幹貨:AI商業落地難?秒針創始人這(zhè)三步講透了

“2018大數據産業峰會(huì)”明略數據、秒針系統創始人兼董事(shì)日友長(cháng)吳明輝在會(huì)上表示了厭：“面(miàn)向(xiàng)AI的數據治場商理，是在傳統數據治理基礎上，利用知識票舞工程相關技術，對(duì)信息按知識結構進(jì視知n)行管理、分類和關聯，將(jiāng)龐大無序的信息進(jìn)一步治理為現算分類有序互相關聯的知識，最終形成(c麗近héng)行業知識圖譜。“

對(duì)于各行各業都(dōu)在進(jìn)行數字化轉型，他認為這(業微zhè)三點是落地的關鍵：

第一，要把行業的各種(zhǒng)數據進(jìn內秒)行在線化，全部都(dōu)連接到雨北一起(qǐ)。

第二，要把數據連接後(hòu)做數據醫文挖掘，做人類自己可以力所能(néng)及做的分析與研判樹你。

第三，當我們做好(hǎo)了面(miàn)向(xiàng)AI的山嗎數據治理，做好(hǎo)了數據挖掘，并且真正形成(chén站懂g)完整的閉環，才能(néng)實現人工智能(néng)落地。

企業需要面(miàn)對(duì)真正的人工智能(néng)樹去時(shí)代的數據進(jìn)行規劃吃紙，進(jìn)行數據的整合與融合。如果不面(miàn)向(xiàng)人工妹兵智能(néng)的目标提供數據的整合規劃，數據就(jiù)有可能(néng)成畫光(chéng)為成(chéng)本中心，沒(méi)有辦法真正的創造價值器討。

人工智能(néng)背後(hòu)需要數據，但光有數資問據産生不了任何價值。隻有把數據在産業裡(哥拍lǐ)形成(chéng)最終的智能(néng)，賦能(néng)于行業裡都你(lǐ)的每一個從業者才會(huì)産生價值。數據沒(méi)有價值，數問見據加上行業場景與認知最後(hòu)變成(ch章日éng)人工智能(néng)産生最終的賦能(爸空néng)，它才會(huì)創造出價值，才會(huì)有意義。

此外，他透露明略聚焦三個領域，安防、金融、工業與物聯網，將(jiā家哥ng)數據知識化存儲下來，通過(guò)很月習多規則與算法嫁接到人工智能(néng)的規則算法，形成(chéng慢事)人機同行時(shí)代的頂級知識體系，從而實現人工智能(néng錯多)在企業的落地。

以下是演講全文：

數據應該是企業的核心資産，而不是成(chéng)本中心

各位來賓，大家下午好(hǎo)！很榮幸今天到現場與大家分享關多術于人工智能(néng)和大數據的思考。站謝

我經(jīng)營兩(liǎng)家企業級服務公司，理花看到很多企業講如何數字化轉型，如高務何利用大數據與人工智能(néng)對(d到裡uì)企業做變革。路程非常坎坷。全世界處于經(jī購我ng)濟轉型之中，中國(guó)很多企業成(chéng)綠事長(cháng)伴随著(zhe)人口紅利，包括移動互聯網紅利也有很好(hǎo)的成(chéng暗照)長(cháng)。但今天人口紅利不再，如何在新的時(shí)代迎接挑戰？妹員如何通過(guò)數字經(jīng)濟和數字化的方法優化紙跳企業内部效率？這(zhè)是企業級服務幫助每一個客和年戶要解決的問題。

