從點(diǎn)到面:企業(yè)智能化的路徑、方法1'2022愛分析人工智能應(yīng)用實(shí)踐報告黃勇愛分析合伙人&首席分析師洪逸群愛分析高級分析師任理愛分析分析師外部專家(按姓氏拼音排序)蔡甲申安吉智能高級技術(shù)專家崔運(yùn)凱格物鈦創(chuàng)始人&CE0劉軍九章云極資深數(shù)據(jù)科學(xué)家李基亮愛數(shù)產(chǎn)品副總裁任成元京東云人工智能開放平臺總經(jīng)理唐大閏明略科技高級總監(jiān)唐軼峰中宏人壽保險服務(wù)創(chuàng)新部高級經(jīng)理王昊奮維智科技時空AI研究院院長朱從坤竹間智能產(chǎn)品及解決方案總監(jiān)周寧捷拓爾思智能數(shù)據(jù)云產(chǎn)品中心總經(jīng)理2'2022愛分析人工智能應(yīng)用實(shí)踐報告張旭火山引擎AR高級解決方案架構(gòu)師3'2022愛分析人工智能應(yīng)用實(shí)踐報告特別鳴謝(按拼音排序)4'2022愛分析人工智能應(yīng)用實(shí)踐報告人工智能在產(chǎn)業(yè)中落地的20大挑戰(zhàn)由于可獲取和參考的建設(shè)經(jīng)驗(yàn)有限，加上企業(yè)所處行業(yè)、發(fā)展階段的不同，自身需求以及擁有的資源稟賦各異等因評估AI應(yīng)用成熟度,因地制宜推進(jìn)智能化階段，并從多個維度列舉了每個成熟度階段企業(yè)具備的主要能企業(yè)智能化轉(zhuǎn)型的方法論字母命名的案例為針對某個特定問題案例，具體包括:l案例1:中新天津生態(tài)城構(gòu)建智慧城市產(chǎn)業(yè)大腦，用AI挖掘數(shù)據(jù)價值l案例2:AI數(shù)據(jù)管理平臺助力上汽安吉物流批量化迭代AI模型，讓物流管理更智慧l案例3:美宜佳打造商業(yè)智能決策管理平臺，實(shí)現(xiàn)線下零售的智能化運(yùn)營5'2022愛分析人工智能應(yīng)用實(shí)踐報告l案例4:依托計算機(jī)視覺技術(shù),某餐飲連鎖企業(yè)為餃子品控安上智慧之“眼”l案例5:中宏人壽保險構(gòu)建營銷員智能助理,通過保險知識的共享和復(fù)用賦能銷售l案例6:AI算法支撐下,AR虛擬試戴讓安克創(chuàng)新用戶獲得更優(yōu)的線上互動體驗(yàn)l案例7:某銀行搭建智能消費(fèi)者保護(hù)中臺,助力消費(fèi)者權(quán)益保護(hù)監(jiān)控和預(yù)警l案例8:海信集團(tuán)引入AI平臺,構(gòu)建獨(dú)立自主的AI開發(fā)能力l案例9:助力某大型集團(tuán)搭建AI數(shù)據(jù)智能平臺,支撐數(shù)智化升級l案例A:某大型保險集團(tuán)制定平臺、應(yīng)用、技術(shù)“三個領(lǐng)先”戰(zhàn)略和“四個關(guān)鍵舉措”推動智能化建設(shè)l案例B:虛擬數(shù)字人助力江南農(nóng)商銀行為客戶提供創(chuàng)新性的遠(yuǎn)程視頻柜員服務(wù)l案例c:某全球頭部日用消費(fèi)品公司在華公司以費(fèi)用支出為導(dǎo)向規(guī)劃AI應(yīng)用場景l(fā)案例D:某大型國有商業(yè)銀行構(gòu)建ML0PS體系,實(shí)現(xiàn)敏捷的模型迭代,高效的模型交付l案例E:某頭部家電集團(tuán)建立面向AI開發(fā)和管理的組織架構(gòu),全面支持產(chǎn)品的智能化創(chuàng)新企業(yè)智能化趨勢展望愛分析認(rèn)為,所有的企業(yè)未來想要在市場中保持競爭力,—定都需要全面擁抱智能化。預(yù)計在接下來的3至5年,國內(nèi)大量的企業(yè)對AI的應(yīng)用將從單點(diǎn)的AI建設(shè)走向全面的智能化轉(zhuǎn)型,企業(yè)因此需要針對智能化轉(zhuǎn)型規(guī)劃完善的路徑和方法,同時結(jié)合自身AI應(yīng)用的成熟度,制定符合自身狀況的行動計劃。相信隨著企業(yè)智能化進(jìn)程的推進(jìn),AI在產(chǎn)業(yè)中落地仍然會面臨許多新產(chǎn)生的問題,愛分析將對這個領(lǐng)域保持持續(xù)跟蹤研究,對前沿的案例保持關(guān)注,為企業(yè)智能化轉(zhuǎn)型提供更多的決策參考。6'2022愛分析人工智能應(yīng)用實(shí)踐報告2.評估AI應(yīng)用成熟度,因地制宜推進(jìn)智能化123.企業(yè)智能化轉(zhuǎn)型的方法論4.企業(yè)智能化趨勢展望關(guān)于愛分析研究咨詢服務(wù)7'2022愛分析人工智能應(yīng)用實(shí)踐報告人工智能在產(chǎn)業(yè)中落地的領(lǐng)域,各種創(chuàng)新性的應(yīng)用場景層出不窮。尤其在金融、智能制造等領(lǐng)域,—些頭部企業(yè)已經(jīng)在引入了大量的人工智能應(yīng)用,并且已經(jīng)構(gòu)建起了較完善的面向智能化運(yùn)營的技術(shù)能力、組織架構(gòu)和創(chuàng)新機(jī)制。行業(yè)大勢疊加頭部企業(yè)的示范效應(yīng),吸引了眾多企業(yè)紛紛跟進(jìn)智能化轉(zhuǎn)型。然而,智能化轉(zhuǎn)型仍是—片雖已有眾多人涉足,但鮮有人真正實(shí)現(xiàn)深耕的新大陸,企業(yè)可獲取和參考的建設(shè)經(jīng)驗(yàn)有限,加上企業(yè)所處行業(yè)、發(fā)展階段的不同,自身需求以及擁有的資源稟賦各異,需要針對性地開展人工智能的規(guī)劃和建設(shè)等因素,導(dǎo)致了人工智能在產(chǎn)業(yè)中落愛分析基于多個國內(nèi)領(lǐng)先企業(yè)的智能化轉(zhuǎn)型和人工智能應(yīng)用實(shí)踐案例的深度調(diào)研分析,以及過往對產(chǎn)業(yè)數(shù)字化與智能化的持續(xù)跟蹤研究,梳理出了當(dāng)下人工智能在產(chǎn)業(yè)落地中會面臨的20個主要挑戰(zhàn),這些挑戰(zhàn)涉及戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織與人才六個維度,具體如下表:9'2022愛分析人工智能應(yīng)用實(shí)踐報告表1:人工智能在產(chǎn)業(yè)中落地的20大10'2022愛分析人工智能應(yīng)用實(shí)踐報告評估AI應(yīng)用成熟度,因地制宜推進(jìn)智能化11'2022愛分析人工智能應(yīng)用實(shí)踐報告2.評估AI應(yīng)用成熟度,因地制宜推進(jìn)智能化智能化轉(zhuǎn)型沒有統(tǒng)—的路徑和方法,不同企業(yè)在不同階段可能面臨的問題通常也各不相同。因此,企業(yè)在實(shí)施智能化轉(zhuǎn)型之前需要首先建立—套企業(yè)智能化轉(zhuǎn)型的能力框架,對框架內(nèi)的多個能力維度進(jìn)行評估,確認(rèn)企業(yè)自身的AI應(yīng)用成熟度狀況。在此基礎(chǔ)上,企業(yè)可以明確智能化轉(zhuǎn)型的關(guān)鍵能力要素,以及各維度的能力在不同成熟度階段需要重點(diǎn)提升的方向,從而制定下—步實(shí)施計劃,高效的推進(jìn)智能化轉(zhuǎn)型和AI落地?；诒敬握{(diào)研和過往研究積累,愛分析將AI應(yīng)用成熟度從低到高依次分為早期實(shí)驗(yàn)、初步投入、多維布局、舉出了每個成熟度階段主要的能力特征,具體如下表:12'2022愛分析人工智能應(yīng)用實(shí)踐報告表2:企業(yè)AI應(yīng)用成熟度及其評估框架13'2022愛分析人工智能應(yīng)用實(shí)踐報告同時,愛分析綜合IDC、紅杉的相關(guān)數(shù)據(jù)以及本次調(diào)研結(jié)果發(fā)現(xiàn),國內(nèi)金融、零售、工業(yè)、醫(yī)療等主要行業(yè)開展過智能化建設(shè)的企業(yè)中,約30%處于早期實(shí)驗(yàn)階段,約40%處于初步投入階段,約20%處于多維布局階段,約9%處于深度應(yīng)用階段,處于全面融合階段企業(yè)不足1%,僅有少數(shù)行業(yè)超頭部公司達(dá)到這—水平。考慮到處于早期實(shí)驗(yàn)階段的企業(yè)內(nèi)部對AI規(guī)劃與建設(shè)尚無實(shí)質(zhì)性的進(jìn)展,該階段的企業(yè)要推進(jìn)智能化轉(zhuǎn)型可以參照初步投入階段的方法和實(shí)踐經(jīng)驗(yàn);同時,處于全面融合階段的企業(yè)—方面國內(nèi)的樣本量非常少,另—方面該階段的企業(yè)已基本完成智能化轉(zhuǎn)型,需要更多地關(guān)注和解決智能化運(yùn)營方面的問題。因此,本報告將只對處于初步投入、多維布局和深度應(yīng)用三個階段的企業(yè)如何開展智能化轉(zhuǎn)型進(jìn)行詳細(xì)討論,并分別提供建議。14'2022愛分析人工智能應(yīng)用實(shí)踐報告企業(yè)智能化轉(zhuǎn)型3.企業(yè)智能化轉(zhuǎn)型的方法論對智能化轉(zhuǎn)型的多種挑戰(zhàn)時,可以采取的方法和措施,并從本次調(diào)研的案例中選取相關(guān)實(shí)踐經(jīng)驗(yàn)為企業(yè)提供參考說明。同時,本章還會對處于不同成熟度階段的企業(yè)在上述六個維度中需要階段性提升的重點(diǎn)能力分別給出建議。3.1.1方法論3.1.1.1.明確智能化的目標(biāo)和路徑,并在組織內(nèi)達(dá)成統(tǒng)—全面的智能化轉(zhuǎn)型需要從頂層開始設(shè)計,避免因依靠局部業(yè)務(wù)需求驅(qū)動的AI能力和應(yīng)用散點(diǎn)建管理和資源浪費(fèi)。因此,企業(yè)應(yīng)該首先明確智能化轉(zhuǎn)型的關(guān)鍵目標(biāo),以及明確為了達(dá)到相關(guān)目標(biāo)的建設(shè)思路和路徑,成統(tǒng)—,才能高效地推動智能化建設(shè),達(dá)成相應(yīng)目標(biāo)。例如在案例A中,某大型保險集團(tuán)制定了平臺、應(yīng)用、技術(shù)“三個領(lǐng)先”戰(zhàn)略,并從項目管理機(jī)制、前沿技術(shù)研究、國產(chǎn)化方案替代、應(yīng)用成果孵化等方面開展建設(shè),從而推動智能化轉(zhuǎn)型。3.1.1.2.建立將新技術(shù)用于業(yè)務(wù)創(chuàng)新的機(jī)制,并提供相應(yīng)的資源支持AI應(yīng)用本質(zhì)上具有實(shí)驗(yàn)性和創(chuàng)新性,因此也天然地會伴隨著—定的不確定性和失敗風(fēng)險。為了實(shí)現(xiàn)AI應(yīng)用的落地,企業(yè)需要首先建立鼓勵創(chuàng)新,容忍失敗的工作氛圍,其次,建立業(yè)務(wù)創(chuàng)新機(jī)制,在內(nèi)部密切關(guān)注AI技術(shù)的發(fā)展趨勢,及時識別將AI技術(shù)用于業(yè)務(wù)創(chuàng)新的機(jī)會,以及不斷強(qiáng)化組織內(nèi)的AI開發(fā)能力,并推動應(yīng)用的落地。3.1.2給不同成熟度的企業(yè)的建議初步投入階段:企業(yè)在該階段應(yīng)明確當(dāng)前需要開發(fā)的具體應(yīng)用,并考慮采取怎樣的方式實(shí)現(xiàn)落地。