數(shù)據(jù)智能時(shí)代帷幕拉開(kāi)，大數(shù)據(jù)、知識(shí)圖譜、人工智能……粉墨登臺(tái)

未來(lái)企業(yè)會(huì)形成基于數(shù)據(jù)中臺(tái)、技術(shù)中臺(tái)和業(yè)務(wù)中臺(tái)為核心的業(yè)務(wù)流程，數(shù)據(jù)智能是整體業(yè)務(wù)智能化的開(kāi)啟。

圖片來(lái)自“123rf.com.cn”

大數(shù)據(jù)從概念到落地，再到行業(yè)發(fā)展日趨成熟，有十年左右的光景，這十年稱之為大數(shù)據(jù)的上半場(chǎng)。隨著企業(yè)數(shù)字化轉(zhuǎn)型需求逐漸深化，產(chǎn)業(yè)基礎(chǔ)設(shè)施建設(shè)穩(wěn)步推進(jìn)，各項(xiàng)技術(shù)算法漸次成熟，以“數(shù)據(jù)智能”為代名詞的下半場(chǎng)已經(jīng)拉開(kāi)序幕——

“大數(shù)據(jù)的上半場(chǎng)大家都在爭(zhēng)奪用戶，也就是數(shù)據(jù)，下半場(chǎng)爭(zhēng)奪的是什么？我們認(rèn)為是一個(gè)個(gè)用戶場(chǎng)景，而不是用戶本身?！睌?shù)據(jù)智能的發(fā)展脈絡(luò)在愛(ài)分析分析師李喆的介紹下逐漸清晰：“2013年大數(shù)據(jù)概念興起，企業(yè)開(kāi)始進(jìn)行大數(shù)據(jù)平臺(tái)的建設(shè)，但這一階段，企業(yè)只知道大量收集數(shù)據(jù)，對(duì)數(shù)據(jù)價(jià)值尚不明確。經(jīng)過(guò)第一個(gè)階段的數(shù)據(jù)收集之后，開(kāi)始讓數(shù)據(jù)可視化，產(chǎn)生一定的價(jià)值，這是第二個(gè)階段。第三個(gè)階段從2017年起，利用ai建模算法的方式，在各個(gè)行業(yè)落地的應(yīng)用越來(lái)越多，數(shù)據(jù)真正進(jìn)入到洞察階段。下一個(gè)階段就是現(xiàn)在，技術(shù)逐步成熟，使得數(shù)據(jù)具備了推理能力，可以指導(dǎo)決策，我們認(rèn)為就是進(jìn)入了數(shù)據(jù)智能階段。數(shù)據(jù)智能階段的焦點(diǎn)在于中臺(tái)，未來(lái)企業(yè)會(huì)形成基于數(shù)據(jù)中臺(tái)、技術(shù)中臺(tái)和業(yè)務(wù)中臺(tái)為核心的業(yè)務(wù)流程。前三個(gè)階段是業(yè)務(wù)數(shù)據(jù)化的過(guò)程，通過(guò)數(shù)據(jù)的方式去描述整個(gè)業(yè)務(wù)運(yùn)轉(zhuǎn)，下一步是業(yè)務(wù)智能化的過(guò)程，我們認(rèn)為數(shù)據(jù)智能是整體業(yè)務(wù)智能化的開(kāi)啟?！?/p>

海致星圖總裁楊娟、百分點(diǎn)董事長(zhǎng)兼ceo蘇萌、數(shù)夢(mèng)工廠cto崔曉峰、個(gè)推董事長(zhǎng)兼ceo方毅等數(shù)據(jù)智能行業(yè)的代表，就“數(shù)據(jù)智能行業(yè)的過(guò)去、現(xiàn)在與未來(lái)，以及數(shù)據(jù)智能企業(yè)在其中扮演的角色”發(fā)表了自己的看法。

