A前瞻官网
前瞻网
a 当前位置: 前瞻网 » 资讯 » 大咖

吴明辉:如何让数据成为企业核心资产,而不是成本

分享到:
 吴明辉 • 2018-05-03 11:02:02 来源:笔记侠 E2049G0
100大行业全景图谱

 吴明辉:如何让数据成为企业核心资产,而不是成本

本文来源于微信公众号:笔记侠

微信ID:Notesman

封图设计 | 泉十七 责编 | 丽丽

内容来源:2018年4月18-19日,在北京国家会议中心,由中国信息通信研究院举办的“2018大数据产业峰会”上,吴明辉作为重要嘉宾分享了关于“人工智能如何落地”的主题演讲。笔记侠作为合作方,经主办方和讲者审阅授权发布。

完整笔记·文化生活

在2018年大数据产业峰会上,明略数据、秒针系统创始人兼董事长吴明辉在首日会议上发表了以“数字经济时代,为传统企业做好面向未来AI智能的‘在线化’”为主题的演讲,只为破解人工智能在行业中落地的迷局。

今天,我们把精华部分整理出来与你分享,欢迎你收藏转发。

笔记君邀您,先思考:

为什么数字化转型让企业花了如此大的成本,却没有创造利润?

人工智能如何在行业落地?

如何把AI能力应用于各个不同领域?

大家好,我今天要与大家分享的话题是关于人工智能和大数据的思考。

一、数据应该是企业的核心资产

而不是成本中心

我在经营两家企业级服务公司,看到很多企业讲如何数字化转型,如何利用大数据与人工智能对企业进行变革。

虽然当时全球处于经济转型期,中国很多企业成长伴随着人口红利和移动互联网红利等诸多优势,但变革路程还是非常坎坷。

今天,所有公司人口红利已不再,在这种情况下,企业将如何通过数字经济和数字化的方法优化企业内部效率?如何迎接新时代的挑战?

这是企业级服务正要帮助客户解决的问题。

全球很多优秀的企业,包括通用电器、乐高、耐克都是我们的客户。

其中,一些企业领导人非常有远见,在很多年前就已开始尝试建立自己的数字化转型策略,建立数据中心,存储数据。

不过,数字化转型的过程并不顺利,在转型的过程中会遇到很多挑战,企业前期做了大量的投入,但不一定会得到投资者和资本市场的认可,因为他们会质疑这件事情有没有价值。

比如通用电器,很早就建立了工业互联网云平台Predix,但在发展过程中,他们也不得不对数字化部门进行裁员和架构调整,遇到了很多挑战;

LEGO也早在2014年就推出了LEGO Digital Designer平台。

后来由于种种原因不再继续,并重新调整了数字化战略,在之后的数字化转型中也遇到了销量下滑、裁员等诸多挑战;

再比如耐克很早通过智能手环采集消费者运动数据,进而与运动产品进行连接。但最后难免以裁员重新调整数字化战略收尾。

可见,数字化转型之路真的没那么容易。

为什么数字化转型让企业花了如此大的成本,却没有创造利润?

其实,秒针系统在十几年前开始做数据挖掘,利用数据技术帮助企业做数字化营销的转型时,也会遇到很多问题,最大的问题就是如何让数据利用最大化。

因为任何企业与组织,如果把数据保存下来需要巨大成本,如果没有充分把数据利用起来就是巨大的成本中心,当数据真正被利用了才有可能创造价值。

以安防行业为例。

全国各地都要部署摄像头,显然,这个成本很大,那么,如何把成本中心转化成利润中心,转化成真正的生产力,这是安防行业IT人员不得不思考的问题。

人工智能背后需要数据,但仅有数据产生不了任何价值,只有让数据在产业里最终形成智能,赋能于行业里的每一个从业者才会产生价值。

今天各行各业都在进行数字化转型,但转型没有捷径,需要一步步来,需要企业经营者和投资者的耐心。不能认为数据没有价值就不保存,还是要保存的。

但如何规划是重要课题,我们需要面对真正的人工智能时代的数据进行规划,进行数据的整合与融合。

那么,人工智能如何在行业落地?

