从商业智能到智能商业，AI如何帮助我们做商业决策？

发布时间：2017-08-09 作者：佚名来源：数据分析网

关键字：商业智能智能商业

收藏好文推荐打印

历史上看，OR、BI、AI似乎都没能很好地建立起高度可依赖的商业决策支持系统。借助于AI领域的最新进展，三者结合催生了新的商业决策支持模式，即Intelligent Business。

（2）智能商业框架

这就是我们提出的智能商业框架（上图），可以看到这个框架跟传统的BI模式在单体层面上基本类似，都是有一个数据层，一个模型层，上面有应用层，但是这一代跟上一代有什么不一样的地方呢？

首先它不再是一个企业内部的局部优化，它要考虑自己在供应链上下游的情况，也要考虑不同供应链之间的关系，即要考虑一个完整的产业生态网状结构的关系。

其次从数据层面，处于现在这样一个大数据的时代，企业所能接触到的数据的丰富程度是空前的。以前更多的是挑战打通内部的数据孤岛，现在除了内部数据，还有供应链上下游企业之间点对点的数据交互，还有更大的云化的外部数据。

在传统的决策支持系统里，因为没有明确的相关性，这些外部数据的利用率很低。但是外部环境对企业经营可能有更大的影响，外部数据隐含着很多相关性，利用现在的大数据技术，可以为企业决策带来更多的数据信息，通过AI的方式把里面有用的信息挖掘出来，应用到整个决策支持系统里面。

第三个层面就是利用反馈和闭环能够对模型进行自动的优化。

（3）与传统商业决策系统的不同

当然现在我们只是提出这样一个智能商业的框架，这只是一个起点。当这个框架真正变成现实，它跟传统的商业决策支持系统相比会有几点不同：

传统DSS中最终决策者是人；在智能商业决策支持系统更多的是人机交互，而部分达到自动化决策。

分析的主题以前是人提出明确主题，由机器帮助分析；将来机器会发现你还没意识到的问题。

从数据上，原来是非实时的，来源封闭的；将来的数据应该是实时的、来源开放的。

从模型上以前是固定的，没有自动优化的机制；将来的模型应该是自动优化的。

应用范围上以前是企业内部；将来会是全产业链的。

（4）智能商业的演进

当然，这会是一个长期奋斗的目标，会需要五年、十年甚至更长的时间，现在只是从理论上提出这样一个框架，以帮助我们开展下一步的工作。

关于模型的自动优化，我想再进一步解释一下，这可能是我整个演讲里最重要的一句话(这不是一个绕口令)：

为构建一个支持决策的优化模型而做出的关于决策变量的决策，这可能恰恰是AI-Enhanced DSS的核心所在。

AI的应用可能使模型构建和演变的决策变得自动化，意味着模型本身，包括决策变量、目标函数、约束条件，这些成为了优化的决策变量，形成了一个优化的嵌套，这也意味着基于机器学习的模型自动适应和自动演化成为可能。当然，这无论从理论上还是实践上都需要大量的工作要做，但是这样的机制才是真正的Intelligent Business，这是我们努力的终极目标。

（5）智能商业行业价值提升

这是我们做的一个智能商业的行业价值提升分布图（上图），显示了哪些行业会更早地从智能商业的实施中尽快得到收益。横轴是从可行性角度，纵轴是从价值提升角度。可行性考虑的是一个行业的数据化和信息化基础，价值提升更多的是考虑一个行业的竞争激烈程度，决定了这个行业企业是否有足够动力用更激进的方法增强在商业竞争中的竞争力。

右下角是电信运营商，它的可行性是很高的，因为电信行业数据化信息化程度很高，但是因为行业竞争相对没有那么激烈，所以可能采用智能商业的驱动力没有那么强。刚才伯克利的Scott Moura教授讲了美国电力系统优化的案例，竞争也没有那么激烈，但是也可以看到至少现在在学术界已经引起了很多兴趣，所以我们认为将来所有行业可能都会被AI所影响。

5、黑箱和“工作台”应该怎么平衡？

所谓黑箱（Blackbox）就是系统给出一个决策指令，我们就完全按照这个决策执行；而工作台（Workbench）则是给你一系列决策的建议和决策建议后面的成本分析，让人类去做最终决策。同时把根据推理过程所基于的关键的约束告诉你，如果你对系统给出的决策建议都不满意，还可以根据这些关键约束的信息针对性的做工作，甚至去改变某些约束，以改变求解空间，找到更适合实际业务需求的方案。

这是应用智能商业时两种不同的理念，下面我谈一下我们对这个问题的看法。

我们知道自动驾驶领域对自动化程度有一个从level 0到level 5的分级方法，这里我借用这个体系对不同行业的智能决策支持的自动化现状做了评价。

在做这个研究之前，我们觉得智能商业还在早期。但很快我们发现很多行业的业务决策已经非常自动化，像广告自动投放、航空公司的收益管理定价，至少在具体操作层面上都处于level 5。而另外一端，也就是完全依赖人类决策、没有任何系统支持的level 0阶段的行业，现在几乎找不到了。在不知不觉之间，智能商业已经来到了我们身边。

