2019年中国商业智能研究报告.pdf
2019年中国 商业智能研究报告2©2019.6 iResearch Inc. 开篇摘要 概念界定 区别 于传统商业智能 , 现阶段商业智能通过 将人工智能核心 技术与 大数据 、 机器人流程 自动化( RPA) 、 运筹学等 技术相结合 , 促进商业中各领域在产品创新与服务升级等方面实现转型升级 。 政策环境 美国 、 英国 、 欧盟等国家或地区的政策倾向 于鼓励企业采用人工智能等新兴技术 , 但并 未明确引导方向及发展领域 。 对比而言 , 国内政策更加落地 , 指明技术与场景落位方向 。行业概述 场景梳理 总结梳理金融风控 、 物流管理 、 广告营销 、 零售电商 、 交通出行 、 医疗健康 、 客户 服务 、 在线 教育等 8个典型商业智能应用场景 。 场景解读 从赛道规模 、 落地形式 、 典型案例 、 应用前景等维度 , 分析解读 8个商业智能应用场景的发展现状与增长潜力 。应用场景 技术关系 人工智能与大数据 、 RPA以及运筹学共同为商业智能行业的 转型升级提供技术支撑 , 大数据提供基础资源 , RPA应用于多数流程性领域 , 运筹学发掘资源潜力并进行统筹规划 , 而人工智能 是商业场景实现 智能化的核心驱动因素 。 产业互联网驱动 产业互联网会重建流量 、 科技 、 场景之间的共生关系 , 创造新型的商业发展生态 。 同时 , 产业互联网会在流量端与应用场景侧为商业智能模式创新带来机会 。 未来市场格局 互联网巨头 、 人工智能技术公司与商业公司将基于各自在流量 、 技术落地与行业认知方面的优势三方合力 , 共建商业智能全新发展生态 。 个人数据监管影响 以 GDPR为代表的个人数据保护法规虽一定程度限制了技术公司模型训练所获取的数据集来源 , 但也激发技术公司迭代并创新算法以减少采集个人信息用于技术开发的依赖程度 。来源艾瑞咨询研究院自主研究及绘制。趋势展望 价值方向 技术 发展驱动 商业智能行业 发展转型 , 聚焦商业企业核心发展痛点 , 技术提供方应更加深入理解场景与业务属性 , 选择合理技术组合以增加商业环节落地应用价值 。3商业智能趋势 展望 4商业智能典型公司案例 3商业智能典型应用场景 2商业智能概述 1商业智能概念界定商业智能发展阶段全球视角下的商业智能政策环境商业智能 与大数据商业智能与人工智能技术商业智能与机器人流程自动化( RPA)商业 智能产业链商业智能与运筹学商业 智能产业图谱商业 智能行业投融资情况商业 智能价值体现与效果提升商业 智能未来方向4©2019.6 iResearch Inc. 商业智能概念界定新型商业智能定位于通过核心技术对商业活动环节赋能服务传统 商业智能( Business Intelligence )是基于数据仓库、数据挖掘等大数据技术进行 数据抽取、展示与分析,从而 为企业实现商业价值提供支撑。艾瑞认为新型商业智能( Business Artificial Intelligence)是在基于数据维度进行商业分析的层面之上,通过将人工智能核心技术(机器学习、计算机视觉、自然语言处理、智能语音交互、知识图谱)与大数据、机器人流程自动化( RPA)、运筹学等技术相结合, 围绕商业活动中各典型关键环节进行洞察分析,并通过完整的解决方案级应用,推动产品 创新与服务 升级。 本报告围绕上述 界定 的商业智能特征展开研究分析,描绘新型商业智能 的应用现状、典型玩家布局及 未来发展前景。来源艾瑞咨询研究院自主研究及绘制。新型 商业智能概念及延伸概述新型商业智能延伸传统商业智能风 控 、物流、营销、零售、交通、诊疗、客服等场景环节应用人工智能、大数据、 RPA、运筹学等核心技术企业内部数据企业外部数据结构化数据非结构化数据ETL抽取转换装载数据仓库 数据挖掘 OLAP 可视化分析结果5©2019.6 iResearch Inc. 商业智能发展阶段新型商业 智能已向 多维决策智能阶段转变围绕数据分析与智能化技术的不断迭代创新,商业智能至今 共经历四次变革, 实现由传统 商业智能向新型商业智能的 转变过程。 商业智能初期阶段用户主要集中于大型企业, 产品智能化 程度 低且部署 成本 高。