二、企业数字化转型分为3步走

第一步,数据在线。

面向未来智能的在线化。明略服务的公共安全行业,每个派出所的所有民警都有很多套IT系统。

每个公安领导的电脑桌面上会有类似hao123页面的复杂效果,每一个图标、链接都是过去IT公司开发的系统。包括户籍管理系统、车辆管理系统、110报警系统等,多达上百个。

数据散落在不同的系统里,每天进行案情分析时在各个系统频繁切换,这样效率很低。

因为数据分散在各个不同发系统里,不可能会产生人工智能,人工智能需要融合数据,当数据连在一起时才会产生价值。

第二步,数据分析与挖掘。

这一步在行业内有一个专业名词,叫BI(商业智能),目前明略已经帮助很多公安干警做到了。

第三步,人工智能。

当我们做好了面向AI的数据治理整合以及数据分析,下一步则是形成最终的闭环,才能实现人工智能的落地。

人工智能跟传统的信息化最大的区别是可以形成最终的闭环,一旦形成闭环,所有的迭代自动加速,相较于传统的IT系统,它更智能。

人工智能在每个行业的落地没那么简单,需要分3步走,而每一步都需要投入很多精力。

很多企业也做了很多成功的尝试。

比如蒙牛,它利用数字化计划打通了质量控制和监测环节,每天可以获得将近40万条的自动检测数据,这也是他们一步步规划得来的。

三、面向AI的数据化融合

就是信息化知识化的过程

数据是人工智能的基础,自我学习是人工智能的重要标志。我们需要面向人工智能规划未来数据平台,探究未来数据如何在线。

而面向人工智能的数据治理跟传统的数据治理差别很大,这就需要我们思考一般数据与人工智能时代需要的数据的本质区别到底是什么?

数据是人类特别重要的武器,它能帮助人类解决很多信息不对称问题。

它也是观察者在观察世界后,利用数学的方法或计算机的方法对客观世界发生的客观事实进行记录,这也是数据本身的意义。

数据本身的信息量很大,记录数据也需要成本。

比如明略服务的一个轨道交通的客户,一个机车,仅车头上大概就有上千个传感器,每个传感器每秒都要发送很多信号,如果把这些数据存下来,一辆车一天的数据就可以达到几百GB的量级。

