取

數(shù)據(jù)源風(fēng)控分類主要分為信用風(fēng)控以及行為風(fēng)控信用風(fēng)控（銀行的風(fēng)控多屬于此類）

基于流水特征分析優(yōu)質(zhì)或風(fēng)險客戶行為風(fēng)控

基于規(guī)則引擎的實時風(fēng)控

基于關(guān)系網(wǎng)絡(luò)的印象行為

金融機(jī)構(gòu)通過將信用分變量套入自有風(fēng)控模型來對風(fēng)險進(jìn)行預(yù)判把控對數(shù)據(jù)信息信用分析評價并生成信用分變量互通協(xié)作輔助金融機(jī)構(gòu)進(jìn)行決策3、商業(yè)智能應(yīng)用場景-投研分析人機(jī)協(xié)作，助力投研分析質(zhì)效提升主要應(yīng)用于自動化報告＆智能搜索機(jī)器人如何寫報告？

清洗、生成結(jié)構(gòu)化數(shù)據(jù)

利用算法或模型，將數(shù)據(jù)生成可視化報告機(jī)器人報告解決的痛點？

Excel、PDF等文檔中的數(shù)據(jù)無法讀取，或復(fù)制粘貼時間成本高

數(shù)據(jù)量大，人工無法看錯所有數(shù)據(jù)見的邏輯與關(guān)聯(lián)性

數(shù)據(jù)分散，數(shù)據(jù)的獲得成本高或獲取效率低+分析師＆機(jī)器人機(jī)器人無法完全替代分析師，協(xié)同合作能夠最大化分析效率與質(zhì)量分析師機(jī)器人3、商業(yè)智能應(yīng)用場景-智能投顧自動化程度逐步提高，AI+投顧新模式將用戶資金自動對接

智能投顧，顧名思義即人工智能+投資顧問。傳統(tǒng)的投資顧問相當(dāng)于私人銀行中的客戶經(jīng)理通過與客戶的深度溝通，結(jié)合客戶個人的風(fēng)險偏好和理財目標(biāo)，傳達(dá)給后臺技術(shù)人員制定理財配置模型，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，

智能投顧擁有可簡化流程、適合全民理財、

可定制短/中/長多周期投資方案、可進(jìn)行

風(fēng)險預(yù)警等優(yōu)勢，同時也面臨客戶對機(jī)器的弱信任感問題、現(xiàn)階

段政策以及所需客戶財務(wù)狀況全面性等限制與挑戰(zhàn)。3、商業(yè)智能應(yīng)用場景-產(chǎn)業(yè)圖譜2017年中國商業(yè)智能產(chǎn)業(yè)圖譜

4、商業(yè)智能的挑戰(zhàn)與未來從強(qiáng)調(diào)單一技術(shù)，到各領(lǐng)域融會貫通

在大數(shù)據(jù)的背景下，商業(yè)場景中任一問題的解決，往往是多學(xué)科思想的交融，而非對單一方法的依賴。在計算機(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，一個個貼合實際業(yè)務(wù)場景的解決方案應(yīng)運(yùn)而生，使得商業(yè)智能切實優(yōu)化企業(yè)決策方式，助力業(yè)務(wù)增長。商業(yè)智能統(tǒng)計學(xué)計算機(jī)科學(xué)人工智能經(jīng)濟(jì)學(xué)心理學(xué)管理學(xué)博弈論運(yùn)籌學(xué)多學(xué)科思想交融AI各分支交叉合作學(xué)習(xí)算法聯(lián)合貫通4、商業(yè)智能的挑戰(zhàn)與未來技術(shù)以外，對場景的理解是產(chǎn)業(yè)升級的關(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(yùn)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。場景問題模型算法求解即便有針對特定場景的成熟模型，顯示世界仍不斷有創(chuàng)新模式、新業(yè)務(wù)場景的出現(xiàn)。因此，技術(shù)人員需要在業(yè)務(wù)人員的輔助下，補(bǔ)充相關(guān)領(lǐng)域知識。對問題作出正確的界定是解決問題的基礎(chǔ)，這既需要對具體業(yè)務(wù)有所理解，提出可量化的關(guān)鍵指標(biāo)，也需要對技術(shù)的能力與邊界有清晰認(rèn)知。模型是對實際問題的理想化表示，但模型的建立仍需盡量貼合實際問題的真