BI+AI 是企業級「算命」嗎？

摘要：透過企業積累的數據，用 AI 算法把脈企業未來的業務增量，對症下藥，這就是 BI AI 化了之後人們期待看到的變化。” 在未來，機器學習所需要的數據量將極大減少，與此同時，人類可以直接將沒有貼上任何標籤的數據進行 AI 算法訓練 “，SAS 高級副總裁兼全球研發負責人 Gavin Day 這樣描述他對 BI 的暢想。

2 年前，史丹佛大學研究出了一款 AI 產品，號稱可以根據人臉照片判斷一個人的性取向。據說，這款 AI 產品測試男女性取向的準確率分別達到了 81% 和 74%。當然，後來這一 AI 預測被認為是 ” 大數據陷阱 “，因為從倫理上來講，在人類自身我們還不允許另外 19% 和 26% 的誤差存在。

然而，如果 AI 能夠用到企業發展上，大數據或許就不再是 ” 陷阱 “，而是珍貴的數字資產了。企業可以通過分析自有數據，預測未來一段時間公司各項機能的發展狀況和行業趨勢，真正可以做到用 AI 為企業 ” 把脈 “。目前 AI 的數據問診雖然仍處於一個初級的發展階段，但是 BI（Business Intelligence，商業智能）領域，從企業到服務商都已經摩拳擦掌，開始了 BI+AI 的融合進程。

爆發：企業危機感讓 AI 更有看頭

在 Gartner 2018 年對 CIO 的一項調查中，商業智能與數字分析（business intelligence and data analytics）以 42% 的票數位列企業預算投入之首。

前不久剛剛結束的某商業智能分析軟件的用戶大會上，一位來自香港的服裝公司也正在考察一款 BI 軟件：

” 你們這款產品有使用人工智能的算法嗎？”

” 有的有的，你們是想要做到什麼樣的功能？”

” 根據歷史出貨量，來預測一下明年的業績。” 接著，工作人員開始給這位客戶演示他的 AI 是如何做到的。

可以看出，數據分析市場對 AI 有很強的增量需求。但仔細想想，現在一些老牌的商業智能企業都已經存在了近乎半個世紀之久，如 1966 年在美國北卡羅來納州立大學被開發出來的統計分析軟件 SAS，1972 年成立於德國沃爾多夫的商業智能軟件公司 SAP 等等。

也就是說，在過去的 10-20 年甚至是 30-40 年的時間里，在 AlphaGo 還沒有打敗李世石的時候，BI 服務商就已經能夠利用數據分析為企業提供商業類的決策。

那麼，為什麼是現在，BI+AI 有了最好的時機？SAP 亞太區和大中華區方案總監 Daniel Kao 高國輝已經在 SAP 工作了 20 年之久，在分析 AI 熱的原因時，他向鈦媒體表示，並不是算法的成熟才催生了 BI+AI 的熱潮：” 算法一直都很成熟，80% 的商務問題都可以靠現有的算法來解決。”

20 年前的高國輝還在台灣工作，他回憶稱，那個時候台灣已經有了數據分析的算法，人們稱其為 “Deep Learning”。

所以，他認為，推動 BI 行業對 AI 熱捧的最主要因素是，一些企業躺著賺錢的日子結束了，並已經進入對 ROI（Region of Interest，投資回報率）更精細化的階段，比如車企，以往是把車造出來就賣得出去，但是現在，即便是造出了車也不那麼好賣，這時企業就需要用 BI+AI 的方法來看看是管道、銷售還是員工等等哪個方面可以優化一下以及 ROI 和 Planning 該怎麼走。

他的結論是：” 危機感越強的企業越早使用 BI+AI 的產品。”

服務：廠商之間再次進入資源整合

市場需求也在倒逼 BI 服務商逐步向 AI 化、可視化、雲化的方向演進。

發稿前一周，商業智能領域的兩個重磅收購案件接連發布：Google雲 26 億美元收購 Looker 、Salesforce 157 億美元收購 Tableau。這都反映出未來產業鏈上遊廠商對數據分析的看好。

歷史總有很多相似之處，並在相似中螺旋進化。十多年前，BI 領域也曾發生過兩起里程碑式的收購案—— 2007 年，甲骨文以 33 億美元收購海波龍，SAP 以 68 億美元收購法國商業智能軟件公司 Business Objects（簡稱 BO）。

不同的是，兩次收購潮，一次是人們對 BI 的追逐，另一次是 AI 對 BI 的不可或缺。

美國數據分析公司 SAS 今年 3 月宣布了一項在人工智能領域的投資計劃——未來 3 年將花費 10 億美元投資人工智能。SAS 公司的副總裁，兼大中華區董事總經理何偉信在接受鈦媒體採訪時表示，過去兩年，中國很多重大的客戶和政府的機關將人工智能數據分析項目交給 SAS 來實施。