多維布局階段:企業(yè)在該階段應(yīng)首先在組織內(nèi)廣泛地鼓勵創(chuàng)新,明確智能化轉(zhuǎn)型短期的目標(biāo)和路徑。同時需要對中深度應(yīng)用階段:企業(yè)在該階段應(yīng)建立完善的智能化轉(zhuǎn)型中長期目標(biāo)和規(guī)劃,在組織內(nèi)就智能化轉(zhuǎn)型的方法、流程、創(chuàng)新機(jī)制達(dá)成了統(tǒng)—,并給予全方位支持。16'2022愛分析人工智能應(yīng)用實(shí)踐報告某大型保險集團(tuán)于2019年成立了集團(tuán)科技中心大數(shù)據(jù)和人工智能部,由此開啟了人工智能技術(shù)發(fā)展之路。該保險集團(tuán)擬在人工智能建設(shè)方面實(shí)現(xiàn)“三個領(lǐng)先”的戰(zhàn)略目標(biāo)?！穷I(lǐng)先的平臺:持續(xù)打造音、0CR、人臉識別、大數(shù)據(jù)應(yīng)用子平臺的集團(tuán)統(tǒng)—人工智能技術(shù)平臺,各項技術(shù)指標(biāo)居于行業(yè)領(lǐng)先水平。二是領(lǐng)先的應(yīng)用:聚焦客服、管理、銷售三類機(jī)器人突破,機(jī)器人研究和應(yīng)用水平居于行業(yè)領(lǐng)先水平。三是領(lǐng)先的技術(shù):核心算法全部自研,關(guān)鍵技術(shù)和硬件具備國產(chǎn)化替代方案。在建設(shè)思路方面,為了實(shí)現(xiàn)“三個領(lǐng)先”的戰(zhàn)略目標(biāo),該保險集團(tuán)實(shí)施了如下關(guān)鍵舉措:1)制定長期規(guī)劃,營造創(chuàng)新氛圍。集團(tuán)制定了長期人工智能發(fā)展規(guī)劃,和適合科技創(chuàng)新的項目管理機(jī)制,營2)鉆研前沿技術(shù),加快技術(shù)落地。密切跟蹤人工智能技術(shù)的演進(jìn)趨勢,并適當(dāng)開展前沿技術(shù)的研究,縮短前沿技術(shù)落地的周期;重點(diǎn)加強(qiáng)多模態(tài)AI應(yīng)用落地的能力,加強(qiáng)大數(shù)據(jù)和AI深度協(xié)同的能力,加強(qiáng)研發(fā)人員3)探索國產(chǎn)化替代方案,實(shí)現(xiàn)技術(shù)的提前儲備和自主可控。探索PaddlePaddle等國產(chǎn)深度學(xué)習(xí)基礎(chǔ)框架,驗(yàn)證國產(chǎn)GPU的實(shí)際性能,形成備用方案,確保極端情況下仍然可以開展人工智能的應(yīng)用和研究。4)加快機(jī)器人突破工程成果孵化,探索研發(fā)通用機(jī)器人。利用機(jī)器人研發(fā)成果,進(jìn)行銷售和管理機(jī)器人嵌入式研發(fā),重點(diǎn)突破人機(jī)混合運(yùn)營下的機(jī)器學(xué)習(xí);依托各類私域流量和公域流量,實(shí)現(xiàn)純線上化的銷售模式和銷售管理模式;由小規(guī)模、人機(jī)協(xié)作向全覆蓋、無人化演進(jìn),并探索研發(fā)通用機(jī)器人。17'2022愛分析人工智能應(yīng)用實(shí)踐報告3.2.1方法論3.2.1.1.重視數(shù)據(jù)治理與數(shù)據(jù)平數(shù)據(jù)基礎(chǔ)中的問題,企業(yè)需要重視數(shù)據(jù)治理與數(shù)據(jù)平臺建設(shè)工作。在數(shù)據(jù)治理方面,企業(yè)應(yīng)該組織專門的數(shù)據(jù)治理工作,制定數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)治理體系,提高數(shù)據(jù)質(zhì)量。如在案例1中,中新天津生態(tài)城在利用內(nèi)部外數(shù)據(jù),構(gòu)建智慧城市產(chǎn)業(yè)大腦之前,首先成立專門的數(shù)據(jù)治理小組,開展相關(guān)工作以提在數(shù)據(jù)平臺建設(shè)方面,企業(yè)需要構(gòu)建統(tǒng)—的大數(shù)據(jù)平臺或數(shù)據(jù)智能平臺,打通各部門、各系統(tǒng)的數(shù)據(jù),豐富數(shù)據(jù)的來源,提高數(shù)據(jù)的廣度和深度。同時,設(shè)計面向AI應(yīng)用的數(shù)據(jù)架構(gòu),方便AI應(yīng)用開發(fā)和運(yùn)營中對數(shù)據(jù)的調(diào)用。例如在案例7中,某銀行為了構(gòu)建智能消費(fèi)者保護(hù)中臺,其首先建設(shè)了全口徑的投訴管理大數(shù)據(jù)平臺,整合行內(nèi)10多類異構(gòu)多模態(tài)數(shù)據(jù),以打破多業(yè)務(wù)部門、各區(qū)域、各系統(tǒng)數(shù)據(jù)壁為了高效地給AI開發(fā)提供匹配的數(shù)據(jù),支撐AI應(yīng)用的規(guī)模化落地,企業(yè)內(nèi)部需要建立—套面向AI開發(fā)的自動化的集所需數(shù)據(jù);采集的數(shù)據(jù)上傳至云端或本地后,設(shè)置相應(yīng)條件,自動觸發(fā)數(shù)據(jù)標(biāo)注任務(wù),交由業(yè)務(wù)專家標(biāo)注數(shù)據(jù),在某些情況下還需要自動將新標(biāo)注的數(shù)據(jù)與原先的數(shù)據(jù)集進(jìn)行合并;當(dāng)平臺監(jiān)測到新的數(shù)據(jù)版本后,再自動對模型進(jìn)行訓(xùn)練,并對新的模型進(jìn)行評估和上線。例如在案例2中,上汽安吉物流在研發(fā)其視覺智能管理系統(tǒng)時,采用了這套標(biāo)準(zhǔn)化和自動化的從數(shù)據(jù)采集,到數(shù)據(jù)標(biāo)注,到模型訓(xùn)練的流程和方法,支撐了平臺功能高效和批量化地迭代更新。3.2.2給不同成熟度的企業(yè)的建議初步投入階段:企業(yè)在該階段應(yīng)首先解決的數(shù)據(jù)基礎(chǔ)較差的問題,因此需要積極開展數(shù)據(jù)治理工作,提高數(shù)據(jù)治理;并建立統(tǒng)—的數(shù)據(jù)平臺,打破數(shù)據(jù)孤島,豐富數(shù)據(jù)來源。18'2022愛分析人工智能應(yīng)用實(shí)踐報告多維布局階段:企業(yè)在該階段應(yīng)已經(jīng)解決了數(shù)據(jù)基礎(chǔ)較差的問題,同時對于AI開發(fā)和運(yùn)營對數(shù)據(jù)的要求較明確,初步建立面向AI開發(fā)的數(shù)據(jù)采集、數(shù)據(jù)處理相關(guān)的標(biāo)準(zhǔn)化方法,并考慮如何提高整個流程的自動化能力。深度應(yīng)用階段:企業(yè)在該階段應(yīng)建立起完善的數(shù)據(jù)治理機(jī)制,并常態(tài)化的執(zhí)行,建立能夠支撐AI應(yīng)用的數(shù)據(jù)智能平19'2022愛分析人工智能應(yīng)用實(shí)踐報告案例1:中新天津生態(tài)城構(gòu)建智慧城市產(chǎn)業(yè)大腦,用案例1:中新天津生態(tài)城構(gòu)建智慧城市產(chǎn)業(yè)大腦,用AI挖掘數(shù)據(jù)價值中新天津生態(tài)城(以下簡稱“生態(tài)城”)是中國與新加坡兩國政府戰(zhàn)略性合作開發(fā)的生態(tài)城市,于2008年9月開工建設(shè),總規(guī)劃面積為150平方公里,旨在打造產(chǎn)城融合、綠色發(fā)展、智慧城市、國際合作的示范區(qū)。應(yīng)用產(chǎn)業(yè),希望打造從數(shù)字生產(chǎn)資料挖掘、到智能產(chǎn)業(yè)研發(fā)孵化、再到龍頭企業(yè)牽引的產(chǎn)產(chǎn)業(yè)發(fā)展中,其產(chǎn)業(yè)規(guī)劃、招商引資、企業(yè)服務(wù)工作都面臨著—些痛點(diǎn)問題,這些問題包括:產(chǎn)業(yè)規(guī)劃與分析缺乏數(shù)據(jù)支撐。生態(tài)城在做產(chǎn)業(yè)規(guī)劃時,沒有每個產(chǎn)業(yè)鏈細(xì)分領(lǐng)域的信息和數(shù)據(jù)支撐;或者有總體數(shù)據(jù),但缺乏產(chǎn)業(yè)深度分析能力。招商引資方式粗放、單薄。生態(tài)城在確定產(chǎn)業(yè)招商方向后,由于沒有的;或者有明確的招商標(biāo)的,但對待招商企業(yè)進(jìn)行評估時缺乏支撐數(shù)據(jù)和智能評估方法。產(chǎn)業(yè)扶持與企業(yè)服務(wù)缺乏主動能力。生態(tài)城在服務(wù)園區(qū)內(nèi)的企業(yè)時,無法為企業(yè)準(zhǔn)確匹配合適的扶持政策,從根本上而言,上述問題都在于生態(tài)城在開展產(chǎn)業(yè)發(fā)展工作的過程中,缺乏以數(shù)據(jù)為支撐的產(chǎn)業(yè)分析工具。事實(shí)上,生態(tài)城經(jīng)過多年發(fā)展,已經(jīng)積累了大量的智慧城市公共數(shù)據(jù),包括了區(qū)域經(jīng)濟(jì)運(yùn)行、內(nèi)部工商、財稅、政策扶持等數(shù)據(jù)。與此同時,大量公開的數(shù)據(jù),如因此,生態(tài)城要解決產(chǎn)業(yè)規(guī)劃、招商引資、企業(yè)服務(wù)工作中面臨的問題,就需要首先借助—系列的工具和方法,從海量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中挖掘出有用的信息,并以體系化的形式呈現(xiàn)出來,為生態(tài)的產(chǎn)業(yè)規(guī)劃和發(fā)展基于知識圖譜、NLP等Al技術(shù),構(gòu)建智慧城市產(chǎn)業(yè)大腦解決方案服務(wù)能力進(jìn)行綜合評估后,生態(tài)城選擇與愛數(shù)合作共建解決方案。愛數(shù)成立于20提供商,提供結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、機(jī)器數(shù)據(jù)、知識圖譜數(shù)據(jù)等全域的數(shù)字化轉(zhuǎn)型賦能,幫助各行各業(yè)的客戶釋放數(shù)據(jù)價值,實(shí)現(xiàn)即時、隨時、實(shí)時的數(shù)據(jù)服務(wù)。20'2022愛分析人工智能應(yīng)用實(shí)踐報告產(chǎn)業(yè)知識網(wǎng)絡(luò)即底層的知識圖譜數(shù)據(jù)湖,其將海量的外部網(wǎng)絡(luò)數(shù)據(jù)和智能城市內(nèi)部數(shù)據(jù)進(jìn)行匯總,形成數(shù)據(jù)湖,為產(chǎn)業(yè)大腦提供能力底座。三個平臺包括企業(yè)主動服務(wù)平臺、經(jīng)濟(jì)運(yùn)行分析平臺和產(chǎn)業(yè)精準(zhǔn)招商平臺。通過三個平臺連N個應(yīng)用模塊是將產(chǎn)業(yè)發(fā)展和智慧營商環(huán)境分為若干個應(yīng)用模塊,實(shí)現(xiàn)產(chǎn)業(yè)大腦的實(shí)用性和應(yīng)用性。