随着基础设施建设的日益完善与可视化 产品的 出现,大量国内外商业智能厂商涌现并迅速发展,推动商业智能技术普及应用。 2016年开始,大数据、人工智能、云服务技术的革新发展推动浅层决策智能走向 成熟,云端部署能力则吸引更多的中小企业 用户,新型商业智能时代逐步开启。现阶段新型商业智能已进入快速成长期,技术融合有效增进了产品的多维智能决策能力,在不断优化解决方案能力的同时可有效降低应用成本。概述商业智能发展阶段商业智能初期阶段( 2005-2013)企业上线适应自身业务的应用系统 , 类似于 ERP、 CRM、 OA、HIS等 。 市场仍主要被SAP 、 Oracle 、 IBM等老牌巨头占领 。 主要用户群体集中于大型企业 , 且相对封闭 。可视化数据分析阶段( 2013-2016)可视化数据分析产品出现 , 企业项目中原有的商业智能初期产品逐步下线 , 此消彼长 , 可视化的数据分析产品集中进入市场 , 国内外厂商处于快速成长期 。 同时 ,随着 IT基础设施逐步完善 ,更多企业用户拥抱商业智能 。浅层决策智能阶段( 2016-2018)大数据 、 人工智能技术的发展支持商业智能进入数据挖掘的浅层决策智能阶段 。 云服务的普及推广支持商业智能解决方案的云端部署 , 吸引更多的中小企业用户 。 行业进入新型商业智能阶段 。多维决策智能阶段( 2018-至今)伴随 2018年人工智能技术的全面商业化落地 , 集合 AI、 大数据 、云服务 、 RPA、 运筹学等技术的新型商业智能开始为企业客户提供多维决策的智能服务 。 融合技术 、 打磨场景 、 优化解决方案的部署成本是现阶段商业智能 企业 的发展重点 。传统商业智能 新型商业智能来源艾瑞咨询研究院自主研究及绘制。6©2019.6 iResearch Inc. 全球视角下的商业智能政策环境中国的政策更加注重推动技术在重点领域实现应用落地依据本报告的主要研究范畴,通过对世界主要国家或地区已经颁布的人工智能相关政策进行梳理,发现多项政策均有涉及到推进 AI技术在商业领域实现落地的内容。其中美国、英国、欧盟等国家或地区的政策倾向于鼓励企业逐步采用 AI技术,但并未说明具体涉及的领域。相比而言中国出台的政策则更为具体,指出了技术重点落地的一些领域,注重人工智能与传统产业的深度融合。来源艾瑞咨询研究院自主研究及绘制。世界主要国家或地区商业智能政策环境概述2019年 2月美国总统特朗普签署行政命令维护美国人工智能领导地位制定适当的技术标准,减少对人工智能技术进行安全测试和部署的障碍,以便创造新的人工智能相关产业,并使当前的产业应用人工智能技术2018年 4月欧盟 人工智能通讯 帮助所有技术潜在用户(特别是中小型企业),鼓励企业相关部门逐步采用 AI技术。欧盟将支持一项名为“ AI-on-demand plat”项目,其将会为欧盟区域内的所有潜在技术用户提供服务和支持2017年 7月中国 新一代人工智能发展规划 推动人工智能与各行业融合创新,在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范,推动人工智能规模化应用,全面提升产业发展智能化水平2018年 6月印度 国家人工智能战略 鼓励在产业界、学术界、贸易主体和风险投资主体之间密切合作推进“ AIX” 模式更好的实现落地2018年 4月英国 人工智能行业新政 建立一个包含来自产业界和学术界知名人士以及部长级官员的人工智能委员会。同时政府将会与新建立的人工智能委员会密切合作,通过扩大出口和投资去支持英国的 AI产业发展7©2019.6 iResearch Inc. ©2019.6 iResearch Inc. 商业智能与大数据大数据为商业实现智能化奠定坚实基础在数字化、信息化推动社会快速发展的时代,各行业都积累了海量的数据资源。据 IDC估算,到 2025年全球数据总量将达到 163ZB,相当于 2016年所产生数据量的十倍。 IDC的一项调查显示企业中 80的数据是非结构化数据,由于非结构化数据的格式和标准不一,如何有效的利用这些资源为企业经营决策提供更多价值就成为了关注的焦点。