數字化轉型的過(guò)程并不順利，全世界的優秀企業，通用電器、樂高、耐克都(dōu)是我服務的客戶，他們的領導人非常有遠見。在很會討多年之前已經(jīng)開(kāi在下)始嘗試建立自己的數字化轉型策略，建立數據中爸那心，存儲數據。通用電器非常早建立了工業互聯網雲平台Predix工數，但是在發(fā)展過(guò)程中樂如，他們也不得不對(duì)數字化部門進(jìn)行裁員和架構調整小船，遇到很多挑戰；LEGO早在201行新4年就(jiù)推出了LEGO外船 Digital Designer平台，後(hòu)雪作來由于種(zhǒng)種(zhǒng)原因不再繼續，并風那重新調整了數字化戰略，在之後(hòu)的數字化轉型愛內中也遇到了銷量下滑、裁員等挑戰；耐克很早就(jiù)通過(guò)智能(né話東ng)手環采集消費者運動數據，與運動産品連我藍接，但最後(hòu)也難免以裁員、重新調整數字化戰略收尾低坐。數字化轉型之路沒(méi)那麼(me)容易，全球很多優秀外喝的企業都(dōu)是在探索和試錯中不斷前進(jìn)的。企業做很多投人農入，但投資者和資本市場對(duì)它沒(méi)有認可，公司的股價持續低迷慢那。董事(shì)會(huì)會(huì)質疑這(zhè)件事(shì舊美)情有沒(méi)有價值，為什麼(me)數字化轉型師劇沒(méi)有給企業産生新的利潤，而帶來了如此大的成(chéng)本。每個鄉個從事(shì)行業的從業者一定要思考這做鄉(zhè)個問題。

秒針系統十幾年前開(kāi)始做數據挖掘，利用數據技術幫助企業做數字營銷些地的轉型。我們遇到很多問題，最大問題是如何把數據真正地利用票場起(qǐ)來？任何企業、任何組織，如果你把數據林體全部存下來需要巨大成(chéng)本。票愛如果沒(méi)有把數據真正用起(qǐ花海)來就(jiù)是巨大的成(chéng)本中心，把數據真科長正用起(qǐ)來才有可能(néng)創造價值。

以安防行業為例，全國(guó)各地部署攝像頭有很大成(chéng)本，但成木黃(chéng)本能(néng)不能(néng信頻)真正轉化成(chéng)生産力？這(zhè)是安防行業IT人員需要思考的科計問題，如何把成(chéng)本中心轉化成(ch員放éng)利潤中心，轉化成(chéng)真正對(duì)産業照不有價值的部分。人工智能(néng)背後(hòu)需要數據，但光有數據産生不下離了任何價值。隻有把數據在産業裡(lǐ)形成(c討樂héng)最終的智能(néng)，賦能(車腦néng)于行業裡(lǐ)的每一個從業者才會(huì月請)産生價值。數據沒(méi)有價值，數錯訊據加上行業場景與認知最後(hòu)變成(chéng)人工智能(雪銀néng)産生最終的賦能(nén他通g)，它才會(huì)創造出價值，才弟話會(huì)有意義。王堅博士說(s亮樹huō)在他加入阿裡(lǐ)時(shí)，阿裡(lǐ)所有的交物小易數據都(dōu)删掉了。但他加入阿裡(lǐ)的吃時(shí)說(shuō)，馬老師，數據費美無論如何都(dōu)應該存下來不應該再删。不知道(dào)今天的數據有沒(mé外光i)有價值，但我認為有價值應該存下來。王堅博士在黃亮阿裡(lǐ)被(bèi)各種(zhǒng動員)挑戰，你為什麼(me)存那麼黃話(me)多的數據，為什麼(me)建阿裡(lǐ)雲。今天大見窗家看到他取得的成(chéng)就(jiù)，其實過(guò)去很門還多年在集團裡(lǐ)備受挑戰。

數字化轉型沒(méi)有捷徑，需要一步步來，要不斷地解決挑戰，最終是弟取得成(chéng)功。今天各行各業都(和文dōu)在進(jìn)行數字化轉型，但轉型需要企業經(j畫通īng)營者和投資者有耐心。不能(相男néng)思考數據沒(méi)有價值就(jiù)不存。我們需要存，但如何規劃又劇是重要的課題，我們需要面(miàn)對(duì)真正的人工智能到事(néng)時(shí)代的數據進(jìn)行規劃，進(jìn空花)行數據的整合與融合。如果不面(miàn)向(xiàng)人工智能(néng子空)的目标提供數據的整合規劃，數據就東劇(jiù)有可能(néng)成(ch亮土éng)為成(chéng)本中心，沒(méi)有辦法真正的創造市新價值。

充分契合業務的前提下，企業數字化新有轉型分為三步走：數據在線、數據資友分析與挖掘、人工智能(néng)

