2年前，斯坦福大學研究出了一款AI產(chǎn)品，號稱可以根據(jù)人臉照片判斷一個人的性取向。據(jù)說，這款AI產(chǎn)品測試男女性取向的準確率分別達到了81%和74%。當然，后來這一AI預測被認為是 “大數(shù)據(jù)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(yè)發(fā)展上，大數(shù)據(jù)或許就不再是“陷阱”，而是珍貴的數(shù)字資產(chǎn)了。企業(yè)可以通過分析自有數(shù)據(jù)，預測未來一段時間公司各項機能的發(fā)展狀況和行業(yè)趨勢，真正可以做到用AI為企業(yè)“把脈”。目前AI的數(shù)據(jù)問診雖然仍處于一個初級的發(fā)展階段，但是BI（Business Intelligence，商業(yè)智能）領域，從企業(yè)到服務商都已經(jīng)摩拳擦掌，開始了BI+AI的融合進程。

爆發(fā)：企業(yè)危機感讓AI更有看頭

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

前不久剛剛結束的某商業(yè)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(chǎn)品有使用人工智能的算法嗎？”

“有的有的，你們是想要實現(xiàn)什么樣的功能？”

“根據(jù)歷史出貨量，來預測一下明年的業(yè)績。”接著，工作人員開始給這位客戶演示他的AI是如何實現(xiàn)的。

可以看出，數(shù)據(jù)分析市場對AI有很強的增量需求。但仔細想想，現(xiàn)在一些老牌的商業(yè)智能企業(yè)都已經(jīng)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(fā)出來的統(tǒng)計分析軟件SAS，1972年成立于德國沃爾多夫的商業(yè)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(jīng)能夠利用數(shù)據(jù)分析為企業(yè)提供商業(yè)類的決策。

那么，為什么是現(xiàn)在，BI+AI有了最好的時機？SAP亞太區(qū)和大中華區(qū)方案總監(jiān)Daniel Kao高國輝已經(jīng)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，并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(xiàn)有的算法來解決?！?/p>

20年前的高國輝還在臺灣工作，他回憶稱，那時候的臺灣已經(jīng)將AI算法應用到數(shù)據(jù)分析領域，稱之為數(shù)據(jù)挖掘“Data Mining”。

所以，他認為，推動BI行業(yè)對AI熱捧的最主要因素是，一些企業(yè)躺著賺錢的日子結束了，并已經(jīng)進入對ROI（Return of Investment，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(xiàn)在，即便是造出了車也不那么好賣，這時企業(yè)就需要用BI+AI的方法來看看是渠道、銷售還是員工等等哪個方面可以優(yōu)化一下以及ROI和Planning該怎么走。

他的結論是：“危機感越強的企業(yè)越早使用BI+AI的產(chǎn)品?！?/p>

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、云化的方向演進。

發(fā)稿前一周，商業(yè)智能領域的兩個重磅收購案件接連發(fā)布：谷歌云26億美元收購Looker、Salesforce 157億美元收購Tableau。這都反映出未來產(chǎn)業(yè)鏈上游廠商對數(shù)據(jù)分析的看好。

歷史總有很多相似之處，并在相似中螺旋進化。十多年前，BI領域也曾發(fā)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(yè)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(shù)據(jù)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(qū)董事總經(jīng)理何偉信在接受鈦媒體采訪時表示，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(shù)據(jù)分析項目交給SAS來實施。

2016年SAS發(fā)布了面向云端和本地通用部署的可視化BI平臺Viya，SAS首席技術官及研發(fā)部門負責人Armistead Sapp曾表示，Viya集合了過去40年經(jīng)驗新版本SAS，只是在計算方式上采用了“云”的模式。據(jù)了解，從2017年到2018年，Viya云平臺上面的收益從4300萬增長到了8900萬。