大数据相关技术可以通过数据采集、数据存储、数据分析和数据应用等环节 对不同 来源、不同类型的数据进行处理,有效的解决数据处理方面的问题,同时伴随机器学习等人工智能技术的引入,大幅提升了企业对于数据的处理效率与分析能力。商业大数据相关技术流程2010-2025年全球数据量增长情况来源 IDC 来源艾瑞咨询研究院自主研究及绘制。概述数据源数据采集数据存储数据分析数据应用结构化数据 RDBMS、 ERP、CRM非结构化数据 文本、图像、音频 系统日志采集、网络数据采集、流数据实时采集、结构化 /非结构化数据非实时采集 数据集市、 Hadoop平台、数据仓库、元数据库数据挖掘、模式识别机器学习、回归分析统计分析、并行处理决策支持、资源共享媒体监控、视频搜索关联分析、行为分析2 8441632010 2015 2020e 2025e数据量( ZB)8©2019.6 iResearch Inc. 商业应用举例金融领域利用机器学习算法根据客户属性自动调整投资组合;医疗领域通过 深度学习相关算法能力进行眼底疾病筛查商业智能与人工智能技术以机器学习技术为核心,人工智能助力商业实现转型升级机器学习(含深度学习)技术作为人工智能的核心,近年来实现多方面的突破,如卷积神经网络、长短期记忆网络等多种机器学习 /深度学习算法已经与自然语言处理、智能语音、知识图谱、计算机视觉等技术紧密结合,提升人工智能技术整体的应用效果。目前以机器学习为代表的人工智能技术在商业各领域(如金融、医疗、客服、零售等)实现了广泛应用,进一步降低企业经营成本,提升应用效能,提高终端消费者的体验,最终实现商业各领域的转型升级。来源艾瑞咨询研究院自主研究及绘制。人工智能核心技术及主要应用概述自然语言处理Natural Language Processing知识图谱Knowledge Graph机器学习Machine Learning深度学习Deep Learning智能语音Intelligent Speech计算机视觉Computer Vision机器学习与知识图谱关联例如采用机器学习方法从多源异构数据源中进行事实型知识学习 深度学习与计算机视觉关联例如深度卷积神经网络为代表的深度学习视觉模型,显著提高处理视觉任务的精度 机器学习与自然语言处理关联例如预训练神经网络,采用机器学习中的长短期记忆网络进行建模,阅读理解等任务效果显著提升 深度学习与智能语音关联例如基于深度神经网络 -隐马尔可夫模型,可利用语音特征上下文信息学习非线性更高层次的特征表达 商业应用举例智能客服领域利用机器阅读文本来回复客户问题;办公领域利用机器阅读理解技术进行邮件或文档处理商业应用举例营销领域通过连接多个数据源,形成对用户群体的完整描述;金融风控领域对信息一致性进行验证从而识别欺诈风险商业应用举例人脸识别等视觉相关技术目前已广泛应用于交通、金融、医疗等领域,显著提升乘客过检、身份验证、医疗辅助诊断等场景服务效能商业应用举例医疗领域利用语音识别技术将医生口述病情信息快速转写为病历;教育领域使用语音评测技术实现人机交互教学9©2019.6 iResearch Inc. 商业智能与机器人流程自动化( RPA)机器人流程自动化减少重复性工作,有效提升企业效能机器人流程自动化( Robotic Process Automation)主要是通过软件机器人自动处理企业内部基于规则且大量重复性的工作流程任务。应用了该技术之后企业可以解放内部从事大量重复工作的劳动力,将员工分配到拥有更高附加值的任务之中,并且通过自动化处理实现 24小时连续运行,进一步提升业务处理的效率。目前机器人流程自动化技术已广泛运用到如财务、会计、采购、人力资源、客户服务等多个通用的职能领域,在金融、医疗、零售等行业的一些流程中实现了落地。当前机器人流程自动化与人工智能的 OCR识别、自然语言处理等技术有机结合,进一步提升业务处理效能,逐步向认知流程自动化方向发展。来源艾瑞咨询研究院自主研究及绘制。