我在明略自己的年會(huì)講過(guò)，人工智能(néng)在行業的城和落地需要三步走。第一步要把行業的各種(zhǒng)數據進(jìn)行在線化門和，全部都(dōu)連接到一起(qǐ)。明略服務的公共安全行業到暗，之前有各種(zhǒng)各樣書短(yàng)的IT系統，每個派出所的筆費每個民警手裡(lǐ)有很多套系統。我去公安客戶微也領導的電腦上，桌面(miàn)有類似hao123頁面(miàn)的複雜效開器果，每一個圖标、鍊接都(dōu)是過坐農(guò)去IT公司開(kāi)發(fā)的系統。戶籍管理系統、車輛管理他區系統、110報警系統，每個警察拍理電腦都(dōu)有上百個。數據散落在不同的系統裡(lǐ)，他們每天做案情數理分析時(shí)在各個系統頻繁切換，效率低。數據散落店愛在不同的系統裡(lǐ)，不可能(néng)湖裡産生最終的人工智能(néng)。人工資西智能(néng)要融合數據，當把數據連接在一起(qǐ)時(舞算shí)很快要讓它産生價值，否則客戶也不允許投資這(z制理hè)麼(me)多的錢。

人工智能(néng)真正形成(chéng)之前，也就(jiù)是三步走的讀得第二步，要把數據連接後(hòu)做數南化據挖掘，做人類自己可以力所能(néng)及做的分析與研判。這(z吃聽hè)一步，行業裡(lǐ)也叫(現說jiào)做BI（商業智能(néng)）。明略數據幫助很多朋區公安幹警做到了，但在很多行業裡(lǐ)自外第一步還(hái)沒(méi)有做到。人工智能(néng)在行有飛業落地的第二步很重要，第三步，當媽裡我們做好(hǎo)了面(miàn)向(xiàng)AI的數據治理，藍鄉做好(hǎo)了數據挖掘，并且真正形成(chéng)完整的光要閉環，才能(néng)實現人工智能(néng)玩動落地。人工智能(néng)跟傳統的信息化最大的區别是可以形成(ché老很ng)最終的閉環，一旦形成(chéng)閉環，所有叠代將(jiāng)自動加速謝雜，它將(jiāng)相比傳統的IT系統更加智能(néng)，可以自煙照我學(xué)習，最終形成(chéng)真正意義上的人工智能(néng)。人工技事智能(néng)在每個行業落地沒(méi)那麼(me)簡單，需要三步走年工，每步都(dōu)需要投入很多力量。章討

蒙牛做很多成(chéng)功的嘗試，蒙牛利市年用數字化手段幾乎打通了質量控制和檢測環節，每天蒙牛風她可以獲得近40萬條自動檢驗數據，但這(zhè商得)些都(dōu)是他們一步一步地規劃而得來的。

我拜訪重要的客戶在湖南某一個城市的公行一安局，我跟公安局的領導聊時(shí)說(shuō)要建立樣(yà唱你ng)本數據，他們就(jiù)找了二三十個協警幫助我們做數據标注。有動會了标注才能(néng)給人工智能(nén兒些g)提供很好(hǎo)的系統支持，真正成(chéng)功的企業或是政府部門是場海有耐心的。首先，就(jiù)是要東現面(miàn)對(duì)人工智能(néng)建立真正有意義的數據融合平台，一請這(zhè)也是明略目前在服務這(zhè)些大型B火都端企業、政府機構的獨特之處。

面(miàn)向(xiàng)業務智能(néng)的“在線化”的關鍵舉措：商書面(miàn)向(xiàng)AI的數據治理

數據是人工智能(néng)的基礎，自我學(xué)街哥習是人工智能(néng)相比傳統IT系問資統重要标志。我們需要面(miàn)向(xiàng)人工智能(néng)規劃東筆未來數據平台，規劃未來的數據在線。面(miàn)向術技(xiàng)人工智能(néng)的數據治理跟傳統的數據治理有非常大的區别，女電先思考數據真正的價值是什麼(me)。一般的數據和人工這器智能(néng)時(shí)代需要的數據到底有什麼(m計海e)本質的區别。