要存储海量的信息是不现实的,这就要求我们需要把真正有价值的数据提取出来。

这个提取的过程我们称之为数据知识化,在这基础上,再结合行业领域的知识,最终形成完整的人工智能系统。

相较于传统数据融合和数据治理,面向人工智能的数据融合与数据治理最核心的是引入知识体系。

面向人工智能,相较于传统的数据治理,所有数据储备做的最核心工作是建立知识图谱的系统,我们需要对数据结构背后建立动态的本体和知识库。

把传统的以表结构为单位的数据真正连接成为结构化的数据,以行业知识为基础的所有计算单元,进而实现逻辑推理和动态分析。

它可以代替人做真正复杂的非统计类工作,这也是人工智能最大的价值。

因此,面向AI的数据治理,是在传统数据治理基础上,利用知识工程相关技术,对信息按知识结构进行管理、分类和关联。

将庞大无序的信息进一步治理为分类有序、互相关联的知识,最终形成行业知识图谱。

人工智能背后最核心的是行业知识与领域知识,通用的知识平台不太可能存在,我们需要一个垂直领域一个垂直领域地做。

明略则聚焦于安防、金融、工业与互联网这三个领域。我们把这三个领域的数据知识化存储下来,把所有客户里的数据知识化存下来,让其产生真正的人工智能应用。

四、明略不做简单的数据平台

而是引入行业顶级知识体系

在公共领域,明略通过面向AI的数据治理,将海量多源异构数据实时转化为“人、事、地、物、组织”等公安领域的实体。

定义并挖掘各实体间的各种关系,并将我们把这些所有的数据全部融合到统一的大数据分析平台结构上,最后落地在客户不同的业务警种。

在这个过程中,我们不仅仅构建了一个大数据平台,而且引入了公安的知识体系,最终为公安客户大大提高破案效率产生很大的效果。

例如禁毒,最近明略禁毒大数据分析平台,系统在快速取得战果,系统落地一个月之内就马上破获了一起重大的制毒案件,彻底摧毁了分布在多省的制贩毒网络团伙。

正是基于此前大量的面向AI的数据治理工作,我们才能为公安客户迅速完成数据挖掘和分析,从而迅速破案。

在金融行业客户,我们帮助国内的大银行建立完整的知识图谱系统。全国某股份制银行搭建了全行级知识图谱平台,把银行所有业务板块的数据全部融合。

按照业务知识的逻辑体系融合在一起,这不是传统的数据治理,它是按照银行的知识体系,把数据最后全部融合在一起。

平台体系建立后,为银行实现海量数据和非结构化数据的分析,提升远程监控工作水平和能力,从多个维度为银行带来业务效率的提升。可以更加全面、更加高效地帮助银行做风控,甚至未来带来营销体系的变革。

轨道交通是制造业的重点领域,明略是国内首家把轨道交通散落在不同子系统的数据以行业知识结构融合在一起的公司,将轨道交通车头的数据和线网的数据结合。

我们知道,之前地铁站和高铁站轨道信号系统数据很多而散,今天我们要做的工作是数据连接起来,当数据连接在一起时,会对故障的预测与维护产生巨大的价值,包括节省计算资源与存储成本等。

而且过去数据量太大,很多不敢存,把数据融合在一起,更加知道哪一些数据应该存,哪一些数据不应该存。这是人工智能时代的数据融合和数据治理需要做好的准备提前工作。

五、明略:助力企业数字化转型的“启动器”

人工智能落地需要三步走,最核心的是数据在线这一步,因为它并不是简单地把数据连接起来就可以,而是需要把行业知识真正梳理清楚。

而明略数据就是助力企业数字化转型的启动器,它时刻与行业顶级专家在思考行业的本质、知识体系是什么,如何把数据真正地标注在行业知识体系中,进而促进人工智能落地到各行业。

多年来,在帮助行业梳理的过程中,我们积累了丰厚的经验,将很多规则与算法嫁接到人工智能的规则算法,形成人机同行时代的顶级知识体系。

其实,计算机未来也需要知识,它不能简单地进行挖掘与计算解决问题。人工智能在每个企业运行时要考虑效率,而知识可以帮助计算机解决效率问题。

比如小学二年级的简单计算题,从1到100有简单的公式,但不知道这个公式的话,是很费脑力的。

因此,计算机也需要知识。面向人工智能的数据治理需要把知识与原始数据真正连接在一起,这就是未来人工智能真正有价值的地方。

明略的目标就是要帮助企业不断提高效率,帮助政府的工作提高效率。

讲概念不是我们工作的本质,踏踏实实为客户做好面向AI的数据治理,帮助企业和客户做好人工智能落地的准备工作,让数据真正面向人工智能才是我们工作的本质。

让数据成为企业的核心资产,成为真正创造价值的IT服务,而不是成本中心。

关于如何把AI能力应用在安防、金融、工业与物联网等不同领域,欢迎大家一起与明略探讨。

谢谢大家!

本文来源笔记侠,内容仅代表作者本人观点,不代表前瞻网的立场。本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com) 品牌合作与广告投放请联系:0755-33069875 或 hezuo@qianzhan.com

p42 q0 我要投稿

分享:

品牌、内容合作请点这里:寻求合作 ››

前瞻经济学人微信二维码

前瞻经济学人

专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。

前瞻产业研究院微信二维码

前瞻产业研究院

如何抓准行业的下一个风口?未来5年10年行业趋势如何把握?扫一扫立即关注。

前瞻经济学人 让您成为更懂趋势的人

想看更多前瞻的文章?扫描右侧二维码,还可以获得以下福利:

  • 10000+ 行业干货 免费领取
  • 500+ 行业研究员 解答你的问题
  • 1000000+ 行业数据 任君使用
  • 365+ 每日全球财经大事 一手掌握
  • 下载APP

  • 关注微信号

前瞻数据库
企查猫
前瞻经济学人App二维码

扫一扫下载APP

与资深行业研究员/经济学家互动交流让您成为更懂趋势的人

下载APP
前瞻经济学人APP

下载前瞻经济学人APP

关注我们
前瞻经济秀人微信号

扫一扫关注我们

我要投稿

×
J