本報告中的重要觀點：

1、中國企業(yè)精細化運營的需求正在爆發(fā)；

2、商業(yè)智能，幫助企業(yè)實現(xiàn)數(shù)據(jù)驅(qū)動認知到數(shù)據(jù)驅(qū)動決策的轉(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AI論文成果達到國際一線水平；

5、技術(shù)方面，商業(yè)智能的未來將從強調(diào)單一技術(shù)，到各學(xué)科、分支、算法等融會貫通；

6、技術(shù)以外，企業(yè)、技術(shù)供應(yīng)商對場景的理解是產(chǎn)業(yè)升級的關(guān)鍵；

7、商業(yè)智能的落地是一項系統(tǒng)工程，企業(yè)的工程實踐能力有待增強。

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，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。因此，本報告聚焦于將人工智能技術(shù)用于商業(yè)智能決策，試圖對人工智能在商業(yè)落地的真實現(xiàn)狀進行說明，凸顯AI技術(shù)（不包括智能語音、計算機視覺等感知智能）在現(xiàn)階段應(yīng)用的價值。

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。

商業(yè)智能與大數(shù)據(jù)

從數(shù)據(jù)驅(qū)動認知，到數(shù)據(jù)驅(qū)動決策

  智能技術(shù)的運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，自然語言處理的進步也正在解決人機交互的部分問題，自然語言查詢、自然語言生成都將進一步釋放商業(yè)智能的效率和價值。

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器語音、圖像等感知能力的感知智能和賦予機器思考能力的認知、決策智能。認知能提升感知（如對語義的理解判斷將提升機器的語音識別率），感知也會輔助決策（如智慧商超中機器視覺對客流屬性、消費行為的觀察、記錄可輔助商超做出營銷決策），本報告聚焦于認知智能在商業(yè)場景中的應(yīng)用情況。

中美商業(yè)智能環(huán)境對比

中美同屬商業(yè)智能第一方陣，發(fā)展態(tài)勢各有千秋

  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。總的來說，由于中美文化差異、人口差別、工作強度不同等因素，相比美國，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，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，并開始重視精細化運營，由局部最優(yōu)逐漸向全局最優(yōu)靠攏。

中國商業(yè)智能技術(shù)環(huán)境

論文成果達到國際一線水平，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)域頂級的綜合性會議，會議論文涉及機器學(xué)習(xí)、自然語言處理、搜索、規(guī)劃、視覺、知識表達等人工智能各分支的學(xué)術(shù)探討和應(yīng)用研究。2017年AAAI大會收到論文2571篇，創(chuàng)下新高，中國學(xué)者的論文提交量與錄用率均達到國際一線水平，與美國持平。收錄論文不僅有來自高校學(xué)者，還有來自百度、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)，嘗試利用AI讓企業(yè)人力價值最大化。

  國內(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)的實驗室合作，高?？衫闷髽I(yè)的海量數(shù)據(jù)與測試平臺，企業(yè)則可將創(chuàng)新性成果落地實踐。需要指出的是，盡管目前AI的商業(yè)應(yīng)用中國并不落后甚至在某些維度領(lǐng)先美國，但在原創(chuàng)性研究、創(chuàng)新土壤、人才儲備方面，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)用場景眾多，包括營銷、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)達到31次，同時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)域來看，服務(wù)于金融領(lǐng)域的企業(yè)最受資本市場青睞。

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，而大眾對技術(shù)的認知程度和該技術(shù)的重要性相比顯得遠遠不夠。即使只有工程師和機修工有必要知道汽車發(fā)動機如何運作，每位司機也都必須明白轉(zhuǎn)動方向盤會改變汽車的方向、踩剎車會讓車停下。另外，當(dāng)今人工智能的各個分支其實在五十年前就已有相關(guān)基礎(chǔ)，當(dāng)時的一些科學(xué)家認為，人工智能的所有問題都將在十年內(nèi)解決。但事實是直到今天，很多問題仍懸而未決并難以解決。過高的預(yù)期引致不當(dāng)?shù)氖?，人工智能歷史上的兩次冬天無疑阻礙了技術(shù)、產(chǎn)業(yè)發(fā)展的步伐，并讓踏實做事的人受到傷害。因此，我們有必要對商業(yè)智能技術(shù)的概念模型、發(fā)展現(xiàn)狀與應(yīng)用前景進行客觀認知，了解它的能力與邊界。

核心技術(shù)之機器學(xué)習(xí)

機器學(xué)習(xí)概述

  將數(shù)據(jù)輸入計算機，一般算法會利用數(shù)據(jù)進行計算然后輸出結(jié)果，機器學(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。通過機器學(xué)習(xí)，計算機能夠自己生成模型，進而提供相應(yīng)的判斷，實現(xiàn)某種人工智能。工業(yè)革命使手工業(yè)自動化，而機器學(xué)習(xí)則使自動化本身自動化。

商業(yè)智能的挑戰(zhàn)與未來

智能的落地是一項系統(tǒng)工程，企業(yè)的工程實踐能力有待增強

  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、模型基于高效的計算框架將數(shù)據(jù)轉(zhuǎn)化為可視化的業(yè)務(wù)規(guī)律，進一步驅(qū)動或直接生成企業(yè)決策，因此商業(yè)智能是一項系統(tǒng)工程，算法設(shè)計、架構(gòu)搭建、系統(tǒng)配合、流程控制、質(zhì)量監(jiān)督、危機處理等缺一不可，項目工程經(jīng)驗非常重要。

  另一方面，類比國際頂級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)團隊結(jié)合客戶差異化的場景做定制服務(wù)，因此尚處早期的商業(yè)智能領(lǐng)域，在很長一段時期內(nèi)，服務(wù)方式仍將以定制化的解決方案為主（尤其面對大企業(yè)的時候），以SaaS等標(biāo)準(zhǔn)化的產(chǎn)品為輔，并在部分場景中以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)。