海致星圖總裁楊娟：數(shù)據(jù)是一個(gè)寶藏，同時(shí)又是一個(gè)荊棘叢生的地方

ai核心是讓機(jī)器取代人，讓機(jī)器去幫助人。所謂人機(jī)同行，如果機(jī)器不具備像人去理解和思考世界的能力，雙方智能不在同一個(gè)水平上，就沒(méi)有辦法同行。人類理解世界的方式不是線性的，世界是復(fù)雜關(guān)系的組合，而知識(shí)圖譜就是把萬(wàn)世萬(wàn)物的各種概念實(shí)體串聯(lián)成網(wǎng)絡(luò)，供機(jī)器模擬人的理解方式來(lái)理解世界的媒介。

為什么說(shuō)知識(shí)圖譜是ai的核心？主要在認(rèn)知智能這塊。從計(jì)算智能到感知智能再到認(rèn)知智能，怎么讓機(jī)器通過(guò)數(shù)據(jù)解讀、計(jì)算，產(chǎn)出業(yè)務(wù)價(jià)值，這是知識(shí)圖譜在真正行業(yè)化的過(guò)程中所遇到的挑戰(zhàn)。

數(shù)據(jù)是一個(gè)寶藏，同時(shí)又是一個(gè)荊棘叢生的地方。

動(dòng)態(tài)知識(shí)圖譜中，靜態(tài)知識(shí)比較容易梳理，即根據(jù)經(jīng)驗(yàn)，加上一定的文本識(shí)別，生成圖譜。圖譜一旦輸出，以周進(jìn)行分析。但真正能對(duì)業(yè)務(wù)起到價(jià)值的數(shù)據(jù)往往是動(dòng)態(tài)的，和業(yè)務(wù)的變化實(shí)時(shí)動(dòng)態(tài)關(guān)聯(lián)。比如在金融場(chǎng)景中，交易單每時(shí)每刻都在發(fā)生變化，信用卡申購(gòu)、資金流入流出、人員后臺(tái)的操作，對(duì)這些產(chǎn)生的信息加以捕捉和識(shí)別，然后進(jìn)行決策，這才是真正對(duì)業(yè)務(wù)產(chǎn)生核心價(jià)值的數(shù)據(jù)。

金融行業(yè)里的實(shí)體關(guān)系包括了個(gè)人客戶、賬戶、產(chǎn)品、商品、資產(chǎn)、合約、手機(jī)號(hào)、設(shè)備等等，這張圖譜量非常之大，同樣，這張知識(shí)圖譜構(gòu)建起來(lái)之后，可對(duì)應(yīng)的應(yīng)用場(chǎng)景非常之多，包括潛在關(guān)系、群體的識(shí)別、個(gè)體的分析、知識(shí)的推理等等。其中一個(gè)典型的場(chǎng)景是事件傳導(dǎo)，當(dāng)一家企業(yè)發(fā)生了一件事，無(wú)論好壞，怎樣以量化的方式去計(jì)算這個(gè)事件在這張網(wǎng)絡(luò)上的傳播，關(guān)聯(lián)的企業(yè)和個(gè)人會(huì)受到什么樣的影響？舉個(gè)具體例子，在金融公共領(lǐng)域，一個(gè)客戶發(fā)生了違約，如何尋找他的關(guān)聯(lián)關(guān)系進(jìn)行追蹤？這些都是我們的知識(shí)圖譜所適用的典型應(yīng)用場(chǎng)景。

百分點(diǎn)董事長(zhǎng)兼ceo蘇萌：用數(shù)據(jù)指導(dǎo)決策，真的能幫助很多國(guó)家提高人民福祉

數(shù)據(jù)智能中臺(tái)的底層是大數(shù)據(jù)平臺(tái)，包括數(shù)據(jù)的采集、分析、存儲(chǔ)、加工等，中間層是數(shù)據(jù)資產(chǎn)管理平臺(tái)，包括同一標(biāo)準(zhǔn)的數(shù)據(jù)治理體系、源數(shù)據(jù)的管理、數(shù)據(jù)生命周期管理和新型數(shù)倉(cāng)。再往上一層是ai中臺(tái)，包括知識(shí)圖譜、用戶畫(huà)像等等。最上面一層是統(tǒng)一的數(shù)據(jù)服務(wù)接口，智能中臺(tái)沉淀的數(shù)據(jù)、技術(shù)、模塊和對(duì)企業(yè)管理的認(rèn)知，通過(guò)接口對(duì)外輸出。