圖2:中新天津生態(tài)城智慧城市產(chǎn)業(yè)大腦架構(gòu)圖如前文所述,整個解決方案的核心在于如何從海量數(shù)據(jù)中提取出有用信息,并構(gòu)建以產(chǎn)業(yè)鏈、企業(yè)圖譜為中心的大規(guī)模知識網(wǎng)絡(luò)。為了解決這—問題,愛數(shù)項目團(tuán)隊重點(diǎn)開展了如下工作:1)數(shù)據(jù)治理。生態(tài)城內(nèi)外部大量數(shù)據(jù)的數(shù)據(jù)質(zhì)量狀況較低,因此愛數(shù)為該項目成立了數(shù)據(jù)治理小組,制定數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)治理體系,提高數(shù)據(jù)質(zhì)量。21'2022愛分析人工智能應(yīng)用實(shí)踐報告2)知識抽取。在構(gòu)建知識網(wǎng)絡(luò)前,需要對數(shù)據(jù)尤其是大量非結(jié)構(gòu)化數(shù)據(jù)2)知識抽取。在構(gòu)建知識網(wǎng)絡(luò)前,需要對數(shù)據(jù)尤其是大量非結(jié)構(gòu)化數(shù)據(jù)中的知識進(jìn)行抽取。對此,愛數(shù)使用其招投標(biāo)、投融資等模型,從數(shù)據(jù)中精準(zhǔn)地抽取關(guān)鍵要素或?qū)傩?。在此基礎(chǔ)上,為這些屬性設(shè)立匹配規(guī)則,從而構(gòu)提供AnyDATA意圖理解、規(guī)則、推理、圖計算等引擎,可以實(shí)現(xiàn)精準(zhǔn)的知識搜索、關(guān)聯(lián)分析和輔助決策。最終建成的知識網(wǎng)絡(luò)主要包含如下類型:產(chǎn)業(yè)鏈圖譜:以產(chǎn)品上下游、上下層為關(guān)系構(gòu)建的5000業(yè)實(shí)現(xiàn)有機(jī)對接,可以實(shí)現(xiàn)對產(chǎn)業(yè)鏈精準(zhǔn)分類和關(guān)聯(lián)分析;企業(yè)圖譜:基于工商、知識產(chǎn)權(quán)等公開數(shù)據(jù),構(gòu)建企業(yè)集團(tuán)關(guān)系鏈、市場布局、產(chǎn)品業(yè)務(wù)鏈,實(shí)現(xiàn)企業(yè)鏈的精準(zhǔn)定位和分析;產(chǎn)品競爭圖譜:基于企業(yè)產(chǎn)品標(biāo)簽集相似度構(gòu)建競爭網(wǎng)絡(luò),尋找細(xì)分領(lǐng)域隱形冠軍;政策圖譜與規(guī)則知識庫:省市區(qū)多級政策要素自動抽取,形成分類、分級的政策要素與政策適用規(guī)則庫,以便政策的自動精準(zhǔn)匹配推薦;產(chǎn)業(yè)及經(jīng)濟(jì)運(yùn)行預(yù)測分析:基于產(chǎn)業(yè)鏈、企業(yè)鏈及其他產(chǎn)業(yè)要素動態(tài)事件的可視化推理及關(guān)聯(lián)分析預(yù)測;投融資雷達(dá):基于投融資事件知識與企業(yè)鏈、產(chǎn)業(yè)鏈的匹配,實(shí)現(xiàn)焦點(diǎn)招商、以商招商(園區(qū)關(guān)聯(lián)企業(yè)的投融資線索)。智慧城市產(chǎn)業(yè)大腦落地后的價值和效果1)招商引資更加精準(zhǔn)。產(chǎn)業(yè)大腦匯聚了生態(tài)內(nèi)外部的工商、產(chǎn)業(yè)等數(shù)據(jù),結(jié)合知識圖譜技術(shù),深度研究行業(yè)、企業(yè)業(yè)務(wù),基于產(chǎn)品標(biāo)簽集相似度,可以尋找到同類企業(yè),然后利用企業(yè)畫像工具對企業(yè)實(shí)力進(jìn)行評估,尋找行業(yè)隱形冠軍,從而更加精準(zhǔn)地進(jìn)行招商引資。2)產(chǎn)業(yè)與經(jīng)濟(jì)運(yùn)行狀況了解更及時。產(chǎn)業(yè)大腦根據(jù)企業(yè)產(chǎn)業(yè)標(biāo)簽管理,了解生態(tài)城產(chǎn)業(yè)結(jié)構(gòu),生態(tài)城因此能夠緊跟國家發(fā)展戰(zhàn)略目標(biāo);同時,通過多維度分析,生態(tài)城可以了解各產(chǎn)業(yè)發(fā)展情況,掌握產(chǎn)業(yè)增長與下降趨勢,22'2022愛分析人工智能應(yīng)用實(shí)踐報告以及影響產(chǎn)業(yè)發(fā)展走勢的主要企業(yè);以及影響產(chǎn)業(yè)發(fā)展走勢的主要企業(yè);并收集宏觀經(jīng)濟(jì)與區(qū)域經(jīng)濟(jì)數(shù)據(jù),并進(jìn)行對比,掌握經(jīng)濟(jì)發(fā)展差距,為宏觀3)企業(yè)服務(wù)更主動。借助產(chǎn)業(yè)大腦,生態(tài)城可以從從企業(yè)入駐起對企業(yè)進(jìn)行全生命周期管理。對標(biāo)同行上市企業(yè)畫像,判斷企業(yè)發(fā)展方向、可能遇到的問題,進(jìn)行主動培育服務(wù)。同時,基于政策試算器,向政策管理用戶提智慧城市產(chǎn)業(yè)大腦項目經(jīng)驗(yàn)總結(jié)對于企業(yè)和政府部門而言,其在業(yè)務(wù)發(fā)展過程中會積累大量的文檔和內(nèi)容數(shù)據(jù),這些數(shù)據(jù)中存在著大量有價值的信息,通過構(gòu)建知識網(wǎng)絡(luò)整合這些數(shù)據(jù),能夠?yàn)槠髽I(yè)和政府部門的管理、業(yè)務(wù)發(fā)展提供有效的決策支撐。而從數(shù)據(jù)中挖掘價值,需要借助—系列方法和人工智能技術(shù):首先要收集好各類型的內(nèi)外部數(shù)據(jù),并做好數(shù)據(jù)治理工作;然后借助NLP技術(shù)從數(shù)據(jù)中精準(zhǔn)地抽取知識,建立知識間的關(guān)系,并且在此過程中,需要適當(dāng)根據(jù)具體業(yè)務(wù)需求定制開發(fā)NLP模型。最后在此基礎(chǔ)上構(gòu)建知識網(wǎng)絡(luò),并利用規(guī)則、推理、圖計算等引擎23'2022愛分析人工智能應(yīng)用實(shí)踐報告案例2:案例2:AI數(shù)據(jù)管理平臺助力上汽安吉物流批量化迭代AI模型,讓物流管理更智慧安吉智能是上汽安吉物流旗下專注于智能物流解決方案的服務(wù)商,服務(wù)于上汽安吉物流內(nèi)部的同時,也向汽車于雇傭安保人員。但隨著業(yè)務(wù)規(guī)模的增長,過度依賴人力的傳統(tǒng)安全管理模式已經(jīng)無法滿足其發(fā)展需求。針對物流行業(yè)安全管理中的痛點(diǎn)問題,安吉智能自主研發(fā)了“安眸智能視覺管理系統(tǒng)”,利用計算機(jī)視覺技術(shù)對理規(guī)范的問題及時提醒和采取相應(yīng)措施,主動化解潛在危險。以倉庫場景為例,安眸系統(tǒng)能夠?qū)}庫內(nèi)的叉車超速、禁區(qū)出現(xiàn)人員、員工危險動作、著裝不規(guī)范等行為作出精準(zhǔn)識別,并進(jìn)行管理。由于計算機(jī)視覺模型通常只能對預(yù)先訓(xùn)練過的場景和物體進(jìn)行識別,為了滿足上汽安吉物流管理的10個港口、300多個網(wǎng)點(diǎn),以及其對外服務(wù)的200多個客戶不斷提出的各異的功能需求,在安眸系統(tǒng)中不斷上線新的識別功能,安吉智能的研發(fā)團(tuán)隊就需要不斷獲取新的樣本數(shù)據(jù),并在不改變邊緣算力的前提下,對AI模型進(jìn)行不斷因此,安吉智能需要解決AI模型頻繁迭代過程中的多個工程化難題。例如,針對遷移學(xué)習(xí)時模型會產(chǎn)生舊數(shù)據(jù)遺忘的問題,安吉智能已經(jīng)通過自研知識蒸餾、混合學(xué)習(xí)等技術(shù)讓模型在學(xué)習(xí)新的數(shù)據(jù)特征后獲得新的識別能力的同時,也保留原先的識別能力。但安吉智能仍然需要應(yīng)對以下兩點(diǎn)主要的問題:1)缺少能對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行精細(xì)管理的工具。安吉智能有大的圖像數(shù)據(jù)集,但每個網(wǎng)點(diǎn)或客戶提出新的功能需求時,其提供的圖像數(shù)據(jù)的采集時間、采集目標(biāo)、標(biāo)注類別等信息都不—致,安吉智能需要將這些數(shù)據(jù)增補(bǔ)進(jìn)原先的數(shù)據(jù)集中,記錄數(shù)據(jù)集的層次結(jié)構(gòu),并形成不同的數(shù)據(jù)版本,從而用于模型誤差分析和模型反復(fù)迭代。然而之前基于文件夾的手動管理方式,不僅很難追蹤過去版本的模型和數(shù)據(jù)集的對應(yīng)關(guān)系,在上百甚至更多個網(wǎng)點(diǎn)和客戶都提出需求時,其數(shù)據(jù)版本就很難以文件夾的形式進(jìn)行管理。2)算法團(tuán)隊需要深度介入數(shù)據(jù)處理工作,手動執(zhí)行效率較低。由于模型開發(fā)中數(shù)據(jù)的收集、標(biāo)注,以及模型訓(xùn)練等流程存在大量需要算法團(tuán)隊介入的數(shù)據(jù)處理工作,安吉智能需要依靠算法開發(fā)人員對數(shù)據(jù)處理工作進(jìn)行層層24'2022愛分析人工智能應(yīng)用實(shí)踐報告把控,手動執(zhí)行各種操作。當(dāng)模型的迭代更新變得非常頻繁時,算法和數(shù)把控,手動執(zhí)行各種操作。當(dāng)模型的迭代更新變得非常頻繁時,算法和數(shù)據(jù)團(tuán)隊的深度綁定會使得模型迭代流程非常耗時耗力,甚至無法完成。依托非結(jié)構(gòu)化數(shù)據(jù)平臺,保障模型迭代中的高質(zhì)量數(shù)據(jù)供給和流程自動化面對模型頻繁迭代,以及由此帶來的大幅增長的數(shù)據(jù)管理需求,安吉智能選擇與格物鈦智能科技進(jìn)行合作,將格物鈦能基礎(chǔ)設(shè)施提供商,其核心產(chǎn)品非結(jié)構(gòu)化數(shù)據(jù)管理平臺向各類創(chuàng)新企業(yè)及團(tuán)隊提供AI數(shù)據(jù)管理解決方案,以數(shù)據(jù)引擎為核心技術(shù),解決非結(jié)構(gòu)化數(shù)據(jù)的發(fā)現(xiàn)、管理、利用等難題,實(shí)現(xiàn)對海量復(fù)雜數(shù)據(jù)的靈活存取用,從而推動企業(yè)的針對非結(jié)構(gòu)化數(shù)據(jù)集管理中的難題,格物鈦為安吉智能提供了如下解決方案:第—,在云端對數(shù)據(jù)進(jìn)行統(tǒng)—托管。安吉智能各個網(wǎng)點(diǎn)的數(shù)據(jù)都存儲在云端,格物鈦的數(shù)據(jù)平第二,數(shù)據(jù)版本可追溯。安吉智能每月或每周會在數(shù)據(jù)集內(nèi)新增圖片和物品類數(shù)據(jù),通過格物鈦數(shù)據(jù)平臺,安吉智能在新增的數(shù)據(jù)上做標(biāo)注,然后合并進(jìn)原有數(shù)據(jù)集,并打上標(biāo)簽,從而形成新的標(biāo)準(zhǔn)化的數(shù)據(jù)集版本。算法工程師只需要根據(jù)標(biāo)簽就能找到需要的數(shù)據(jù)集版本,并比較各個數(shù)據(jù)集之間的差異。第三,數(shù)據(jù)集分布特征可視化。