机器人流程自动化( RPA)的相关应用与商业价值概述机器人流程自动化与人工智能技术相结合解决日常业务痛点RPA AI通过自动化软件技术模拟工作流程实现操作(模拟员工输入信息、数据查询和计算等),主要环节无需人工干预 机器学习 自然语言处理 OCR识别收集客户信息 校对发票信息 发票拆单开票信息录入发票打印RPA安小蜂技术方案财务发票开具流程解决主要痛点日常操作性事务单一重复耗费人力成本,无法集中精力处理复杂事项时效无法保证,效率低下无法避免错误或遗漏,合规方面受到挑战财务 人力资源 风险合规采购 客户服务 机器人流程自动化的商业价值业务操作时间减少80100操作实现零错误率生产效率提升4010©2019.6 iResearch Inc. 商业智能与运筹学商业实现智能化得益于运筹学与人工智能技术有机结合运筹学( Operations Research)在商业智能化的过程中起到重要作用,其主要侧重从管理的角度来实现最优决策。具体而言通过挖掘各种有限的资源,发现其中所蕴含的规律,提出相应的求解方法,从而利用有限的资源实现企业效益的最大化。运筹学目前主要通过线性规划、排队论、图论等多种模型在物流配送、库存管理、市场营销等领域有广泛应用。在运筹学理论在商业场景的实践过程中, 人工智能技术(尤其是机器学习)的引入使得运筹学在需求管理、规律性分析上具有更佳的量化表现。因此,运筹学与人工智能相结合可以发挥各自的优势共同为商业智能化赋能。来源艾瑞咨询研究院自主研究及绘制。运筹学与人工智能技术关系图概述运筹学(管理角度)Operational Research核心问题人工智能(技术角度)Artificial Intelligence为管理层提供最优决策,以最少投入获得最大效益,提升经营效率,降低综合成本。机器学习K-均值聚类深度学习 长短期记忆网络监督学习决策 树朴素贝叶斯强化学习知识图谱无监督学习迁移 学习神经网络逻辑回归随机森林运筹学研究步骤运筹学分支运筹学应用领域线性规划问题描述模型建立模型求解结果分析管理决策非线性规划 排队论 图论系统论 整数规划 网络规划 物流配送 人事管理 库存管理 市场营销项目评价 车辆调度 厂址定位 支持向量机11©2019.6 iResearch Inc. 商业 智能 产业链主要技术提供方集中于产业链中游提供商业赋能服务新型商业智能侧重 于智能技术在商业 场景和典型环节中的渗透应用,在产业 链的 中游解决方案 提供商环节集聚了 大量垂直领域的技术 赋能型 公司。同时,大多由互联网科技巨头领导布局的商业智能技术平台也可以充当产业链中游角色,为各商业场景 /环节提供赋能效果。在产业链上游,传统 IT厂商、云 服务 厂商、大数据平台服务商可为产业链中游技术提供 者赋予计算、存储等基础设施支持, ERP、 CRM等企业信息系统 可帮助企业有效记录其资源及业务 数据。来源艾瑞咨询研究院自主研究及绘制。2019年商业智能产业链概述基础设施与数据服务基础设施芯片 网络通信云计算 IT系统企业信息化系统ERP CRMHCM OA大 数据平台数据库 数据挖掘数据存储 数据分析商业领域技术赋能各场景解决方案提供商金融风 控 物流管理 广告营销 零售电商 交通出行 辅助诊疗 客户服务 技术使用 者及客户金融机构 电商平台 线下零售 医疗机构 交通服务 监管机构 企业服务 体系架构应用场景商业智能技术平台大 数据平台12©2019.6 iResearch Inc. 商业智能产业图谱来源艾瑞咨询研究院自主研究及绘制。。2019年中国商业智能产业图谱IT系统提供商网络通信运营商基础设施层软硬件、信息化平台、大数据服务提供 商金融 风 控技术赋能层算法、产品及解决方案提供商技术平台层芯片 企业信息化系统云计算客户服务辅助诊疗零售电商交通出行物流管理概述广告营销应用层技术使用者 金融机构 电商平台 线下零售 医疗机构 交通服务 影视娱乐 监管机构 企业服务 大数据平台芯片 设计集成 AI赋能13©2019.6 iResearch Inc. ©2019.6 iResearch Inc. 商业智能行业 投融资 情况( 1/2)近年来投资节奏明显加快,以早期融资为主随着人工智能技术与商业场景融合发展进程的加快,该领域内的资本关注度随之增高,投资事件密集发生。 