反过来说黑箱和工作台。这里面有两个问题，一个是企业文化层面的问题，一个是平台进化成熟度的问题。

我举一个供应链领域的例子，比如说今天是7月8号，销售刚刚签回来的大单要求必须7月30号交付，但是智能供应链计划系统考虑到所有约束，认为最早8月30号才能交付。同时集团最高领导下了死命令，你们必须7月30号给我交付，这是战略订单。

这种情况下，如果是黑箱模式，计划员就完全不知道该怎么做了，不知道关键节点是什么地方。如果是工作台模式，计划员就可以发现关键节点在哪里，可能就是少了那么一个关键器件。这个信息转递给采购部门，可以用非常规的方法获得这个器件，在7月30号可以交付。

所以可以看到，要求发挥主观能动性的商业文化里，黑箱模式是不可能的。领导给我压力，我不知道抓手在哪儿，就会感觉非常不安全。另一个层面，黑箱模式会让很多人类在这个过程中所形成的直觉和经验消失，如果一个企业用全自动的智能供应链计划系统超过五年，拥有高级能力的计划员可能就没有了。在处理突发事件的时候，或者这个模型需要优化进化的时候，这都是依赖高级计划人才的任务，可能就会面临无人可用的尴尬局面。

最近英国有一篇杂志有一个关键发现，人在开车的时候大脑有个区域是活跃的，但是用了GPS以后，这个区域就不再活跃了，它的观点是如果完全依赖导航，人脑的某一部分功能就会退化掉。工作台和黑箱子模式也是同样的问题，你完全依赖黑箱，很多商业直觉和经验就会退化。在不同决策的环节，比如低价值的可以使用黑箱，但是一些高价值的关键节点还是要有工作台。

当然，人类工具的进化都是人类能力的外化和放大，当外化变的非常可靠之后，人类自己的能力就退化掉了。一旦智能商业自动决策能力进化到一定程度，非常可靠，质量非常高，人就心甘情愿放弃演化了。但是如果还不是完全可靠，关键时候还要依赖自己的能力，这时候工作台模式可能更有效。

一家企业成为成功的智能企业的三个核心因素是什么：算法、数据、场景，或者叫产品，也就是与用户和市场充分交互的服务载体。

6、AI会让人类失业吗？

最后也不能免俗的谈一谈对AI和人类就业的看法。

比尔·盖茨有一个很有意思的观点，企业使用AI把人替换掉了要交税，为什么要交税？因为政府需要用钱养被你砍掉的这个人。

大家可以想另外一个问题：特朗普为什么当选？他当选很大程度是因为全球化把美国蓝领的工作抢走了。其实在全球化的体系中，美国整体来看经济上没有吃亏，但是这些利益主要是被部分资本家赚走了。如果国家通过一定方法把一部分钱拿过来通过财富再分配的方式给到失去工作的蓝领工人，是不是一个皆大欢喜的结局呢？特朗普选择的政治路线显然不是这样的。

马克思关于共产主义的论断中说，共产主义社会中劳动是人的第一需求，现在看起来这是一个天才的论断。你只给我钱，不给我劳动者的身份，我就失去了作为劳动者自食其力的尊严。因此，特朗普的方案是要把工作机会拉回到美国去，让这些人能够得到劳动的机会，显然，他的方案更受这些蓝领工人的欢迎。

大家之所以会关注这个问题，是觉得AI会把人类的工作机会夺走。我会更乐观一点地看这个问题，人类无休止的欲望会不断创造出更多的工作机会。就拿旅游这件事来说，三四百年前除了徐霞客这样的人，很少人会有旅游需求，但是现在几乎所有的人都需要旅游。有一天技术成熟，去月球旅行成为所有人都想尝试的事情，这就是一个非常巨大的市场，会有大量新的工作出现。去月球旅行完了之后去火星旅行又是一个更大的市场，更多的工作机会。

所以，我们无需担心没有新的工作机会，我们面临的核心问题是：即使有新的工作机会出现，这种更新换代的速度会很快，但是成年人很难让自己足够快的进步，去学习适应新的工作机会。那么，AI在拿走了一些工作机会的同时，在教育和培训层面是不是也能提供更多对人类快速自我进步的支持？比如说利用脑机接口这种新的技术，是否可以将知识快速注入到大脑中以适应新的岗位？

在AI的发展历史中，伴随着每一波新技术浪潮，人们都会说技术会对人的劳动市场造成冲击，但起码到目前为止，并没有灾难发生。很多专家预言说AI会摧毁人类，但这么多最聪明的年轻人义无反顾地冲到了这个行业中来。我想他们跟我一样，相信AI技术的进步会给我们人类带来更多福祉而不是灾难，这是我的核心观点。

共2页

上一页 1 2

本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：editor@e-works.net.cn tel：027-87592219/20/21。