格物鈦數(shù)據(jù)平臺的可視化組件能讓算法工程師從宏觀層面查看數(shù)據(jù)集的特征分布,以及從微觀層面查看單個文件和標(biāo)注數(shù)據(jù)。安吉智能的算法工程師因此能夠在模型訓(xùn)練前直接查看數(shù)據(jù)標(biāo)注信息,也可以在模型訓(xùn)練后將預(yù)測結(jié)果作為—個數(shù)據(jù)版本,與人工標(biāo)注的數(shù)據(jù)版本進(jìn)行比較,從而判斷模型效針對算法和數(shù)據(jù)團(tuán)隊的深度綁定,手動執(zhí)行數(shù)據(jù)處理工作效率低的問題,安吉智能通過使用格物鈦數(shù)據(jù)平臺的Action功能,并結(jié)合了—些自研算法,對數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注、模型訓(xùn)練等關(guān)鍵流程設(shè)置任務(wù)自動觸發(fā)機(jī)制,并讓整個流程實(shí)現(xiàn)自動化。在數(shù)據(jù)收集階段,安吉智能通過自研圖像相似度和質(zhì)量分析的算法,當(dāng)發(fā)現(xiàn)符合要求的圖像后自動在攝像頭中進(jìn)行抽幀并將圖像上傳至云端;在數(shù)據(jù)標(biāo)注階段,通過使用格物鈦數(shù)據(jù)平臺,當(dāng)符合需要的圖片數(shù)據(jù)達(dá)到—定量級后,平臺自動觸發(fā)數(shù)據(jù)標(biāo)注任務(wù),然后通過簽約的數(shù)據(jù)標(biāo)注公司在平臺上對數(shù)據(jù)進(jìn)行標(biāo)注,再與原先的數(shù)據(jù)集進(jìn)行合并。在模型訓(xùn)練階段,當(dāng)平臺監(jiān)測到數(shù)據(jù)標(biāo)注完成形成新的數(shù)據(jù)版本后,會自動先進(jìn)行模型訓(xùn)練,然后對更新后的模型的預(yù)測結(jié)果進(jìn)行評估,識別預(yù)測效果不好的圖片,并在平臺上對數(shù)據(jù)標(biāo)25'2022愛分析人工智能應(yīng)用實(shí)踐報告圖3:安吉智能AI模型開發(fā)關(guān)鍵流程非結(jié)構(gòu)化數(shù)據(jù)平臺給安吉智能帶來的價值和效果理、數(shù)據(jù)集分布可視化等功能,安吉智能解決了模型迭代中的多種數(shù)據(jù)痛點(diǎn),減少了數(shù)據(jù)收集、數(shù)據(jù)準(zhǔn)備和模型評估中大量手工操作,讓算法工程師可以專注于用Al模型去解決業(yè)務(wù)問題,模型精度能因此能提高30%以上。其次,平臺的自動化能力大幅縮短了安吉智能模型迭代的周期,節(jié)約單模型訓(xùn)練的人工成本。安吉智能預(yù)期因此可以實(shí)現(xiàn)每周對模型進(jìn)行—次迭代更新,從而上線新的識別功能,最終全年能上線50個識別功能,并且單次模安吉智能Al模型開發(fā)和迭代經(jīng)驗(yàn)總結(jié)以Al應(yīng)用的復(fù)雜性,其在產(chǎn)業(yè)中落地的—大瓶頸通常在于數(shù)據(jù)的質(zhì)量和匹配度。對于大部分傳統(tǒng)企業(yè)而言,其數(shù)據(jù)量有限,研發(fā)能力也相對不足,如果把Al應(yīng)用開發(fā)的重心放在改進(jìn)算法上,效果往往并不如意。因此,傳統(tǒng)企業(yè)在Al應(yīng)用開發(fā)中應(yīng)該把重點(diǎn)放在獲得質(zhì)量更好、匹配度更高的數(shù)據(jù)上,幫助提高模型效果,讓A企業(yè)在Al模型開發(fā)或迭代頻次較低時,其數(shù)據(jù)管理可以通過文件夾形式手動管理,但隨著Al應(yīng)用的加速落地,企業(yè)每年需要開發(fā)幾十甚至更多個模型的時候,手動管理的方式將難以為繼。此時企業(yè)應(yīng)該選擇標(biāo)準(zhǔn)化的工具對模型開發(fā)中需要的數(shù)據(jù)進(jìn)行高效地管理,從而保障模型的持續(xù)迭代和更新。同時考慮在流程中引入自動化能力,進(jìn)—步縮短模型迭代周期。26'2022愛分析人工智能應(yīng)用實(shí)踐報告3.3.1方法論通常,企業(yè)在確定和規(guī)劃Al應(yīng)用的落地場景時有業(yè)務(wù)需求導(dǎo)向和資金投入導(dǎo)向兩種方式。對于需要快速推進(jìn)智能化轉(zhuǎn)型,追求Al落地的時間和成本效益的企業(yè),可以考慮業(yè)務(wù)需求導(dǎo)向的方式。具體而言,企業(yè)可以首先由專門的協(xié)調(diào)管理部門或技術(shù)部門聯(lián)合各業(yè)務(wù)部門確認(rèn)業(yè)務(wù)需求較強(qiáng)的應(yīng)用場景,而業(yè)務(wù)需求強(qiáng)的判斷標(biāo)準(zhǔn)包括了人員投入大、重復(fù)性勞動多、人工操作效率不高或效果不理想等;其次,需要考慮開發(fā)該應(yīng)用所需的數(shù)據(jù)是否容易獲取,如果內(nèi)部數(shù)據(jù)不充分,可以考慮是否能從外部廠商引入相應(yīng)的數(shù)據(jù);最后,需要業(yè)內(nèi)已經(jīng)有針對該應(yīng)用場景的較成熟的解決方案,降低開發(fā)新應(yīng)用的時間和資金成本。在上述判斷的基礎(chǔ)上,企業(yè)可以將強(qiáng)業(yè)務(wù)需求、所需數(shù)據(jù)能夠獲取、有較成熟解決方案的場景規(guī)劃為需要實(shí)現(xiàn)Al落地的場景。例如案例3中的美宜佳和案例8中的海信集團(tuán)都采用該種方式規(guī)劃和落地Al前期根據(jù)業(yè)務(wù)需求確認(rèn)了門店選址、門店運(yùn)營和營銷優(yōu)化三類應(yīng)用場景,并從外部引入了實(shí)現(xiàn)這些Al應(yīng)用所需的時空數(shù)據(jù),以及這些領(lǐng)域成熟的Al模型和應(yīng)用解決方案。對于需要持續(xù)做深智能化轉(zhuǎn)型,且資金和研發(fā)實(shí)力較強(qiáng)的企業(yè),可以考慮資金投入導(dǎo)向的方式。具體而言,企業(yè)可以由專門的協(xié)調(diào)管理部門或技術(shù)部門協(xié)同業(yè)務(wù)部門或相關(guān)管理部門確認(rèn)費(fèi)用支持較大的業(yè)務(wù)場景:其次,需要考慮開發(fā)該應(yīng)用所需的數(shù)據(jù)是否充分和是否容易獲取;最后,需要判斷在該業(yè)務(wù)場景中是否能用算法找到數(shù)據(jù)中的規(guī)律,在上述判斷的基礎(chǔ)上,企業(yè)可以將費(fèi)用支出大、所需數(shù)據(jù)能夠獲取、且能用算法或相關(guān)Al技術(shù)解決的業(yè)務(wù)問題規(guī)劃為需要實(shí)現(xiàn)Al落地的場景。例如案例c中,某全球頭部日用消費(fèi)品公司在華公司由其數(shù)據(jù)科學(xué)與人工智能團(tuán)隊對品牌建設(shè)、銷售管理中費(fèi)用支出較高的業(yè)務(wù)場景進(jìn)行篩選,結(jié)合數(shù)據(jù)和算法能力,最終在媒體規(guī)劃、廣對于任何類型的企業(yè)而言,其在實(shí)施智能化轉(zhuǎn)型時都需要考慮Al應(yīng)用場景落地的先后順序,集中資源在高價值度場景中優(yōu)先構(gòu)建Al應(yīng)用,因此需要對應(yīng)用場景的價值度做排序,并對單個Al場景的R0l做事前預(yù)估和事后評估。關(guān)于應(yīng)用場景的價值度,—般從高到低可以分為三類。第—類是能夠?qū)I(yè)務(wù)模式或業(yè)務(wù)流程進(jìn)行創(chuàng)新,從而為客戶提供創(chuàng)新性的產(chǎn)品或服務(wù)的應(yīng)用場景,這類應(yīng)用場景價值度通常最高。例如在案例B中,江南農(nóng)商銀行將虛擬數(shù)字人27'2022愛分析人工智能應(yīng)用實(shí)踐報告嵌入多個業(yè)務(wù)系統(tǒng)中,從而能夠在無人場景中為客戶提供多種業(yè)務(wù)咨詢和業(yè)務(wù)辦理;在案例6中,在先進(jìn)的Al算法的支撐下,安克創(chuàng)新利用AR虛擬試戴解決方案,為其用戶提供真實(shí)度非常高的線上眼鏡試戴功能,不僅為用戶提供了創(chuàng)新性的體驗(yàn)方式,也大幅提升了購買轉(zhuǎn)化率;第二類是能夠?yàn)槠髽I(yè)大幅提高運(yùn)營效率和降低成本的應(yīng)用場景,通常該應(yīng)用可以為企業(yè)帶來數(shù)倍甚至更多地運(yùn)營效率的提升或成本的降低。例如在案例4中,某餐飲連鎖企業(yè)用計算機(jī)視覺對餃子品質(zhì)做檢測,完全代替了原先用大量人工去抽查的方式,為企業(yè)大幅提高了運(yùn)營效率和節(jié)約了成本;第三類是能夠—定程度提升運(yùn)營效率和降低成本的應(yīng)用場景,通常其對運(yùn)營效率的升和成本的降低在100%以內(nèi),這類關(guān)于R0l的評估,企業(yè)主要需要關(guān)注在特定業(yè)務(wù)場景中,投入某項Al應(yīng)用前后,在該場景中企業(yè)的費(fèi)用成本是否有降低,以及降低的比例。除了在事后評估R0l,事先也可以借助可參考的案例對R0l做預(yù)估,確定場景的價值度。例如,在供應(yīng)鏈管理中,企業(yè)可以評估引入Al應(yīng)用前后,供應(yīng)鏈相關(guān)成本是否有得到優(yōu)化。3.3.2給不同成熟度的企業(yè)的建議初步投入階段:該階段的企業(yè)應(yīng)主要參考高價值度應(yīng)用場景定位的方法,優(yōu)先選取價值度最高,且較容易落地的場多維布局階段:該階段的企業(yè)應(yīng)先在多個主要的業(yè)務(wù)部門落地價值度較高的場景,同時要探索并初步建立場景落地深度應(yīng)用階段:該階段的企業(yè)應(yīng)建立并常態(tài)化執(zhí)行場景落地的流程和方法,并且做好計劃,每年在各主要部門批量28'2022愛分析人工智能應(yīng)用實(shí)踐報告案例3:美宜佳打造商業(yè)智能決策管理平臺,實(shí)現(xiàn)線下零售的智能化運(yùn)營案例3:美宜佳打造商業(yè)智能決策管理平臺,實(shí)現(xiàn)線下零售的智能化運(yùn)營美宜佳控股有限公司是國內(nèi)第二大連鎖便利店集團(tuán)。自成立以來,美宜佳以廣東為中心,并逐步在全國范圍進(jìn)行業(yè)務(wù)布局。目前,集團(tuán)擁有美宜佳品牌門店兩萬多家,每日門店總客流量達(dá)2500多萬。線下零售的核心邏輯是以“場”為中心去對接“人”和“貨”,而“人貨場”各自的特征要素以及它們之間的早期信息化建設(shè),其已建有ERp、plM、Bl等業(yè)務(wù)系統(tǒng),在內(nèi)部積累了較豐富的佳希望用智能化的方法對人、貨、場的特征要素及其關(guān)聯(lián)進(jìn)行分析和自身定位等情況;在門店運(yùn)營方面,具體包含門店評估、品店匹配、銷量預(yù)測、競品分析等應(yīng)用場景,幫助美宜佳更好的制定經(jīng)營策略、提高門店業(yè)績;在營銷優(yōu)化方面,則需要結(jié)合人群定向,對廣告投放策略做優(yōu)化。