2014年 至2018年,商业智能领域累计 发生融资 事件 100起, 2018年最多达到 57起, 预计未来将保持稳定增长态势。从融资轮次来看 ,早期 发展阶段的商业智能创业公司受关注较多 ,主要 集中 于 A轮和天使轮, 占比分别 达到 29和 19。商业2014-2018年中国商业智能行业融资 轮次分布2014-2018年中国商业智能行业融资 事件数量来源艾瑞根据 IT桔子数据库等整理绘制。 来源艾瑞根据 IT桔子数据库等整理绘制。概述1716 19572014 2015 2016 2017 2018融资事件(个)433461010121929其它A轮B轮C轮D轮B轮战略投资Pre-A轮天使轮A轮融资事件(个)14©2019.6 iResearch Inc. ©2019.6 iResearch Inc. 商业智能行业 投融资 情况( 2/2)客户服务最受追捧,诊疗、零售与交通等领域齐头并进总体而言,商业智能行业投融资领域分布比较均匀,大部分应用场景均存在资本进入与发展空间。随着近年来语音机器人、外呼中心、自动工单管理等智能客服场景的快速发展与普及,智能客服赛道竞争日趋激烈,丰富的场景经验累积与良好的商业模式吸引了众多投资方关注。 无论 是从商业智能被投企业维度还是融资事件维度,客户服务类占比均最大,预计未来还将保持一定行业热度。此外,与公众生活密切相关的辅助诊疗、零售电商以及交通出行等领域也受到不同程度的重点关注。商业2014-2018年中国 商业智能行业投融资领域分布 (事件维度 )来源艾瑞根据 IT桔子数据库等整理绘制。 来源艾瑞根据 IT桔子数据库等整理绘制。概述2014-2018年中国 商业 智能行业 投 融资领域分布(企业维度)金融风控 14 广告营销 5客户服务 24辅助诊疗 20零售电商 19交通出行 16物流管理 2金融风控13广告营销 6客户服务 22辅助诊疗 20零售电商 18交通出行 20物流管理 115©2019.6 iResearch Inc. 商业 智能价值体现与效果提升围绕企业运营需求痛点进行技术革新,提升落地应用价值新型商业 智能基于多维度核心技术能力,旨在 高效解决企业经营过程中面临的人力资本持续上涨 、业务流程优化、 需求响应速率要求、打通信息孤岛释放数据价值等企业运营痛点,以达到敏捷化、可视化、场景化及预测化的数据分析效果提升 。依托数据挖掘、机器学习、流程自动化能力,技术提供方可以针对商业企业主营业务场景进行整体解决方案打包服务,对 企业经营 业务流程进行优化管理,聚焦商业活动需求进行预测性分析,辅助商业决策制定,以达到降本增效效果,提升商业环节的落地应用价值。商业 智能核心价值与效果 提升概述技术革新人力成本持续上涨业务流程优化释放数据价值需求响应速率要求需求痛点人工智能技术大数据RPA运筹学核心价值敏捷化极简部署 自助分析场景化聚焦业务场景预测化机器洞察 智能洞察可视化数据探索及展示 数据驱动决策企业运营过程来源艾瑞咨询研究院自主研究及绘制。16©2019.6 iResearch Inc. 商业 智能未来方向对业务场景的逐步理解深入将推进技术落地及产业升级技术发展不断驱动商业智能行业 发展转型 ,但在企业内部实践中 , 对具体业务场景的理解、对实际问题的界定与采用何种模型或算法同等重要。对业务场景的深入理解在很大程度上决定了技术是否能够有效降低企业运营成本 或帮助 相关业务增加收入,这是技术能够落地、产业得以升级的关键。伴随着新型商业智能在多行业领域的实践应用,解决方案提供商逐步积累对细分应用场景的洞察,深入理解业务痛点, 选择合理技术 组合 不断完善行业 解决方案。概述来源艾瑞咨询研究院自主研究及绘制。理解场景是解决方案应用创建的前提即便有针对特定业务场景的成熟模型,现实世界仍不断有创新模式、新业务场景的出现。因此,技术人员需要在业务人员的辅助下,补充相关领域知识。对问题做出正确的界定是解决问题的基础 ,,这既需要对具体业务有所理解,提出可量化的关键指标,也需 对技术 的能力与边界有清晰认知。多学科思想交融,也表现在人工智能各分支上,如机器学习、知识图谱、自然语言处理等技术的融合。