中国商业智能行业现状及应用分析.ppt

3、商业智能应用场景-产业图谱2017年中国商业智能产业图谱4、商业智能的挑战与未来从强调单一技术，到各领域融会贯通在大数据的背景下，商业场景中任一问题的解决，往往是多学科思想的交融，而非对单一方法的依赖。在计算机科学、人工智能、运筹学、博弈论等诸多学科领域的综合与交叉中，一个个贴合实际业务场景的解决方案应运而生，使得商业智能切实优化企业决策方式，助力业务增长。多学科思想交融AI各分支交叉合作学习算法联合贯通4、商业智能的挑战与未来技术以外，对场景的理解是产业升级的关键在人工智能成为产业界、学术圈、投资人以及媒体关注的焦点以来，大众对深度学习等技术尤为关注。但在工业实践中，对具体业务场景的理解与对实际问题的界定，与采用何种模型、算法同等重要，前者在很大程度上决定了后者是否能够有效降低企业运营成本或者帮助相关业务增加收入，这是技术能够落地、产业得以升级的关键。场景问题模型算法求解即便有针对特定场景的成熟模型，显示世界仍不断有创新模式、新业务场景的出现。因此，技术人员需要在业务人员的辅助下，补充相关领域知识。对问题作出正确的界定是解决问题的基础，这既需要对具体业务有所理解，提出可量化的关键指标，也需要对技术的能力与边界有清晰认知。模型是对实际问题的理想化表示，但模型的建立仍需尽量贴合实际问题的真实情况，这是得出近似最优解的前提。最合适的算法未必是最热门的算法，结合具体问题，联合贯通各种算法，避免单一算法导致的局部最优。业务实际运转中有太多无法估量的因素和不确定性，所得解往往仅是所用模型的最优解，但重点在于相比以前，是否降低成本、提升效率。4、商业智能的挑战与未来智能的落地是一项系统工程，企业的工程实践能力有待增强商业智能业务应用的落地需要建立在完善的数据整合、管理之上，再由相应的算法、模型基于高效的计算框架将数据转化为可视化的业务规律，进一步驱动或直接生成企业决策，因此商业智能是一项系统工程，算法设计、架构搭建、系统配合、流程控制、质量监督、危机处理等缺一不可，项目工程经验非常重要。另一方面，类比国际顶级SaaS企业Salesforce，其产品通用功能大概只占50%，产品背后依然有大量供应商及自身服务团队结合客户差异化的场景做定制服务，因此尚处早期的商业智能领域，在很长一段时期内，服务方式仍将以定制化的解决方案为主（尤其面对大企业的时候），以SaaS等标准化的产品为辅，并在部分场景中以PaaS服务接入客户ERP、CRM等信息系统，快速、低成本地将商业智能赋能于企业。

4、商业智能的挑战与未来应用可视化交互SaaSAPI策略模型机器学习算法知识图谱机器学习算法框架计算框架大数据框架CRMERPHCM云计算存储传输计算物联网产品解决方案成本低部署快个性化效果好中国商业智能行业广州创亚企业管理顾问有限公司目录1、商业智能行业概况2、商业智能与大数据3、商业智能应用场景4、商业智能的挑战与未来1、商业智能行业概况商业智能（BI，BusinessIntelligence）概念的提出可追溯至1958年，通常将其视为把企业中现有数据转化为知识，帮助企业做出明智的业务经营决策的工具。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。传统商业智能的延伸智慧营销、金融风控、动态定价、智能客服、智能投研分析等人工智能与其他相关技术智能化自动化传统商业智能企业内部数据结构化数据企业外部数据非结构化数据ETL抽取转换装载数据仓库数据挖掘OLAP可视化分析结果1、商业智能行业概况过去的几十年中，中国科技智能环境不如西方几乎成了很多人的刻板印象，但在如今的商业智能领域，我国从“中国制造”到“中国智造”，从奋起直追到弯道超车，已进入商业智能领域第一方阵，成为发展最快的国家之一。总的来说，中国将技术落地的加速度更快，新兴商业模式拓展力强，但业务的发展仍缺乏全面性与标准化。目前，中国通过单点突破弯道超车，并开始重视精细化运营，由局部最优逐渐向全局最优靠拢。2、商业智能与大数据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