及Al算法能力上存在不足,具體如下:1)數(shù)據(jù)層面,美宜佳僅掌握店內(nèi)經(jīng)營數(shù)據(jù)和自有供應(yīng)鏈體系的后端數(shù)據(jù),但缺乏外部的地理位置、周邊人群、周邊競品相關(guān)的數(shù)據(jù)。同時,在與外部廠商共同探索解決方案時,美宜佳需要分享內(nèi)部數(shù)據(jù)時保證其數(shù)據(jù)的隱私2)Al算法層面,選址、選品、消費(fèi)者畫像、營銷的智能化分析需要大量Al模型支撐來實(shí)現(xiàn),美宜佳需要外部廠商提供相關(guān)的Al模型,并用模型解決業(yè)務(wù)問題。此外,不同地區(qū)的數(shù)據(jù)分布會有較大區(qū)別,通用的模型很多時候不能直接適用,需要根據(jù)區(qū)域、環(huán)境等因素對模型做調(diào)整和遷移。以時空數(shù)據(jù)為基礎(chǔ),Al模型為支撐,美宜佳為門店經(jīng)營各環(huán)節(jié)提供智能化決策在對廠商的數(shù)據(jù)、Al算法、應(yīng)用解決方案等方面的能力進(jìn)行評估后,美宜佳選擇與維智科技合作,建設(shè)商業(yè)智能決策管理平臺。維智科技是—家時空人工智能平臺提供商,專注于線下場景的數(shù)字化和線上線下的時空融合,通過時空Al技術(shù)打造數(shù)字孿生體,為城市、交通、金融、地產(chǎn)、零售和品牌等提供精細(xì)化場景服務(wù)和智能解決基于維智phy-gital飛吉特時空智能平臺,美宜佳構(gòu)建了商業(yè)智能決策管理平臺,其架構(gòu)上分三層:底層是聯(lián)合數(shù)據(jù)倉庫,包含維智科技提供的時空數(shù)據(jù)和美宜佳提供的門店數(shù)據(jù);中間是技術(shù)服務(wù)層,包括Al模型、時空知29'2022愛分析人工智能應(yīng)用實(shí)踐報告識圖譜、業(yè)務(wù)計算邏輯等;上層是各類分析應(yīng)用,包括門店選址圖4:美宜佳商業(yè)智能決策管理平臺架構(gòu)針對數(shù)據(jù)層面的問題,平臺通過聯(lián)合數(shù)倉的形式整合了維智科技的營銷智能基礎(chǔ)數(shù)據(jù)與美宜佳的門店數(shù)據(jù)。維企業(yè)、經(jīng)濟(jì)等動態(tài)數(shù)據(jù)。在此基礎(chǔ)上,通過梳理美宜佳的數(shù)據(jù)隱私,維智科技將其時空數(shù)據(jù)、模型服務(wù)與美宜佳的內(nèi)部數(shù)據(jù)結(jié)合,以—體機(jī)的形式部署在美宜佳的受限環(huán)境中,模型的構(gòu)建、訓(xùn)練、管理和發(fā)布均在—體機(jī)完成,確保美宜佳的數(shù)據(jù)不出庫。30'2022愛分析人工智能應(yīng)用實(shí)踐報告圖5:商業(yè)智能決策管理平臺預(yù)訓(xùn)練模型倉庫邏輯針對AI算法層面的問題,平臺基于分類、排序、聚類、異常發(fā)現(xiàn)、回歸預(yù)測、溯因推理分析等技術(shù)模型,結(jié)合特征工程、自動特征計算等服務(wù),形成畫像、選址、選品、營銷等方面要針對區(qū)域數(shù)據(jù)特征有變化進(jìn)行適配的問題,維智科技通過匹配可適配的用例或特征來做模型遷移,并通過數(shù)商業(yè)智能決策管理平臺落地的價值與效果美宜佳落地商業(yè)智能決策管理平臺,用數(shù)據(jù)智能賦能門店開拓與運(yùn)營,實(shí)現(xiàn)了以下業(yè)務(wù)價值。1)門店選址方面,平臺為美宜佳在廣東、以及華東地區(qū)選址拓店,提供了數(shù)據(jù)支持和智能化的決策依據(jù)。具體而言,通過分析當(dāng)前地區(qū)用戶的習(xí)慣、常駐和流動人員的習(xí)慣、場本身的特性(是周邊是醫(yī)院、社區(qū)、商業(yè)中心等)、周邊競爭態(tài)勢(供需飽和度)、交通便利性等數(shù)據(jù),判斷某個地點(diǎn)是否適合開店,并給出關(guān)于在該地店的評分,以及影響評分的因子。這比傳統(tǒng)的依靠調(diào)研和專家經(jīng)驗(yàn)的方式大幅提高了決策效率和準(zhǔn)確率,可以支持美2)門店運(yùn)營方面,該平臺有效幫助美宜佳品牌門店和加盟門店總計4w+門店,進(jìn)行數(shù)字評級、銷售預(yù)測、歸因分析、運(yùn)營優(yōu)化和營銷優(yōu)化等方面,提供線下大數(shù)據(jù)和智能預(yù)測結(jié)果輔商業(yè)智能決策管理平臺的項目經(jīng)驗(yàn)總結(jié)需要依據(jù)這些數(shù)據(jù)做出相對實(shí)時的決策,因此復(fù)雜度和難度很大。但零售數(shù)據(jù)核心上還是圍繞人貨場及其關(guān)聯(lián),31'2022愛分析人工智能應(yīng)用實(shí)踐報告面對復(fù)雜的數(shù)據(jù)場景,面對復(fù)雜的數(shù)據(jù)場景,可以考慮運(yùn)用知識圖譜技術(shù),將各維度數(shù)據(jù)按人、貨、場梳理,再形成場與場、人與場、貨與場的關(guān)聯(lián);同時考慮運(yùn)用Al模型來刻畫復(fù)雜的變化規(guī)律、分析思路和決策經(jīng)驗(yàn)。第二,只有店內(nèi)數(shù)據(jù)無法在線下零售場景中實(shí)現(xiàn)智能化,因此還需要引入店外的時空數(shù)據(jù),將地理位置、周邊人群、周邊競品等外部數(shù)據(jù)與內(nèi)部數(shù)據(jù)結(jié)合,才能實(shí)現(xiàn)1+1>2的效果。并且,在將內(nèi)外部數(shù)據(jù)進(jìn)行結(jié)合時,需要32'2022愛分析人工智能應(yīng)用實(shí)踐報告案例B:虛擬數(shù)字人助力江南農(nóng)商銀行為客戶提供創(chuàng)新性的遠(yuǎn)程視頻案例B:虛擬數(shù)字人助力江南農(nóng)商銀行為客戶提供創(chuàng)新性的遠(yuǎn)程視頻柜員服務(wù)在銀行業(yè)積極探索更豐富、更精細(xì)化的客戶服務(wù)方式,消費(fèi)者對銀行服務(wù)的效率和便捷性也有了更明確的需求,以及疫情常態(tài)化對銀行遠(yuǎn)程服務(wù)能力要求更高等因素的推動下,江南農(nóng)商銀行于2021年12月與京東科技合區(qū)別于以往咨詢問答式機(jī)器人,VTM數(shù)字員工的創(chuàng)新之處在于,其采用擬人化的形象與用戶進(jìn)行對話交互,為用戶提供了良好的沉浸式體驗(yàn);同時,VTM數(shù)字員工與江南農(nóng)商行的業(yè)務(wù)系統(tǒng)深度耦合,從而支持VTM數(shù)字員工從業(yè)務(wù)系統(tǒng)中調(diào)用數(shù)據(jù)支撐用戶問答與交互,并代替業(yè)務(wù)人員在各類交易場景中幫用戶閉環(huán)完成咨詢、查詢、導(dǎo)覽,以及取款、開戶、密碼重置等業(yè)務(wù)。而支撐虛擬數(shù)字人與銀行的業(yè)務(wù)交易場景打通,為銀行實(shí)現(xiàn)創(chuàng)將這些Al技術(shù)有機(jī)結(jié)合,VTM數(shù)字員工具備了音唇精準(zhǔn)同步、表情豐富逼真、交特征,以及高準(zhǔn)確率的語音語義識別能力,并能精準(zhǔn)識別數(shù)字連讀和方言,也為適老化能力的建設(shè)和鄉(xiāng)村金融VTM數(shù)字員工的投入使用,不僅大幅提升了江南農(nóng)商銀行遠(yuǎn)程銀行的接待能力與服務(wù)效率,降低了運(yùn)營成本,還勾勒出銀行服務(wù)的未來發(fā)展的新形態(tài):即通過運(yùn)用人工智能等先進(jìn)科技,銀行可以構(gòu)建無人場景下的服務(wù)能力,重塑服務(wù)模式與體驗(yàn),為客戶提供更便捷的服務(wù)。這將成為未來銀行業(yè)甚至整個服務(wù)產(chǎn)業(yè)的發(fā)展趨勢,具33'2022愛分析人工智能應(yīng)用實(shí)踐報告案例c:某全球頭部日用消費(fèi)品公司在華公司以費(fèi)用支出為導(dǎo)案例c:某全球頭部日用消費(fèi)品公司在華公司以費(fèi)用支出為導(dǎo)向規(guī)劃AI應(yīng)用場景某全球頭部日用消費(fèi)品公司在華公司為保持其市場領(lǐng)先地位,需要在品牌建設(shè)、銷售管理優(yōu)化等方面實(shí)現(xiàn)全面的智能化。因此,其數(shù)據(jù)科學(xué)與人工智能團(tuán)隊采用了資金投入導(dǎo)向的方式對Al應(yīng)用進(jìn)行了規(guī)劃。具體而言,該團(tuán)隊篩選應(yīng)用場景的標(biāo)準(zhǔn)有三個:第—,優(yōu)先考慮費(fèi)用支持較大的場景;第二,重點(diǎn)考慮數(shù)據(jù)層面的問題,包括數(shù)據(jù)的充足度、數(shù)據(jù)獲取的難易程度、數(shù)據(jù)的有效度;第三,能夠用算法從數(shù)據(jù)中找到規(guī)律,從而解決基于上述方法,該公司如下五類方向落地了多個Al應(yīng)用,顯著降低了公司的費(fèi)用支出。第—,媒體規(guī)劃,即將媒體預(yù)算以最優(yōu)的方式分配投入給不同的媒體形式,如視頻、站內(nèi)、電視、戶外廣告第二,精準(zhǔn)廣告定位,即把廣告投向更精準(zhǔn)、更有可能產(chǎn)生購買行為的用戶。第三,會員活動設(shè)計,即針對會員的過往的表現(xiàn)設(shè)計合理的會員活動。第四,促銷優(yōu)化,即根據(jù)歷史數(shù)據(jù)來優(yōu)化未來促銷活動的規(guī)劃,減少促銷費(fèi)用的投入。第五,供應(yīng)鏈管理,包括倉庫的分布、送貨路線的規(guī)劃、庫存的管理等。34'2022愛分析人工智能應(yīng)用實(shí)踐報告3.4.1方法論3.4.1.1.明確自研和引入外部能對于處于早期投入階段,尚無Al應(yīng)用構(gòu)建能力和經(jīng)驗(yàn)的企業(yè)而言,企業(yè)構(gòu)建Al應(yīng)用應(yīng)該主要考慮外采。對于處于多維布局或者成熟度更高階段的企業(yè),其已經(jīng)具備了—定技術(shù)能力、專業(yè)人員和Al應(yīng)用開發(fā)經(jīng)驗(yàn),此時企業(yè)構(gòu)建Al應(yīng)用應(yīng)該以自研為主。但是當(dāng)企業(yè)在構(gòu)建Al應(yīng)作聯(lián)合開發(fā)或者完全外采解決方案。這些問題包括:(1)應(yīng)用解決方案復(fù)雜度較高,需要多種底層Al技術(shù)的支撐,自研難度大、成本高、時間長;(2)企業(yè)內(nèi)部缺乏應(yīng)用開發(fā)所需的數(shù)據(jù);(3)企業(yè)自身不具備特定應(yīng)用場景的業(yè)務(wù)例如在案例9中,某集團(tuán)科技公司由于在搭建供應(yīng)鏈管理相關(guān)的Al應(yīng)用時面臨智能調(diào)度、倉配算法開發(fā)難度大,搭建智能營銷應(yīng)用時缺乏市場客戶數(shù)據(jù),搭建園區(qū)安全時缺乏實(shí)踐經(jīng)驗(yàn),便選擇與京東云合作在這些領(lǐng)域聯(lián)合開發(fā)Al3.4.1.2.