目前在各個(gè)領(lǐng)域，包括政府、金融、零售等，都在擴(kuò)大中臺(tái)的應(yīng)用，且效果顯著。以百分點(diǎn)為海外國(guó)家搭建政府智慧決策體系的實(shí)踐為例，由于這個(gè)國(guó)家基礎(chǔ)人口數(shù)據(jù)是缺失的，百分點(diǎn)邀請(qǐng)了國(guó)內(nèi)北大社科學(xué)院、中科院的人口所等眾多機(jī)構(gòu)專家學(xué)者，使用中國(guó)的人口預(yù)測(cè)模型，并結(jié)合海外國(guó)家的實(shí)際情況，幫助其做基礎(chǔ)的數(shù)據(jù)融合和人口預(yù)測(cè)，有了這個(gè)數(shù)據(jù)，政府應(yīng)該在一個(gè)城市建多少中學(xué)、多少小學(xué)、多少醫(yī)院以及多少糧食，才有據(jù)可循。如果沒(méi)有人口預(yù)測(cè)數(shù)據(jù)，國(guó)家決策失誤的概率機(jī)會(huì)就會(huì)很大。我們真切地感受到用數(shù)據(jù)指導(dǎo)決策，真的能幫助很多國(guó)家提高人民福祉。

數(shù)夢(mèng)工廠cto崔曉峰：擺在我們面前最大的挑戰(zhàn)，是如何能提供一個(gè)全域、標(biāo)準(zhǔn)、鮮活的體系

服務(wù)于客戶的過(guò)程中最明顯的變化，就是我們的系統(tǒng)從交互開(kāi)始就變得落后，建設(shè)的過(guò)程永遠(yuǎn)趕不上業(yè)務(wù)的需求快。因此，擺在我們面前最大的挑戰(zhàn)是如何能提供一個(gè)全域、標(biāo)準(zhǔn)、鮮活的體系，讓我們提供統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)、提供統(tǒng)一的數(shù)據(jù)實(shí)體、提供統(tǒng)一的數(shù)據(jù)服務(wù)，來(lái)支撐業(yè)務(wù)的價(jià)值呈現(xiàn)。

首先，需要全站的技術(shù)支撐體系。在體系構(gòu)建過(guò)程中，由以前獨(dú)立的離線分析系統(tǒng)演進(jìn)到現(xiàn)在的在線生產(chǎn)系統(tǒng)，生產(chǎn)的過(guò)程需要業(yè)務(wù)全流程端到端的技術(shù)支持，包括集成、交換、治理、開(kāi)發(fā)、標(biāo)簽以及共享等，來(lái)構(gòu)建數(shù)據(jù)中臺(tái)的基礎(chǔ)支撐。

其次，需要全域的數(shù)據(jù)智能體系。數(shù)據(jù)不聯(lián)動(dòng)起來(lái)，無(wú)法創(chuàng)造更多的可以想象的空間和價(jià)值，因此在這里需要構(gòu)建全域的數(shù)據(jù)資產(chǎn)管理體系，包括數(shù)倉(cāng)的全域化、模型的行業(yè)化、數(shù)據(jù)的標(biāo)簽化和數(shù)據(jù)的資產(chǎn)化。只有把數(shù)據(jù)能全域打通，才能形成數(shù)據(jù)的資產(chǎn)。但是這個(gè)過(guò)程中需要構(gòu)建統(tǒng)一的標(biāo)準(zhǔn)，數(shù)據(jù)、模型來(lái)構(gòu)建對(duì)服務(wù)的支撐。

