2017年中国商业智能行业研究报告

《2017年中国商业智能行业研究报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国商业智能行业研究报告2017年摘要区别于能够实现海量数据的管理、简单分析与可视化的传统商业智能，艾瑞的此份商业智能报告将聚焦于人工智能技术如何用于商业智能决策，实现商业经营的智能化与自动化。报告核心观点•中国企业精细化运营的需求正在爆发•商业智能，帮助企业实现数据驱动认知到数据驱动决策的转变•商业智能主要应用于金融、电商、物流、出行等领域•中国AI论文成果达到国际一线水平•技术方面，商业智能的未来将从强调单一技术，到各学科、分支、算法等融会贯通•技术以外，企业、技术供应商对场景的理解是产业升级的关键•商业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2

2、商业智能概述1商业智能核心技术剖析2商业智能典型应用场景3商业智能典型公司案例4商业智能的挑战与未来53商业智能行业概念界定商业智能的下一步，智能化与自动化商业智能（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。因此，本报告聚焦于将人工智能技术用于商业智能决策，试图对人工智能在商业落地的

3、真实现状进行说明，凸显AI技术（不包括智能语音、计算机视觉等感知智能）在现阶段应用的价值。传统BI为商业经营的智能化与自动化奠定基础传统商业智能的延伸本智慧营销、金融风控、动态定价、智能客服、智能投研分析等报告智能化自动化重心人工智能与其他相关技术传企业内部企业外部ETL统数据数据商抽取数据挖掘可视化数据仓库业转换OLAP分析结果智结构化非结构化装载能数据数据来源：艾瑞咨询研究院自主研究及绘制。4©2017.6iResearchInc.www.iresearch.com.cn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

4、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的数据泄露时有发生，数据孤岛亦成为企业业务发展的掣肘（如金融方面，企业多为基于自身平台积累的独有数据做征信，评分适用范围将大大受限），通用标准的建立需要政府及产业界的共同努力。大数据对商业智能的贡献海量数据动态数据即时更新为各领域创新技术的探索与应用避免在市场环境变化、客群转移、产品迭代时创造基础条件基于存量历史数据建模所导致的模型性能衰减、准确率下降数据质

5、量决定模型可能上限数据覆盖更多人群互联网高速发展结合模型和算法逼近物理上限有效拓展业务范围高维度数据……提升模型表现改变模型对单一变量的过度依赖网络浏览数据商城下单记录运营商数据通讯数据GPS来源：艾瑞根据专家访谈、公开资料等研究绘制。5©2017.6iResearchInc.www.iresearch.com.cn商业智能与大数据从数据驱动认知，到数据驱动决策智能技术的运用一方面将拓展大数据的应用场景，从帮助业务人员认知到实现企业最优决策，另一方面，自然语言处理的进步也正在解决人机交互的部分问题，自然语言查询、自然语言生成都将进一步释放商业智能的效率和价值。数

6、据化智能决策对数据进行可视化描述，分析规律并作出预测，让技术化的数据更加业务化，根据实际业务问题建立模型并求出最优解，给出帮助业务人员增强对公司各项事务运营情况的认知。如通过对销售数据的分人力、财力、物力、能源、时间等各项资源的具析可发现各类客户的特征和喜欢购买的商品之间的联系，营销人员可结合这体配置方案，在营销、风控、定价、库存等场景种“认知”来筹划有针对性的促销活动或向客户提供个性化服务等。实现智能决策，并在一些领域自动化执行。数据认知决策海量数据为智能分析提供养料人工智能、运筹优化等先进技术推动商业智能向决策转化络网Machine习经信通院数据显示，目前约

7、70%的企业习学神Forest拥有的数据资源总量在50-500TB之间。学化归随机森林进化学派督强递习2016年数据量在500TB以上企业占比监行为主义间学图与网络分析自然语言处理深度学习时为18.4%，较2015年增加1.4%；数据ArtificialIntelligence督机器学习贝叶斯运筹学RandomBayesian监Decision资源在50TB以下的企业占比由2015年VC维统计学博弈论无随机模拟动态规划动态规划知识图谱的5.0%下降到2016年的3.7%。企业数决策树DeepLearning生成对抗网络神经网络迁移学习据资源总量呈增长趋势。随机模

8、拟长短期记忆网络Tree