在Al開發(fā)團(tuán)隊中引入業(yè)務(wù)專家,提供業(yè)務(wù)知識方面的專業(yè)指導(dǎo)Al應(yīng)用最終需要解決的是業(yè)務(wù)的問題,而精通技術(shù)的算法工程師或數(shù)據(jù)科學(xué)家往往對業(yè)務(wù)問題缺少了解,因此在Al在開發(fā)應(yīng)用解決方案之前,要協(xié)調(diào)內(nèi)部資源,對精通業(yè)務(wù)的人員進(jìn)行深入調(diào)研,針對具體場景梳理業(yè)務(wù)流程,理清每個環(huán)節(jié)的業(yè)務(wù)需求。如在案例5中,中宏保險在搭建營銷員智能助理解決方案之前,首先對保險營銷員的需求進(jìn)行了充分調(diào)研,了解營銷員需要詢問哪些保險知識,對知識的呈現(xiàn)有哪些要求,在問法上有哪些獨(dú)到的習(xí)慣等問題。在開發(fā)應(yīng)用解決方案過程中,企業(yè)需要業(yè)務(wù)專家協(xié)助,確定業(yè)務(wù)的標(biāo)準(zhǔn)。具體而言,包括了在計算機(jī)視覺相關(guān)的應(yīng)用開發(fā)中,由業(yè)務(wù)專家?guī)椭_定圖像的分類、圖像是否符合要求的標(biāo)準(zhǔn);在自然語言處理相關(guān)的應(yīng)用開發(fā)中,由業(yè)務(wù)專家對詞性、詞語分割、情感等進(jìn)行標(biāo)注,提高語義理解的準(zhǔn)確度。例如在案例4中,某餐飲連鎖企業(yè)為了在餃子質(zhì)35'2022愛分析人工智能應(yīng)用實(shí)踐報告企業(yè)在探索性的AI應(yīng)用開發(fā)中經(jīng)常會受困于如何將業(yè)務(wù)問題轉(zhuǎn)化為算法可解決的問題,通常這類問題的只能借助精通技術(shù)的同時能對業(yè)務(wù)也非常了解的數(shù)據(jù)科學(xué)家或算法工程師來解決。比如,需要經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家或算法工程師能夠判斷某個業(yè)務(wù)問題是屬于分類問題,還是回歸問題;特征工程的特征和目標(biāo)是否有因果關(guān)系等。在此基礎(chǔ)上,企業(yè)在具體執(zhí)行中,還可以進(jìn)—步參考案例4中明略科技在幫某餐飲連鎖企業(yè)開發(fā)餃子質(zhì)檢解決方案時的做法,即通過多種可能的業(yè)務(wù)標(biāo)準(zhǔn)標(biāo)注多個數(shù)據(jù)集,再對照多個算法不斷測試,最終得出效果較好的模型。傳統(tǒng)企業(yè)在開發(fā)AI應(yīng)用時,通常會面臨樣本數(shù)據(jù)量較小的問題,比如,制造企業(yè)想開發(fā)針對某個零部件的智能質(zhì)檢應(yīng)用,其樣本數(shù)據(jù)可能不足100個,或者醫(yī)療機(jī)構(gòu)想要構(gòu)建—個罕見病的疾病預(yù)測模型,其樣本數(shù)據(jù)可能只有幾十個。此時,企業(yè)—種方式是可以考慮采用較前沿的小樣本學(xué)習(xí)技術(shù)開發(fā)此類AI應(yīng)用,另—種方式是提高樣本數(shù)據(jù)的數(shù)據(jù)質(zhì)量,不僅是前期做數(shù)據(jù)采集時要考慮通過用—些定制化的方法讓采集到的樣本數(shù)據(jù)與需求盡量高度匹配,同時也要借助業(yè)務(wù)專家提高數(shù)據(jù)標(biāo)注的準(zhǔn)確度,從而能夠以較小的樣本數(shù)據(jù)集開發(fā)出AI模型。3.4.1.5.采取先以最少的數(shù)據(jù)讓AI應(yīng)用可用即上線,后續(xù)再維護(hù)更新的策略為了讓AI應(yīng)用能早日上線發(fā)揮價值,企業(yè)可以在開發(fā)AI模型或AI系統(tǒng)時先用最少的數(shù)據(jù)量去訓(xùn)練模型或系統(tǒng)使其達(dá)到初步可用的狀態(tài)即在業(yè)務(wù)中部署,后續(xù)在運(yùn)營過程中再針對新收集的數(shù)據(jù),對模型進(jìn)行增量學(xué)習(xí),或?qū)ο到y(tǒng)進(jìn)行更新,從而使AI應(yīng)用更加聰明,功能更完善。例如在案例5中宏保險智能助理案例中,由于保險行業(yè)知識體系龐雜,為了讓智能助理能夠早日上線發(fā)揮價值,中宏保險采取了在知識庫中先加入營銷員最關(guān)心的問題,后續(xù)再利用平臺的AI自學(xué)習(xí)能力從新的數(shù)據(jù)中學(xué)習(xí)新的知識,并逐漸豐富知識庫的策略。3.4.1.6.綜合考慮算力、帶寬等需求,設(shè)計合理的“云邊端”協(xié)同部署方式針對在業(yè)務(wù)系統(tǒng)中部署AI應(yīng)用會面臨各種場景化適配的問題,如果應(yīng)用解決方案對計算實(shí)時性、數(shù)據(jù)安全的要求都不高,數(shù)據(jù)量相對有限,以及追求更低的計算成本,可以主要考慮在邊緣端通過算法控制采集所需數(shù)據(jù),在云端部署解決方案的方式。例如在案例4某餐飲連鎖企業(yè)的餃子質(zhì)檢解決方案中,其在攝像頭中內(nèi)置過線檢測算法采集到每—盤經(jīng)過出餐口的水餃圖片數(shù)據(jù),這些圖片數(shù)據(jù)的數(shù)據(jù)量相對有限,對帶寬、存儲和計算要求都不高,然后將圖片數(shù)據(jù)上傳至云端,通過定制的質(zhì)檢算法判斷餃子的品質(zhì)。而如果解決方案需要實(shí)時生效,且數(shù)據(jù)量大,上傳云端對帶寬、存儲和計算資源要求都很高時,企業(yè)需要考慮將解決方案部署在邊緣或設(shè)備端,同時要對算法和SDK包體積的大小以及邊緣或設(shè)備端的算力資源進(jìn)行優(yōu)化,以保證算法能夠在邊緣或設(shè)備端有效運(yùn)行,并產(chǎn)生實(shí)時的計算結(jié)果。例如在案例636'2022愛分析人工智能應(yīng)用實(shí)踐報告中內(nèi)置了3D關(guān)鍵點(diǎn)識別、慣性檢測、人臉屬性等多種AI算法,以保障用戶的試戴體驗(yàn)的真實(shí)性,而為了讓這些算法能夠在移動終端運(yùn)行和實(shí)時生效,火山引擎在保證模型精度不降低的前提下,對模型大小進(jìn)行了壓縮,對移動終端3.4.2給不同成熟度的企業(yè)的建議初步投入階段:由于企業(yè)自身研發(fā)實(shí)力暫時有限,建議主要考慮跟有成熟解決方案的廠商合作,構(gòu)建相關(guān)應(yīng)用。同時,企業(yè)需要對上述問題,如協(xié)調(diào)業(yè)務(wù)人員參與、開發(fā)部署中的重點(diǎn)問題有知曉,在過程中給予應(yīng)用開發(fā)項目組資源多維布局階段:明確企業(yè)自身的能力和資源,對應(yīng)用是否自研、合作開發(fā)、外采,設(shè)立明確的標(biāo)準(zhǔn);重視內(nèi)部業(yè)務(wù)專家對應(yīng)用開發(fā)的作用,建立業(yè)務(wù)和技術(shù)人員的協(xié)作機(jī)制;參照上述方法,加快應(yīng)用開發(fā)到部署的效率。深度應(yīng)用階段:建立較完善的自研能力,尤其重視技術(shù)人才隊伍和技術(shù)基礎(chǔ)設(shè)施的建設(shè);在應(yīng)用開發(fā)團(tuán)隊中常態(tài)化地引入業(yè)務(wù)專家資源,由統(tǒng)—的部門進(jìn)行協(xié)調(diào)管理;建立標(biāo)準(zhǔn)的解決方案開發(fā)、部署和后續(xù)運(yùn)營的方法和流程。37'2022愛分析人工智能應(yīng)用實(shí)踐報告案例4:依托計算機(jī)視覺技術(shù),某餐飲連鎖企業(yè)為餃子品控安上智慧之“眼”案例4:依托計算機(jī)視覺技術(shù),某餐飲連鎖企業(yè)為餃子品控安上智慧之“眼”某餐飲連鎖企業(yè)是國內(nèi)知名的水餃餐飲連鎖公司,總部管理機(jī)構(gòu)設(shè)于遼寧大連。目前,該餐飲企業(yè)在全國40多個城市擁有700多家連鎖門店,員工8000多人。發(fā)展至今,該餐飲企業(yè)所有門店都為直營,為的是能夠控制水餃出品的品質(zhì)。而當(dāng)該餐飲企業(yè)在往南方擴(kuò)展后,由于南方鮮有吃餃子的飲食習(xí)慣,出現(xiàn)了南方門店的餃子品質(zhì)和北方門店有較明顯差距不同地域門店出品的水餃的質(zhì)量,該餐飲企業(yè)最初采取了神秘訪客的方式對門店進(jìn)行抽查。但由于其門店眾多,該餐飲企業(yè)只能不斷加大神秘訪客的抽查密度,最終付出了高昂的時間和人力成本,但收效并未達(dá)到預(yù)期。在此背景下,該餐飲企業(yè)決定引入數(shù)字化技術(shù)對水餃品質(zhì)進(jìn)行管理。具體而言,該餐飲企業(yè)希望對每—份經(jīng)過出餐口的餃子都進(jìn)行拍照,并利用計算機(jī)視覺技術(shù)對餃子圖像進(jìn)行分析,判斷和管理水餃的品質(zhì)。然而,不同于常規(guī)的工業(yè)質(zhì)檢,“餃子質(zhì)檢”是—個創(chuàng)新性的應(yīng)用場景,業(yè)內(nèi)尚無成熟的解決方案。要產(chǎn)生實(shí)際的效果,就需要重點(diǎn)解決以下問題:1)穩(wěn)定地獲取高質(zhì)量的餃子圖像。通常,餃子在被服務(wù)員端到顧客餐桌之前,會被統(tǒng)—放置在出餐秒左右。因此,攝像頭需要在1秒鐘內(nèi)完成高清裝盤餃子照片的抓拍,同時要克服出餐口下方空間狹小、光線不足,以及餃子熱氣蒸騰模糊鏡頭等困難。2)將業(yè)務(wù)問題轉(zhuǎn)換成算法可以執(zhí)行的客觀任務(wù)。視覺檢測通常用到的是目標(biāo)檢測算法檢測內(nèi)容的分類。餃子質(zhì)檢場景中要對檢測內(nèi)容進(jìn)行分類,就需要首先確定餃子好壞的客觀標(biāo)準(zhǔn),通過數(shù)據(jù)標(biāo)注,讓算法能依據(jù)這個標(biāo)準(zhǔn)去學(xué)習(xí)對餃子的分類。然而餃子好壞的標(biāo)準(zhǔn)包含了很多行業(yè)知識,且其描述通常非常主觀和抽象,難以統(tǒng)—。3)樣本數(shù)據(jù)要覆蓋盡量全面的情形,并兼顧控制冷啟動成本。在該餃子質(zhì)檢場景中,由于場景很固定,訓(xùn)練模型所需的數(shù)據(jù)量未必要很大,但樣本數(shù)據(jù)要覆蓋盡量全面的情形,以保證模型能夠識別各種特殊情況。同時,初期要用少量的數(shù)據(jù)讓模型可用,盡快上線,后續(xù)再對模型進(jìn)行優(yōu)化。打造集定制相機(jī)、云端視覺識別、品質(zhì)管理系統(tǒng)的整體解決方案38'2022愛分析人工智能應(yīng)用實(shí)踐報告基于對明略科技數(shù)字化技術(shù)和服務(wù)能力的認(rèn)可,基于對明略科技數(shù)字化技術(shù)和服務(wù)能力的認(rèn)可,該餐飲企業(yè)選擇與明略科技合作,為其定制開發(fā)“餃子質(zhì)檢”解決方案。明略科技是—家企業(yè)級數(shù)據(jù)分析和組織智能服務(wù)提供商,為政府、金融、零售、工業(yè)等行業(yè)經(jīng)過和該餐飲企業(yè)的深度溝通,明略科技智能硬件和深度學(xué)習(xí)算法團(tuán)隊為其定制了—套端云協(xié)同的綜合解決方案,在出餐口下安裝定制相機(jī),通過這—邊緣設(shè)備獲取餃子的實(shí)時圖片數(shù)據(jù),上傳至云端對圖片進(jìn)行深度學(xué)習(xí)算法的識別分析,對每盤出餐的餃子給出優(yōu)秀、合格、不合格的評級,最后在品質(zhì)管理系統(tǒng)中生成統(tǒng)計分析報告,供管理者及時全面地掌握出品情況。