鈦媒體了解到，也是在同一年，基于此前收購的BO，SAP也推出了分析云，按照高國輝的介紹，SAP的分析云融合了SAP的BI+AI+ROI的功能，用戶可以根據(jù)自己的需求考慮使用初級的BI，或者在數(shù)據(jù)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(wěn)坐商業(yè)智能軟件領域的頭把交椅，而現(xiàn)在，人們不再提及BO，它已經(jīng)成為SAP叱咤BI行業(yè)的內生力量。

應用：數(shù)據(jù)連接過去、現(xiàn)在、未來

回到業(yè)務端，融入AI之后，BI會給企業(yè)帶來哪些改變？

從定量、定性的角度來看，傳統(tǒng)的BI可以看做是定性分析，它可以從一些圖形數(shù)據(jù)中告訴我們事件的發(fā)展趨勢以及之所以這樣發(fā)展的相關因素。而融入了AI之后，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么樣的，甚至是每一項后面的財務回報。

透過企業(yè)積累的數(shù)據(jù)，用AI算法把脈企業(yè)未來的業(yè)務增量，對癥下藥，這就是BI AI化了之后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(shù)據(jù)的積累和打通。

鈦媒體從廣汽本田了解到，他們的汽車零部件后市場在使用BI產(chǎn)品之前，一直采用的是Excel這類傳統(tǒng)軟件進行生產(chǎn)、品控、銷售等的數(shù)據(jù)分析，隨著市場環(huán)境的變化，這些軟件已遠遠不能滿足廣本的日常海量數(shù)據(jù)的分析需求。

在數(shù)字化轉型的過程中，廣本的各個業(yè)務部門都在進行升級改造，使得知識庫非常分散，實現(xiàn)統(tǒng)一精確的分析，就必須將各部門數(shù)據(jù)打通，以此進行智能化的數(shù)據(jù)分析、整車銷售預測、物流預測等，優(yōu)化庫存、智能營銷。

通過與某數(shù)據(jù)分析廠商的合作，廣本進行了企業(yè)級知識庫的整合。同時，通過統(tǒng)一的數(shù)據(jù)分析平臺，廣本的業(yè)務人員可以更加靈活地定制各類報表，直觀分析并預測市場需求，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(yè)務線中去。

未來：所需數(shù)據(jù)越來越少，誤差越來越小

很多BI服務商都在探索AI與各業(yè)務線的融合，但是AI算法與數(shù)據(jù)之間仍然需要一個漸入佳境的過程。例如，現(xiàn)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(shù)據(jù)來訓練，而這些本來就不多的數(shù)據(jù)也是需要被標簽化或者識別之后才能用于訓練。

“在未來，機器學習所需要的數(shù)據(jù)量將極大減少，與此同時，人類可以直接將沒有貼上任何標簽的數(shù)據(jù)進行AI算法訓練”，SAS高級副總裁兼全球研發(fā)負責人Gavin Day這樣描述他對BI的暢想。這一方面擴大了用于訓練算法的數(shù)據(jù)量，另一方面也減少了人類因為判斷的偏差而產(chǎn)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(xiàn)，AI也會用自然語言的方式來告訴我們數(shù)據(jù)分析的結果，并且也可以更好的應答人類提出的復雜問題。

理想很豐滿，現(xiàn)實很骨感。目前，各個企業(yè)對BI+AI的需求就像各家的數(shù)字化轉型程度一樣貧富差距明顯，也會有企業(yè)會因為數(shù)據(jù)量的不足難以走出BI的第一步?！拔視ㄗh我的客戶以小步快跑的方式加入到BI行列”，高國輝認為，數(shù)據(jù)分析是一個先求有、再求好的過程，只有跨出了第一步，企業(yè)才會知道缺什么樣的數(shù)據(jù)，才會有意識地“養(yǎng)數(shù)據(jù)”。未雨綢繆，當真正需要數(shù)據(jù)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(yè)需要先把物理世界發(fā)生的結果數(shù)字化為虛擬世界，然后透過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(yè)級AI算命或許就是這樣一個從數(shù)字化到業(yè)務化穿越的過程。