最后，需要全面的服務(wù)運(yùn)營(yíng)體系。數(shù)據(jù)是動(dòng)態(tài)的，隨著業(yè)務(wù)的推進(jìn)在逐漸豐富，所以我們需要有一個(gè)隊(duì)伍，按照一定的方法形成服務(wù)體系和運(yùn)營(yíng)體系，構(gòu)建工具、標(biāo)簽、開(kāi)放模型。

這三個(gè)部分加起來(lái)構(gòu)成了完整的數(shù)據(jù)中臺(tái)體系。

個(gè)推董事長(zhǎng)兼ceo方毅：只要你聯(lián)網(wǎng)，個(gè)推就能夠推算出你的資產(chǎn)

數(shù)據(jù)行業(yè)里有一個(gè)特別經(jīng)典的詞，叫端詳。一個(gè)應(yīng)用場(chǎng)景中最重要的是客戶方擁有真正有用的數(shù)據(jù)源，在去掉一些偽數(shù)據(jù)之后，將其放進(jìn)大數(shù)據(jù)池里。每個(gè)用戶有幾千個(gè)特征，用機(jī)器語(yǔ)言描述出來(lái)，把其中的異常項(xiàng)拿出來(lái)，讓行業(yè)專家坐那兒“端詳”，以刪除誤導(dǎo)數(shù)據(jù)、發(fā)現(xiàn)一些特殊數(shù)據(jù)，最后把端詳過(guò)的數(shù)據(jù)重新丟回大數(shù)據(jù)的池子里，這是個(gè)推采用的方法。

例如在金融場(chǎng)景里，個(gè)推通過(guò)用戶的線上線下行為模式、關(guān)系、、身份、資產(chǎn)和屬性，就可以測(cè)算出他的信用值。其中在測(cè)算資產(chǎn)時(shí)，只要用戶聯(lián)網(wǎng)，日常使用什么品牌、什么價(jià)位、吃飯的客單價(jià)多少、住的地方房子均價(jià)高低、是否擁有房子產(chǎn)權(quán)都可以被推算出來(lái)，應(yīng)用于風(fēng)控領(lǐng)域。在這個(gè)過(guò)程中要如何解決大數(shù)據(jù)充分應(yīng)用和個(gè)人隱私保護(hù)之間的平衡呢？我們認(rèn)為應(yīng)該是用邊緣計(jì)算，讓很多運(yùn)算在本地算掉。

一覽群智ceo胡?。含F(xiàn)階段的人工智能屬于弱人工智能，就是弱智

某種意義上，現(xiàn)階段的人工智能屬于弱人工智能，就是弱智。因?yàn)楫?dāng)前的人工智能幾乎是完全基于數(shù)據(jù)、數(shù)據(jù)推理的方式，既沒(méi)法理解人類的情感，也無(wú)法應(yīng)對(duì)復(fù)雜場(chǎng)景中的決策和規(guī)劃問(wèn)題。

現(xiàn)階段人工智能的落地都是快速反饋、單場(chǎng)景感知的智能，各種金融場(chǎng)景就是其中的典型。例如，在銀行場(chǎng)景中存在大量可用ai取代人力的作業(yè)系統(tǒng)，包括放貸審核、外匯審核等等。在某四大國(guó)有銀行，每天都有至少2000人在做審核，而且這些人普遍擁有碩士學(xué)歷。因?yàn)榇罅康男庞米C和票據(jù)都是外文的，審核的邏輯也比較復(fù)雜，一個(gè)人一天只能審三單?，F(xiàn)階段，用智能決策平臺(tái)、自然語(yǔ)言、知識(shí)圖譜等方式，把復(fù)雜審核邏輯化，這個(gè)需求無(wú)論在保險(xiǎn)、銀行還是證券，都存在大量的需求。在這個(gè)場(chǎng)景中，機(jī)器并不是完全取代人，而是需要人做最終的校驗(yàn)，但這至少能從2000人降到100人，而且?guī)捠峭耆粶蟮摹?/p>