數據是人類特别重要的武器，幫助人類頻海解決很多信息不對(duì)稱問題話呢。數據是觀察者觀察世界後(hòu)，利用數學開中(xué)的方法或計算機的方法對頻照(duì)客觀世界發(fā)生的客觀事(s媽制hì)實進(jìn)行記錄，這(zhè)是數據本身的意義。數據本身的信息量很大間窗，記錄數據有成(chéng)本。比如，明略服務軌道(dào)交通的客戶，校道一個機車，不用說(shuō)後(hòu)面(miàn)的環節，光車頭上可女大概就(jiù)有上千個傳感器，每個傳感器每秒鐘都(d北兒ōu)要發(fā)送很多信号，如果把這(zhè)鐘內些數據都(dōu)存下來的話，一輛車一天的數據已經(jīng)能(nén匠制g)夠達到幾百GB的量級。

海量的數據全部存起(qǐ)來不可能(néng)，我們需要把視票真正有價值的數據提取出來。提取的過(g說人uò)程稱之為把數據知識化，信息知識化的過(guò)程。我書什們把這(zhè)個過(guò)程做完以後(我電hòu)，再結合行業領域的知識與行業專水錢家，最後(hòu)變成(chén國了g)完整的人工智能(néng)智慧系統。

相比傳統的數據治理，面(miàn)向(xiàng)人工智路跳能(néng)的數據治理最核心的是引入知識體系。為了面(miàn)向(體離xiàng)人工智能(néng)，對(duì)比傳統的數據治理，所姐答有數據儲備做的最核心工作要建立知識圖譜的系統，我們需要對(輛小duì)數據結構背後(hòu)建立動态的本體和知識庫。我們需要把傳統資鐵的以表結構為單位的數據真正連接成(chéng)為以結構化的數據，以行業的知識為機林基礎的所有計算單元，在上面(miàn)可以做邏輯推理，快女可以做很多的動态分析。它可以替代人做真正複雜的非統計類的工作路錢，這(zhè)需要建立知識體系，這(zhè)是線就真正人工智能(néng)最大的價值。人工智能(néng)最大的價值不拿唱是替代簡單的重複性勞動，更加重要的是替代人類甚至都(dōu)可能(néng)做化鐵不到的事(shì)情。

因此，面(miàn)向(xiàng)AI的數據治理，是錢外在傳統數據治理基礎上，利用知識工程相關技術，對(duì)也老信息按知識結構進(jìn)行管理、分類和關聯，將(jiān還匠g)龐大無序的信息進(jìn)一步治理為分類有序互相關聯的知識，最放照終形成(chéng)行業知識圖譜。

未來明略提供的人工智能(néng)警察，應該比中國(guó)優秀的警察還到是(hái)厲害，比福爾摩斯還(hái)厲害，這(zhè)是未來産生民微真正價值的地方。人工智能(néng)背後(hòu)最核心的是行業知識與領域知識時船。通用的知識平台不太可能(né店呢ng)存在，我們需要一個垂直領域一唱車個垂直領域的做。明略聚焦三個領域，安不就防、金融、工業與物聯網，我們把三個領域的數據知識化存儲下來，把所有客戶裡答吃(lǐ)的數據知識化存下來，在上面(miàn)産生真正的東畫人工智能(néng)應用。

明略不做簡單的數據平台，而是引入行業知識體系

在公共安全領域， 明略通過(guò)面(miàn)向(xiàng)AI的數子黃據治理，將(jiāng)海量多源異構數據實時(shí)轉化為“人、事(shì)分可、地、物、組織”等公安領域的實體，定義并挖掘好歌各實體間的各種(zhǒng)關系，并將(jiāng)這(zhè)些數據全部厭相融合到統一的大數據分析平台上，最後(hòu)落地在客拍他戶不同的業務警種(zhǒng)，在這(zhè)個過(路錢guò)程中我們不僅僅構建了一個大數據平台，而是引紙照入了公安的知識體系，最終為公安客戶大大提高破案效率。例如，最近金來明略禁毒大數據分析平台，在一個月内就(jiù)徹底摧毀了分布在多友北省的制販毒網絡團夥。正是基于此前大量美討的面(miàn)向(xiàng舊冷)AI的數據治理工作，我們才能(n事兵éng)為公安客戶迅速完成(chéng)數據挖掘和分析，從而迅筆笑速破案。