為了穩(wěn)定地獲取高質(zhì)量的餃子圖像,明略科技項目組為該解決方案定制了攝像頭。鏡頭、補(bǔ)光燈等都做了個性化的定制,從硬件上解決出餐口下方空間狹小、光線不足,以及熱氣蒸騰模糊鏡頭等問題。同時,攝像頭內(nèi)置了過線檢測算法,當(dāng)區(qū)域內(nèi)有物體移動,且移動區(qū)域超過—定界限,攝像頭會快速抓拍物體,從而獲得清晰的為了確定判斷餃子好壞的客觀標(biāo)準(zhǔn),明略科技項目組與該餐飲企業(yè)的業(yè)務(wù)專家合作,分批引入了外觀上的白鼓、偏皮、飽管,以及擺放上的是否順等判斷餃子品質(zhì)好壞的維度。而其中每—個維度的判斷標(biāo)準(zhǔn),例如白鼓,項目組排除了圖像的角度、光線、餃子餡等干擾因素,篩選出了多個相對客觀的白鼓標(biāo)準(zhǔn),讓不同的人標(biāo)注同—批數(shù)據(jù),結(jié)果能夠統(tǒng)—,并依次用不同算法測試這些標(biāo)準(zhǔn)是否能區(qū)分餃子好壞,最終確定了分類方法和所用的針對樣本數(shù)據(jù)量以及冷啟動成本的問題。項目組在前期主要考慮了樣本數(shù)據(jù)能夠覆蓋更多的情形。比如,樣本數(shù)據(jù)盡可能包含多幾種出餐口拍的餃子,光線也有更多變化等。而由于該場景比較固定,樣本數(shù)據(jù)量選擇在上百左右,這樣可以用最少量的數(shù)據(jù)標(biāo)注就能讓模型達(dá)到可用狀態(tài),上線達(dá)到初步效果后,再用—定時間收集長尾情況的數(shù)據(jù)并優(yōu)化模型,從而降低了冷啟動的成本。餃子質(zhì)檢落地后的價值與效果第—,通過餃子質(zhì)檢解決方案,該餐飲企業(yè)的管理人員能夠在管理系統(tǒng)中查看實(shí)時生成的餃子品質(zhì)統(tǒng)計分析報告,了解每家店每天甚至每個時間段的餃子的品質(zhì)情況,具體到合格與不合格的餃子的數(shù)量,從而提高了該餐第二,該方案目前已在該餐飲企業(yè)大部分門店推廣使用,有效識別了水餃飽滿、擺盤等問題,識別準(zhǔn)確率在90%以上,其門店的菜品優(yōu)秀率因此提高了20%。39'2022愛分析人工智能應(yīng)用實(shí)踐報告餃子質(zhì)檢項目經(jīng)驗(yàn)總結(jié)餃子質(zhì)檢項目經(jīng)驗(yàn)總結(jié)用計算機(jī)視覺技術(shù)感知現(xiàn)實(shí)世界中各種情形,并將其數(shù)字化,為企業(yè)解決各種業(yè)務(wù)問題提供了有效的技術(shù)手段。隨著人工智能在產(chǎn)業(yè)中的加速落地,計算機(jī)視覺也將被應(yīng)用在更廣泛的場景中,甚至無所不在。而在用計算機(jī)視覺技術(shù)解決具體的業(yè)務(wù)問題時,企業(yè)要重點(diǎn)考慮數(shù)據(jù)、算法和冷啟動成本三方面的問題:1)數(shù)據(jù)方面的問題主要涉及數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注。在數(shù)據(jù)采集階段,由于視覺場景通常差據(jù)的采集往往需要針對特定場景定制相應(yīng)的相機(jī)以確保圖像數(shù)據(jù)采集的效果,并且要保證采集的數(shù)據(jù)包含盡量全面的情形。而在數(shù)據(jù)標(biāo)注階段,企業(yè)首先借助業(yè)務(wù)專家的經(jīng)驗(yàn),確認(rèn)統(tǒng)—的標(biāo)準(zhǔn),確保不同的人標(biāo)注結(jié)果能夠—致,并且算法能夠識別和區(qū)分這些標(biāo)準(zhǔn)。2)對于算法的選擇,企業(yè)可以結(jié)合標(biāo)注數(shù)據(jù)的各種標(biāo)準(zhǔn),選擇不同算法多做測試,根據(jù)測試結(jié)果選擇有效的標(biāo)準(zhǔn)的同時,也確認(rèn)效果更優(yōu)的算法。3)初期為了降低冷啟動成本,企業(yè)可以用少量數(shù)據(jù)讓模型達(dá)到可用狀態(tài)即上線,后續(xù)再收集更多長尾情況的數(shù)據(jù),對模型進(jìn)行更新和優(yōu)化。40'2022愛分析人工智能應(yīng)用實(shí)踐報告案例5:中宏人壽保險構(gòu)建營銷員智能助理,通過保險知識的共享和復(fù)用賦能銷售案例5:中宏人壽保險構(gòu)建營銷員智能助理,通過保險知識的共享和復(fù)用賦能銷售中宏人壽保險有限公司(以下簡稱“中宏保險”)是國內(nèi)首家中外合資人壽保險公司,由加拿大宏利旗下的宏利人壽保險(國際)有限公司和中國中化核心成員——中化集團(tuán)財務(wù)有限責(zé)任公司合資組建于1996年11月,現(xiàn)已擁有逾2000名員工和17000名營銷員,為240萬客戶提供金融保險服務(wù)。保險產(chǎn)品作為專業(yè)的金融產(chǎn)品,客戶對其通常缺乏了解,這導(dǎo)致在選購保險產(chǎn)品時,客戶需要考慮很多需求和因素,整個決策周期也很長。因此,保險行業(yè)為了提高業(yè)績,就需要保險營銷員能夠向客戶持續(xù)輸出產(chǎn)品、條款規(guī)則、政策等專業(yè)知識,基于復(fù)雜信息,以最快的方式有效處理客戶的實(shí)際問題,展示出專業(yè)性和解決問題的能力,才能將潛在客戶最終轉(zhuǎn)變成為現(xiàn)實(shí)客戶。多年來,中宏保險—直注重對營銷員的咨詢支持和培訓(xùn)管理工作,然而隨著其業(yè)務(wù)范圍的擴(kuò)展,營銷員的咨詢支持和培訓(xùn)管理工作變得越來越來繁重,消耗了大量內(nèi)部資源,并且實(shí)際效果也不夠理想?！矫?中宏保險營銷員原先主要依賴向主管領(lǐng)導(dǎo)和營業(yè)網(wǎng)點(diǎn)服務(wù)臺的工作人員咨詢關(guān)于保險產(chǎn)品的問題,然而這些問題有約50%都是較常見的問題,對常見問題重復(fù)的詢問不僅消耗了主管大量的時間,也占用了營業(yè)網(wǎng)點(diǎn)寶貴的客戶服務(wù)資源。另—方面,保險業(yè)的營銷員人員更替較頻繁,新的營銷員入職后也需要對—些常見問題進(jìn)行詢問和學(xué)習(xí),人員不基于上述原因,中宏保險希望利用自然語言處理、知識庫、對助理,用于解答營銷員的常見問題,并具備對新員工的培訓(xùn)能力。中宏保險對于營銷員智能助理解決方案有如下兩點(diǎn)最重要的要求:1)保險行業(yè)涵蓋的知識體系很龐雜,不同的專業(yè)知識有11大類,因此在構(gòu)建智能助理的知識庫時,需要盡量全面地覆蓋營銷員會咨詢和學(xué)習(xí)的知識類型,并且知識庫上線后也要方便持續(xù)地維護(hù)更新;2)準(zhǔn)確理解營銷員的問題是給出正確答案的前提,因此需要對話機(jī)器人內(nèi)置豐富的AI能力模塊,使其具備出色的自然語義理解能力,能夠與營銷員進(jìn)行流暢對話。同時,需要底層的機(jī)器學(xué)習(xí)平臺具備良好的擴(kuò)展能力,讓普通業(yè)務(wù)人員也能以可視化的方式對特定業(yè)務(wù)場景進(jìn)行算法模型的調(diào)優(yōu)調(diào)參,以達(dá)到更高的語義理解準(zhǔn)確度。打造以智能知識庫為核心,智能交互為途徑的營銷員智能助理解決方案在對多家廠商的語音語義、知識管理產(chǎn)品,以及建設(shè)和運(yùn)維方案做了較長時間的評估后,中宏保險選擇與竹間智41'2022愛分析人工智能應(yīng)用實(shí)踐報告文本處理、情感計算等人工智能技術(shù)為基礎(chǔ),將AI能力整合到企業(yè)業(yè)務(wù)中,為金融、制造、政務(wù)、智能終端等基于對中宏保險需求的理解,竹間智能為其提供了營銷員智能助理解決方案。從用戶使用方式的角度,智能助理內(nèi)置在中宏保險的內(nèi)部營銷工具中,營銷員咨詢產(chǎn)品或進(jìn)行業(yè)務(wù)培訓(xùn)都可以點(diǎn)擊進(jìn)入智能助理界面,通過文字或語音輸入問題,從而獲取所需信息。從解決方案架構(gòu)的角度來看,其底層包含了機(jī)器學(xué)習(xí)平臺等解決方案的開發(fā)和運(yùn)營工具,構(gòu)成對話機(jī)器人的多個AI模塊,以及豐富的自然語言處理基礎(chǔ)技術(shù),圖6:中宏人壽保險營銷員智能助理解決方案架構(gòu)竹間智能為中宏保險搭建的智能知識庫涵蓋了豐富的信息,包括:運(yùn)營規(guī)則(包括新單投保、保單服務(wù)、保單理而為了使知識庫覆蓋盡量全面的知識類型,保障后續(xù)的迭代更新,項目組重點(diǎn)開展了如下工作:1)在項目前期充分調(diào)研營銷員需求。了解—線營銷員需要了解哪些知識,對知識的呈現(xiàn)有哪些要求,在問法上2)高度自動化的知識圖譜構(gòu)建?；谥耖g智能的Gemini知識工程平臺,項目組從中宏保險的保險條款、文檔等非結(jié)構(gòu)化數(shù)據(jù)中自動解析和抽取保險產(chǎn)品名稱、以及與之相關(guān)聯(lián)的猶豫期、等待期、保險責(zé)任等產(chǎn)品屬42'2022愛分析人工智能應(yīng)用實(shí)踐報告性。在此基礎(chǔ)上,在性。在此基礎(chǔ)上,在Gemini平臺上將抽取的知識進(jìn)行自動關(guān)聯(lián),形成保險產(chǎn)品的知識圖譜,從而實(shí)現(xiàn)知識推A+H人機(jī)協(xié)同平臺的自監(jiān)督學(xué)習(xí)能力,項目組—方面在智能助理上線前對中宏保險的客服錄音和聊天記錄做聚類分析,自動識別出已知的客戶高頻問題及其對應(yīng)語料,視需要由人工核對,從而為營銷員應(yīng)對高頻的產(chǎn)品和業(yè)務(wù)問題提供標(biāo)準(zhǔn)答案。另—方面,在智能助理上線后,通過自監(jiān)督學(xué)習(xí)從營銷員新提問的眾多未得到回復(fù)的問題中識別出高頻問題,中宏保險的業(yè)務(wù)專家隨后對這些問題給出標(biāo)準(zhǔn)答案,自動加入知識庫,從而實(shí)現(xiàn)對知識庫的為了讓智能助理能夠準(zhǔn)確地理解語義,實(shí)現(xiàn)與營銷員的流暢對話。竹間智能在對話機(jī)器人中模塊,包括語義解析、FAQ、多輪對話、意圖識別、情感識別、知識推理、智能話術(shù)等。例如,多輪對話引擎通過向營銷員連續(xù)反向提問獲得確認(rèn)具體問題所需的全面信息;意圖識別引擎內(nèi)置50多類、3000多種開箱即用的意圖模型,用于識別營銷員的詢問意圖;情感識別引擎能識別25種情緒,從而使對話更有同理心和溫度。同時,平臺內(nèi)置了—個對話管理框架,當(dāng)營銷員向智能助理提出問題時,對話管理框架會結(jié)合業(yè)務(wù)場景,對不同AI模塊的優(yōu)先級、權(quán)重、分流策略進(jìn)行調(diào)整,從而在其中選擇最匹配的模塊對營銷員的問題進(jìn)行準(zhǔn)確應(yīng)答。為了讓中宏保險能夠?qū)χ悄苤磉M(jìn)行二次開發(fā),使智能助理具備針對特定業(yè)務(wù)場景的擴(kuò)展能力,竹間智能在對話機(jī)器人底層提供了自動機(jī)器學(xué)習(xí)平臺,平臺內(nèi)置了多種前沿算法,當(dāng)上層的AI模型對特定場景的語義識別不合,讓語義理解準(zhǔn)確度在復(fù)合式算法、僅需要少量數(shù)據(jù)的條件下,自動迭代學(xué)習(xí)。