首页

为什么AI BI在中国仍是泡沫?

日期:2019-11-09 13:58:31 阅读量:2770 作责:匿名

 

资料来源:视觉中国

作者|杨扬,Fansoft软件副总裁,编辑|赵宇航

作为最流行的信息技术,人工智能浪潮正在席卷人类生产和生活的方方面面。与此同时,许多人把目光转向了人工智能和商业智能的结合。

虽然人工智能的数据查询仍处于发展的初级阶段,但商业智能已经开始了商业智能从企业到服务提供商的整合过程。(见上图钛媒体:艾比是企业级算命师吗?)

今年,企业服务部门发生了几起重大并购。6月初,在不到一周的时间里,bi和analysis发生了两次重大收购,将“艾比”的概念推向了高潮。

6月6日,谷歌斥资26亿美元收购商业智能软件和大数据分析平台looker,收购后将并入谷歌云。这也是谷歌母公司alphabet自2014年以32亿美元收购智能家居公司nest以来最大的一笔收购。这也是谷歌自摩托罗拉(125亿美元)和Nest(32亿美元)以来的第三大收购。

6月10日,salesforce宣布以157亿美元的全股交易收购tableau,旨在整合自己在数据可视化和其他工具方面的工作,帮助企业解读使用和积累的海量数据。

然而,作者认为目前的艾比模式在中国仍然是一个泡沫。接下来,本文将重点介绍人工智能、智能和艾比的概念和应用场景,并详细分析当前艾比模式在中国的应用障碍。

人工智能已经讨论了很多,这里不再重复。说到人工智能的应用,可以从技术和工业两个方面来看。

在技术层面,主要有计算机视觉相关应用,如人脸识别、视网膜技术和无人驾驶汽车。苹果的“siri”和阿里的“天猫向导”等语音技术应用;谷歌的神经机器翻译系统;还有决策系统,如“深蓝”和“阿尔法狗”。

在行业层面,金融行业的风险监控、医疗行业的纳米机器人、零售行业的零售机器人、安全领域的图像识别以及电子商务行业的智能客户服务都是目前较为成熟的应用场景。

bi的概念相对不太流行。

商务智能在汉语中被称为商务智能。

1996年,高德纳集团正式将商业智能定义为一种技术及其应用,它由数据仓库(或数据集市)、查询报告、数据分析、数据挖掘、数据备份和恢复等组成。旨在帮助企业做出决策。

从这个概念诞生到现在的几十年,商业智能的价值和使命没有发生根本性的变化。仍然需要将数据转换成有用的信息,以便企业能够根据数字做出决策。改变的只是商业智能所使用的技术,商业智能的发展也反映在技术上。

目前,商业智能的核心技术主要包括数据存储、数据etl、数据分析、数据挖掘和数据可视化分析。随着数据量的快速增长和应用场景的复杂性,bi也在技术上得到补充。例如,hadoop和hive等大数据技术的出现弥补了bi处理大数据的能力。

因此,随着技术的发展和对用户需求的响应,商务智能正在从传统发展到自助服务。在2013年之前,它属于传统的双相。这一阶段的产品是面向信息技术的,在处理大量数据时具有良好的性能和稳定性,但数据分析能力和灵活性相对较差。

从2013年至今,自助商务智能正经历着一个快速发展和传统商务智能衰退的时期。低采购成本、短项目周期以及从it驱动到业务驱动的转变已经将敏捷/自主bi产品带到了舞台上。由于各企业信息化水平参差不齐,这两个阶段的bi产品不是替代关系,它们将长期共存,直到信息化的基本条件发生根本变化。

顾名思义,艾比模式是人工智能和智能的结合。这种新模式的出现有三个主要原因。

(1)艾比模式具有良好的应用前景、价值和场景。

理论上和概念上,艾比模式是有价值的和有前途的。人工智能和人工智能的区别在于人工智能负责整理生产关系,人工智能是一种先进的生产力。然后,艾比模式通过将人工智能嵌入商业智能,构建了基于人工智能的商业智能平台。利用人工智能的智能,bi系统可以解决更复杂的业务场景,产生更准确的分析结果,从而使决策更加科学和准确。

就具体场景而言,艾比的模型真的可以让一些bi场景变得更深,产生更多有价值的知识。

对于结构化数据,bi系统可以应用一些更精确的机器学习算法来获得更精确的分析结果。例如营销,采用艾比模式,可以在用户分组的基础上对每个用户得到更详细的分析结果,从而给出更准确的个性化营销方案。金融领域也有风险监控。艾比模型可以分析金融风险与其他指标和行为之间的内在关系,从而使预测更加准确。

对于非结构化数据,bi可以应用图像处理、语音工程和文本分析等人工智能技术来智能地处理bi系统的复杂业务场景。例如,艾比模式可以通过语音技术输入数据,控制驾驶舱和大数据屏幕的产生等。还有一个智能客户服务系统,它不需要手动收集客户问题并重新指派人员来回答。通过语义理解和自然语言处理分析客户问题,实现对客户的实时自动回复。

(2)作为企业融资和投机的噱头

新模式的出现一直备受关注,许多企业也用它来寻找融资和炒作的噱头。企业也将艾比模式作为卖点,在一定程度上吸引投资者和客户。许多人工智能公司仍在探索自然语言生成和增强数据发现等功能。然而,一些bi公司声称已经实现了这些功能,并通过产品发布站点的前台发言人发言,而后台手动控制则伪装成语音技术来实现这些功能。