2016 年 SAS 發布了面向雲端和本地通用部署的可視化 BI 平台 Viya，SAS 首席技術官及研發部門負責人 Armistead Sapp 曾表示，Viya 集合了過去 40 年經驗新版本 SAS，只是在計算方式上採用了 ” 雲 ” 的模式。據了解，從 2017 年到 2018 年，Viya 雲平台上面的收益從 4300 萬增長到了 8900 萬。

鈦媒體了解到，也是在同一年，基於此前收購的 BO，SAP 也推出了分析雲，按照高國輝的介紹，SAP 的分析雲融合了 SAP 的 BI+AI+ROI 的功能，用戶可以根據自己的需求考慮使用初級的 BI，或者在數據達到一定量時隨時調用 AI 功能。

回顧 BO 的歷史，2006 年它曾以 8.94 億美元的收入穩坐商業智能軟件領域的頭把交椅，而現在，人們不再提及 BO，它已經成為 SAP 叱吒 BI 行業的內生力量。

應用：數據連接過去、現在、未來

回到業務端，融入 AI 之後，BI 會給企業帶來哪些改變？

從定量、定性的角度來看，傳統的 BI 可以看做是定性分析，它可以從一些圖形數據中告訴我們事件的發展趨勢以及之所以這樣發展的相關因素。而融入了 AI 之後，BI 就會變成定量分析，它會告訴你造成這種趨勢的原因，以及所有的影響因子的權重是什麼樣的，甚至是每一項後面的財務回報。

透過企業積累的數據，用 AI 算法把脈企業未來的業務增量，對症下藥，這就是 BI AI 化了之後人們期待看到的變化。

但是，這些期待真正需要落地的時候，就會面臨諸多問題，首先便是數據的積累和打通。

鈦媒體從廣汽本田了解到，他們的汽車零部件後市場在使用 BI 產品之前，一直採用的是 Excel 這類傳統軟件進行生產、品控、銷售等的數據分析，隨著市場環境的變化，這些軟件已遠遠不能滿足廣本的日常海量數據的分析需求。

在數字化轉型的過程中，廣本的各個業務部門都在進行升級改造，使得知識庫非常分散，做到統一精確的分析，就必須將各部門數據打通，以此進行智能化的數據分析、整車銷售預測、物流預測等，優化庫存、智能行銷。

通過與某數據分析廠商的合作，廣本進行了企業級知識庫的整合。同時，通過統一的數據分析平台，廣本的業務人員可以更加靈活地定制各類報表，直觀分析並預測市場需求，大大提升了效率。

此前，在零部件銷售部門為期 3 個月的訂單需求預測試點項目中，廣本將預測精準度從原先的 73% 提高到 83%，他們希望將這樣的智能化的分析技術推廣到更多業務線中去。

未來：所需數據越來越少，誤差越來越小

很多 BI 服務商都在探索 AI 與各業務線的融合，但是 AI 算法與數據之間仍然需要一個漸入佳境的過程。例如，現在一些 AI 在 BI 上的應用雖然做得很不錯，卻需要提供大量的數據來訓練，而這些本來就不多的數據也是需要被標籤化或者識別之後才能用於訓練。

” 在未來，機器學習所需要的數據量將極大減少，與此同時，人類可以直接將沒有貼上任何標籤的數據進行 AI 算法訓練 “，SAS 高級副總裁兼全球研發負責人 Gavin Day 這樣描述他對 BI 的暢想。這一方面擴大了用於訓練算法的數據量，另一方面也減少了人類因為判斷的偏差而產生的誤差。

Gavin 還認為，未來的人機互動會變得更加自然，也就是說機器不僅會進行自然語言處理，它還可以用自然語言來與人互動，也就是說可能分析的結果不再是僅僅通過圖表、儀表盤的方式呈現，AI 也會用自然語言的方式來告訴我們數據分析的結果，並且也可以更好的應答人類提出的複雜問題。

理想很豐滿，現實很骨感。目前，各個企業對 BI+AI 的需求就像各家的數字化轉型程度一樣貧富差距明顯，也會有企業會因為數據量的不足難以走出 BI 的第一步。” 我會建議我的客戶以小步快跑的方式加入到 BI 行列 “，高國輝認為，數據分析是一個先求有、再求好的過程，只有跨出了第一步，企業才會知道缺什麼樣的數據，才會有意識地 ” 養數據 “。未雨綢繆，當真正需要數據做決策的時候能快速跟上，不掉隊。

BI 是因果，AI 是未來，所有 AI 問診都要先定因果。企業需要先把物理世界發生的結果數字化為虛擬世界，然後透過 AI 的方式做預測，才能看到未來可能的物理世界的結果。從過去看未來，企業級 AI 算命或許就是這樣一個從數字化到業務化穿越的過程。

>BI+AI 是企業級「算命」嗎？