保險營銷員智能助理落地后的價值與效果營銷員智能助理落地以后,中宏保險在營銷員的咨詢支持和培訓(xùn)管理上實(shí)現(xiàn)了以下顯著的效果:第—,在對營銷員的咨詢支持方面。首先,智能助理能夠7x24小時不間斷且秒常用問題實(shí)時給出正確回復(fù),高解決率有效減輕了主管和營業(yè)網(wǎng)點(diǎn)服務(wù)臺客服的咨詢服務(wù)壓力。自智能助理上線以來,平均回復(fù)準(zhǔn)確率保持在95%以上,得到了—線銷售人員普遍認(rèn)可。其次,智能助理上線后也作為運(yùn)營平臺,可直觀了解未知問題和營銷員關(guān)心的熱門問題,幫助豐富智能助理知識庫和填補(bǔ)營銷員業(yè)務(wù)未知領(lǐng)域,未來結(jié)合智能化的培訓(xùn)練習(xí),幫助營銷員提升技能,增長業(yè)績。全量信息與內(nèi)容,縮短了新人成長過程中知識儲備的周期,讓新人能快速開展業(yè)務(wù)。43'2022愛分析人工智能應(yīng)用實(shí)踐報告保險營銷員智能助理項目經(jīng)驗(yàn)總結(jié)保險營銷員智能助理項目經(jīng)驗(yàn)總結(jié)果只能依靠行業(yè)“老師傅”去傳授企業(yè)在長期業(yè)務(wù)發(fā)展過程中沉淀的大量專業(yè)知識,不僅耗費(fèi)大量時間精力,也很難保證質(zhì)量。因此,金融、制造等行業(yè)的企業(yè)可以考慮應(yīng)用人工智能技術(shù)解決專業(yè)知識管理與共享的問題。第二,在用AI對知識進(jìn)行管理并以問答形式對外輸出的過程中,企業(yè)需要重點(diǎn)考慮構(gòu)建智能知識庫以及具備高度語義理解能力的對話機(jī)器人。對知識庫的構(gòu)建需要采用自動化的知識解析和知識圖譜構(gòu)建工具,以及用無監(jiān)督學(xué)習(xí)從海量語料中自動學(xué)習(xí)新知識,從而提高知識庫構(gòu)建和后續(xù)運(yùn)營維護(hù)的效率;對于對話機(jī)器人則需要其內(nèi)置豐富的AI功能模塊,完善的對話管理框架,以及方便二次開發(fā)的自動機(jī)器學(xué)習(xí)平臺,使機(jī)器人能準(zhǔn)確理解語義,實(shí)現(xiàn)與用戶的流暢對話。44'2022愛分析人工智能應(yīng)用實(shí)踐報告案例6:案例6:AI算法支撐下,AR虛擬試戴讓安克創(chuàng)新用戶獲得更優(yōu)的線上互動體驗(yàn)安克創(chuàng)新科技股份有限公司(以下稱“安克創(chuàng)新”)是—家全球化的消費(fèi)電子品牌企業(yè),主要從事智能配件和安克創(chuàng)新旗下的音頻品牌Soundcore聲闊,于2021年末推出了新產(chǎn)品“聲闊智能眼鏡”,并計劃重點(diǎn)在歐美市場對該產(chǎn)品做市場營銷和線上產(chǎn)品推廣,但安克創(chuàng)新此時需要應(yīng)對較復(fù)雜的市場環(huán)境?！矫?在購物線上化和海外疫情常態(tài)化的大環(huán)境下,品牌商在線上推廣產(chǎn)品普遍會面臨營銷手段面,年輕群體是消費(fèi)電子的主力用戶人群,為了吸引這類用戶群體,品牌商需要通過不斷的業(yè)務(wù)和場景創(chuàng)新提升消費(fèi)體驗(yàn),讓消費(fèi)者感受到品牌的活力和創(chuàng)新力。在此背景下,安克創(chuàng)新決定引入AR虛擬試戴解決方案來推廣其智能眼鏡產(chǎn)品,讓用戶能足不出戶進(jìn)行眼鏡試戴,模擬真實(shí)穿戴智能眼鏡的效果。對于AR虛擬試戴解決方案的要求,安克創(chuàng)新有如下具體考量:1)AR試戴的效果要足夠好,以保證用戶獲得較真實(shí)的試戴體驗(yàn),包括:眼鏡的質(zhì)感、材質(zhì)、光澤度等產(chǎn)品細(xì)節(jié)的還原度要高;試戴時,眼鏡要能夠跟隨人臉的運(yùn)動與面部正確位置高度貼合;所有試戴效果要能夠?qū)崟r生效。2)在保證試戴效果良好的前提下,解決方案要能夠同時支持在移動端和web端使用,從而滿足不同偏好的用戶使用習(xí)慣,獲得范圍更廣的社交傳播效果。3)需要廠商具備完整的解決方案的交付能力,提供從商品建模到交付上線全鏈路的產(chǎn)品服務(wù),讓安克創(chuàng)新能快先進(jìn)的AI算法和實(shí)時渲染引擎助力實(shí)現(xiàn)多端—致、效果真實(shí)的虛擬試戴效果作,為其提供能滿足上述要求的AR眼鏡試戴解決方案。火山引擎是字節(jié)跳動旗下的企業(yè)級技術(shù)服務(wù)平臺,將字和服務(wù),幫助企業(yè)在數(shù)字化升級中實(shí)現(xiàn)持續(xù)增長?；谧匝屑夹g(shù),火山引擎為眼鏡、美妝、鞋帽、手表、首飾、美甲用于品牌營銷、新零售、電商購物等場景。在線上,其解決方案可提供SDK/API,快速進(jìn)行商小程序等第三方集成上線,為消費(fèi)者實(shí)現(xiàn)從瀏覽商品-線上試穿/試戴-購買的線上購物體驗(yàn)閉環(huán)。在線下,可將45'2022愛分析人工智能應(yīng)用實(shí)踐報告虛擬體驗(yàn)產(chǎn)品應(yīng)用于實(shí)體店,通過創(chuàng)新的互動手段虛擬體驗(yàn)產(chǎn)品應(yīng)用于實(shí)體店,通過創(chuàng)新的互動手段吸引消費(fèi)者進(jìn)店,提升消費(fèi)者的購物體驗(yàn),進(jìn)而促進(jìn)消費(fèi)行為火山引擎基于其自研的3D引擎為安克創(chuàng)新定制了10款聲闊智能眼鏡和8款預(yù)熱款眼鏡的3D素材,在對原始素材做基礎(chǔ)建模后,對材質(zhì)的諸多細(xì)節(jié)如高光的處理,傳統(tǒng)的素材處理只考慮透明度效果,而火山引擎進(jìn)—步針對鏡片在半透的情況下與歐美不同人群的膚色相融合的效果做了優(yōu)化,使效果更自然和真實(shí)。為了讓眼鏡在用戶試戴過程中能緊貼面部輪廓,獲得很高的跟隨度?；鹕揭嬖诮鉀Q方案中采用了自研的人臉關(guān)鍵點(diǎn)識別算法對人臉的3D關(guān)鍵點(diǎn)進(jìn)行識別,精細(xì)化定位五官和面部輪廓,并用3D擬合算法實(shí)時生成人臉的3D模型,從而使眼鏡模型能夠很好地跟隨和貼合人的面部。同時,解決方案中還采用了運(yùn)動補(bǔ)償和運(yùn)動估計等慣性檢測算法,保證在連續(xù)運(yùn)動和極端角度下試戴效果的穩(wěn)定性。火山引擎的3D引擎具備實(shí)時渲染的能力,并且對圖形渲染的性能做了優(yōu)化,保障了為安克創(chuàng)新定制的細(xì)節(jié)針對安克創(chuàng)新需要同時支持移動端和web端的需求,火山引擎通過對算法和算力進(jìn)行優(yōu)化,實(shí)現(xiàn)解決方案多端運(yùn)行的穩(wěn)定性和效果—致性。在移動端,火山引擎根據(jù)手機(jī)硬件性能做了算法適配和硬件加速,保證在多算法并行的情況下的真實(shí)效果和超低延遲。在web端,火山引擎也通過相應(yīng)的優(yōu)化能夠應(yīng)對瀏覽器資源調(diào)用、算求諸多限制。同時,火山引擎對算法本身進(jìn)行優(yōu)化,使得達(dá)到同樣的模型精度,其模型大小比業(yè)內(nèi)平均水平低幾十倍,從而降低了包體大小方便多端適配,也更節(jié)省了算力。針對完整的解決方案的交付能力要求,火山引擎提供了包括體驗(yàn)設(shè)計、技術(shù)解決方案建立、項目管理、數(shù)據(jù)檢測、市場進(jìn)入的端到端解決方案,讓AR眼鏡試戴解決方案能夠在安克創(chuàng)新快速落地和有效應(yīng)用。46'2022愛分析人工智能應(yīng)用實(shí)踐報告AR虛擬試戴解決方案落地后的價值與效果從用戶試戴效果的角度,安克創(chuàng)新通過采用AR眼鏡虛擬試戴解決方案,讓用戶能夠不用到店接觸實(shí)物,在線上就能獲得很真實(shí)的眼鏡試戴效果,并且了解商品的外觀、特點(diǎn)等諸多細(xì)節(jié)的信息,更好的幫助購買決策。從業(yè)務(wù)價值的角度,虛擬試戴解決方案提升了安克創(chuàng)新用戶的線上消費(fèi)體驗(yàn),從而促進(jìn)商品的購買轉(zhuǎn)化。該功能在安克創(chuàng)新官網(wǎng)上線4周就吸引超100萬海外用戶體驗(yàn)了該功能,對安克創(chuàng)新的品牌推廣及購買轉(zhuǎn)化都產(chǎn)生了很明顯的實(shí)際效果。因此,安克創(chuàng)新在中國區(qū)推出智能眼鏡后,也同樣選擇了火山引擎研發(fā)的AR虛擬試戴解決AR虛擬試戴解決方案的借鑒意義需要用人工智能技術(shù)從兩個層面發(fā)揮作用,解決相應(yīng)的問題。第—,先進(jìn)的計算機(jī)視覺算法是提升虛擬體驗(yàn)效果真實(shí)性的關(guān)鍵。要讓虛擬體驗(yàn)達(dá)到更加真實(shí)的效果,就需要通過采用更加先進(jìn)的計算機(jī)視覺算法對現(xiàn)實(shí)中的物體和環(huán)境進(jìn)行感知、識別和重建,從多個層面還原和模擬現(xiàn)實(shí)47'2022愛分析人工智能應(yīng)用實(shí)踐報告第二,人工智能在實(shí)際落地過程中需要重點(diǎn)突破算力的瓶頸。開發(fā)出先進(jìn)的算法通常只解決了問題的—半,第二,人工智能在實(shí)際落地過程中需要重點(diǎn)突破算力的瓶頸。開發(fā)出先進(jìn)的算法通常只解決了問題的—半,要讓算法能夠?qū)嶋H運(yùn)行,尤其是在消費(fèi)者終端運(yùn)行,就需要對其算力消耗、硬件資源進(jìn)行大量的優(yōu)化,保證算法在生48'2022愛分析人工智能應(yīng)用實(shí)踐報告案例7:某銀行搭建智能消費(fèi)者保護(hù)中臺,助力消費(fèi)者權(quán)益保護(hù)監(jiān)控和預(yù)警案例7:某銀行搭建智能消費(fèi)者保護(hù)中臺,助力消費(fèi)者權(quán)益保護(hù)監(jiān)控和預(yù)警某股份制商業(yè)銀行(以下簡稱“M行”)是國內(nèi)金融零售業(yè)頭部銀行,該行注重對消費(fèi)者的全流程陪伴和打造最佳用戶體驗(yàn),踐行消費(fèi)者權(quán)益保護(hù)工作。在金融產(chǎn)品與服務(wù)體系日益豐富且復(fù)雜的背景下,我國政府與金融監(jiān)管部門愈發(fā)重視金融消費(fèi)者合法權(quán)益的保護(hù),陸續(xù)出臺了《中國人民銀行金融消費(fèi)者權(quán)益保護(hù)實(shí)施辦法》等各類監(jiān)管文件,要求各大銀行建設(shè)此前,M行已使用傳統(tǒng)的IT系統(tǒng)實(shí)現(xiàn)消保審查和投訴處理線上化,例如消保審查系統(tǒng)是由業(yè)務(wù)部門提交申請、各級消保專職部門審批,完成各項消保審查;投訴管理系統(tǒng)是包含客服接聽電話-記錄-分類-轉(zhuǎn)辦-處理等環(huán)節(jié)的有統(tǒng)—的投訴處理風(fēng)險反饋機(jī)制,導(dǎo)致投訴風(fēng)險主要依靠各層級消保部門進(jìn)行人工分析,信息流轉(zhuǎn)過慢,管理層出于在全流程業(yè)務(wù)中有效保護(hù)消費(fèi)者合法權(quán)益語音識別、機(jī)器學(xué)習(xí)等技術(shù)增強(qiáng)對消保業(yè)務(wù)全過程管控,智能排查潛在的投訴風(fēng)險,以數(shù)字化手段提升工作質(zhì)效。M行對智能消保中臺解決方案有三點(diǎn)核心需求:業(yè)務(wù)