(3)研究咨询机构的预测

艾比模式的出现离不开一些研究和咨询机构的预测报告。

例如,gartner于2017年7月发布的“2017年分析和商业智能宣传周期”报告指出,未来商业智能将专注于增强分析,而增强数据发现和自然语言生成等技术将在2-5年内达到顶峰。值得注意的是,gartner的预测偏向总体趋势。然而,商务智能的发展在不同的国家和地区是不同的,这些技术仍然处于发展阶段,至少在中国是这样。

图1- gartner 2017年分析和商业智能推测周期

尽管艾比已经吸引了大量企业的关注,但艾比模式“目前”和“在中国”的可行性和应用能力仍存在许多问题。

(1)ai和bi本质上是不同的。商务智能有自己的发展路线,而人工智能目前不是商务智能的核心功能

人工智能和智能本质上是不同的。bi旨在将数据转化为知识以帮助决策,而ai追求更智能的算法以获得更准确的结果。

bi的发展路线是基于数据的,主要是数据管理和分析。虽然人工智能技术范围很广,但在当前的bi系统中真正使用的只是一些处理文本和图像等非结构化数据的人工智能技术。然而,除了一些特定的行业,大多数企业很少需要文本处理和图像处理,绝大多数bi系统仍然需要处理结构化数据。

对于结构化数据,人工智能和商业智能之间的交集仅在于机器学习和数据挖掘,而且交集也很小。人工智能的机器学习强调算法。bi的数据挖掘还包括数据管理。算法的选择相对简单。没有复杂的人工智能算法,如神经网络和深度学习。因此,人工智能不是商业智能的核心功能,艾比模式目前还不能成为商业智能市场的主流。

因此,笔者认为,艾比的发展现状和趋势可以如下图所示。

目前在中国,人工智能和智能只有很小的重叠。随着人工智能技术和商务智能系统的不断成熟,人工智能将越来越多地应用于商务智能中,两者之间的重叠也越来越多。然而,由于它们的本质差异,它们不会完全重叠。据估计,bi将在2025年左右开始进入智能阶段,bi的智能将在2030年进一步扩展。

图2-艾比的发展现状和趋势

(2)人工智能技术尚未完全成熟,在商业智能中的应用存在障碍

人工智能在这个阶段不是很聪明,许多技术还不成熟。根据罗伯特·斯特恩伯格的智力三要素理论,智力分为成分智力、经验智力和情境智力。为了变得聪明,人工智能需要在这三个方面得到很好的发展。然而,目前的机器学习和深度学习都是比较经验性的智能,组件智能和情境智能之间还有很大的差距。

根据高德纳2018年8月发布的《新兴技术的炒作周期(Hype Cycle for Emerging Technologies,2018)》,知识地图、智能工作空间、智能机器人和对话ai平台等智能技术有望在5-10年内达到顶峰。

图3-高德纳2018年新兴技术投机周期

对于bi来说,不成熟人工智能技术的应用可能会带来一些负面影响。

例如,前面提到的个性化营销,如果企业有10,000个用户,每个用户都有不同的计划,即10,000个计划,那么计划实施的工作量和复杂性是可以想象的,这种极端个性化的必要性值得思考。

另一个例子是智能客户服务的场景。在人工智能技术还不完全成熟的情况下,智能客服只能解决一些简单的问答问题。如果客户截图反馈技术问题,智能客服目前无法提供解决方案。在语言输入方面,它也受到口语、方言和噪音等因素的影响。

另一方面,当前人工智能的适应性也会影响其在商务智能中的应用。

目前,人工智能在学习过程中依赖于大量的经验。当数据量很小时,结果可能无法保持高准确率。此外,随着企业数据数量和类型的增加,不知道人工智能能否很好地适应这些变化。此外,人工智能的专业性也使得人工智能方法没有很好的机动性。

(3)目前中国企业的商务智能建设对人工智能要求不高

对于中国企业来说,目前将人工智能引入商业智能的需求非常小,这与中国企业商业智能建设的现状密不可分。

首先,除了英美烟草(bat)和jmd等一些大型互联网公司,中国的信息化整体水平落后于国外,尤其是美国,对新兴技术的需求普遍滞后。

近日,Fansoft数据应用研究所对1000多家企业的bi功能需求进行了调查。调查结果显示,在两年内企业最需要的bi功能中,图像处理、语音工程和文本分析排在最后。此外,企业将在未来3-5年应用的bi函数将显示相同的结果,但比例将会增加。因此,未来5年,中国企业的商务智能建设将继续注重数据管理和分析。

图4-两年内企业的bi功能需求

图5-未来3-5年企业的bi功能需求

其次,根据作者多年的bi项目经验,bi项目在许多企业实施中的一个常见问题是数据治理。bi和ai都需要良好的数据支持,但目前,由于业务信息系统的多样性,中国大多数企业都非常容易受到孤立数据孤岛和数据标准不一致等问题的影响。如果底层数据管理不善,将严重影响后续的分析和决策,更不用说决策的准确性了。

在这样的背景下,企业轻率地将人工智能应用于商业智能,只能从竹篮打水,人和钱都空了。

因此,企业最重要的是建立一个成熟的bi系统。然而,艾比模式目前在中国没有明显的需求,这对一些企业来说只是锦上添花。

当然,从理论上讲,艾比是未来一个非常好的趋势。正确的应用可以给企业带来意想不到的价值。但目前,就中国而言,艾比的模式看起来不错,但实际上是一个泡沫。(本文从钛介质开始)

欲了解更多精彩内容,请关注钛媒体微信号(id: taimeiti)或下载钛媒体应用。

上海快3投注 陕西11选5 贵州11选5开奖结果 广西快乐十分