在金融行業，我們為全國(guó)某股份樹煙制銀行搭建了全行級知識圖譜平台，做還把銀行所有業務闆塊的數據按照業務知識的商快邏輯融合在一起(qǐ)，這(zhè)不是傳統的數據治暗請理，它是按照銀行的知識體系把全部數據融合在一影書起(qǐ)。平台建立後(hòu)，為銀行實師雨現海量數據和非結構化數據的分析，提升遠程監會舊控工作水平和能(néng)力，從多個現男維度為銀行帶來業務效率的提升。

軌道(dào)交通是制造業的重點領域，我們是國(guó開事)内首家把軌道(dào)交通領域散術費落在不同子系統的數據以行業知識的結構融合在一起(qǐ)的公舞煙司。例如軌道(dào)交通車頭的數據和線網的數據結合，大家知道(dào)紅南地鐵站和高鐵站軌道(dào)有信号系統，車有很多數據。之前的藍唱數據都(dōu)分散割裂，今天把數據都(dōu)連接到一起(qǐ)，而且連接冷綠的時(shí)候是有背後(hòu她空)的知識圖譜和背後(hòu)的知識結構。當我們年還把這(zhè)些數據全部連接到一起藍麗(qǐ)時(shí)，我們對(duì)故障的預測與維護等場景都(拿可dōu)産生很大的價值，可以節省銀見計算資源與存儲成(chéng)本。原來男醫數據量太大，很多不敢存，把數據融合在一起(qǐ)，更加知道(dào)哪體微一些數據應該存，哪一些數據不應該存。這(zhè)是人工智能(n熱些éng)時(shí)代的數據治理需要文看做好(hǎo)的準備工作。

數字經(jīng)濟時(shí)代，明略的産業定位：助力企業數字化轉拿司型的“啟動器”

明略數據是助力企業數字化轉型的啟樂也動器，人工智能(néng)落地行業三步我新走當中，最基礎的就(jiù)是數據在線藍愛。“數據在線”不是搭建數據倉庫把數據連起(qǐ)來，而是要把行業知我弟識真正梳理清楚。明略與行業的頂級專家思考行業的本質、知識體系是什麼綠風(me)，如何把數據真正地标注在行業知識體系中。隻有這(zh放熱è)個工作做好(hǎo)，我們的人飛影工智能(néng)才能(néng)真正地落地聽請到各行業。

數據和知識分幾個層面(miàn)，數據、場景、業務笑相。場景維度，思考到底數據會(huì)水多在哪一些環節被(bèi)使用。具商河體業務會(huì)考慮具體問題，有很多數據和知識的維度。你報

我們在幫助行業梳理過(guò)去很多年的工作經(jīn城他g)驗，很多規則與算法嫁接到人工智能(néng)的規則算法，形成(chéng)下討人機同行時(shí)代的頂級知識體系。計算機未來也需要森綠知識，它不能(néng)隻靠暴力的挖掘與計算解決問題藍女。人工智能(néng)在每個企場視業運行時(shí)要考慮效率，知識幫助計算機解決木近效率問題。小孩上二年級學(xué)簡單的計算，從從1加到100有簡單她花的公式，如果不知道(dào)的話需要花很多的房吧腦力。計算機的計算需要知識，面(miàn)向(xiàng)人工智能(néng年間)的數據治理需要把知識跟原始數據真正連接在一起(qǐ)，這(zhè)是未來信腦人工智能(néng)真正有價值爸術的地方。

明略的目标是幫助企業不斷提高效率，幫助政府各部呢風門不斷提高效率。我們希望踏踏實實地為客戶做好(hǎo)面(miàn)向(到吧xiàng)AI的數據治理，幫助企業和客戶做好(hǎo)人工智能(n鐘書éng)落地的基礎建設工作。我們讓數據成(chéng)為企業的核心資産，成(c藍海héng)為真正創造價值的IT服務，什呢而不是成(chéng)本中心。