如何让各算法相融并在不大幅降低效率的前提下提升通用性,仍是一个复杂但值得探索的难题。业务实际运转中有太多无法估量的因素和不确定性,所得解往往仅是所用模型的最优解,但重点在于相比以前是否降低成本、提升效率。理解场景 界定问题 择优技术 落地效果17商业智能典型公司案例 3商业智能趋势展望及投资建议 4商业智能概述 1商业智能典型应用场景 2商业智能应用场景 之金融风 控商业智能应用场景之物流管理商业智能应用场景 之广告营销商业智能应用场景之零售电商商业智能应用场景之交通出行商业智能应用场景之客户服务商业智能应用场景 之辅助诊疗18©2019.6 iResearch Inc. ©2019.6 iResearch Inc. 商业智能应用场景之金融风控智能技术成为金融机构提升 风险管控能力 的重要手段近八年来商业银行不良贷款余额及不良贷款率均呈现明显上升趋势,究其原因在于传统金融机构对系统和流程建设的重视程度不够,监测违约风险的能力不足,在风险管控上面临诸多挑战。在当前国家监管日益趋严的环境下,以机器学习、知识图谱、自然语言处理以及生物识别为代表的人工智能技术在金融风控领域应用的需求也明显增加。越来越多的金融机构与科技公司加强合作,借助科技的力量增强自身风控实力,例如以金融壹账通为代表的金融科技公司利用多种技术手段降低商业银行在信贷过程中面临的各类欺诈风险,帮助金融机构进一步降低不良贷款水平提升抗风险能力。商业来源国家统计局,艾瑞咨询研究院自主研究及绘制。 来源艾瑞咨询研究院自主研究及绘制。场景2011年 12月 -2018年 12月 中国商业银行不良贷款余额及不良贷款率金融风控领域商业智能相关应用及案例机器学习自然语言处理知识图谱生物识别针对特定欺诈信息进行有效识别,进行拦截和风险提示通过建立模型预测数据集中的欺诈风险或异常情况汇聚不同类型数据,有效分析复杂业务关系中的潜在风险事前识别客户身份,降低盗刷等方面风险金融壹账通是平安集团旗下的金融科技公司,于 2018年初完成 A轮融资,投后估值 75亿美金。目前已为国内 590家银行、 72家保险公司、2627家非银金融机构提供金融科技服务。2018年 6月,金融壹账通与华夏银行天津分行达成战略合作。金融壹账通运用自主研发的智能风控、人脸识别等技术为华夏银行天津分行搭建贷款业务合作平台,协助该行进一步控制租车分期零售贷款业务的发展,协助银行控制风险,进一步拓宽获客渠道。4279 492959218426127441512217057202541.00 0.95 1.001.251.671.74 1.74 1.832011.122012.122013.122014.122015.122016.122017.122018.12不良贷款余额(亿元) 不良贷款率( )19©2019.6 iResearch Inc. 商业智能场景应用之物流管理重塑物流行业资源规划系统,加速柔性供应链管理的实现传统物流行业重度依赖人工为主的资源规划系统,服务种类单一且网络化水平较低,流通时间大多耗费在仓储 环节 , 导致成本高企且效率低下。得益于供应链生产的海量实时数据,人工智能技术可以较好地与传统物流行业结合,助力物流企业实现数字化转型在网络预测、风险控制及路径规划等后台业务方面,深度学习算法可以基于优化模型对策略进行动态规划,根据输入变量变化情况做出适时响应调整,并做出一定程度的预测推断;在仓储分拣等前台环节,计算机视觉、机器学习等技术可以帮助物流企业自动识别筛查货物分类及状态,实现 便捷管理库存、自动补货等应用 。来源艾瑞根据专家访谈、公开资料等研究绘制。商业智能在物流领域的应用物流网络预测管理 通过深度学习算法建模,对区域内物流网点、线路、运力、人力投入进行规划预测 动态识别天气、运营条件、运输状态等变量变化情况,分析调整物流策略风险控制预测 针对自然灾害、突发性事件等不可抗因素与材料短缺、运力不足等常规性风险进行识别规划 通过 NLP技术检测分析供应链相关数据与供应商对话内容,为采购经理提供实时风险预警信息智能路径规划 利用数字卫星、高清地图、交通流量检测等数据来源作为路径规划输入的初始变量 通过算法进行最优路径规划,动态调整运输线路与运输流程商业场景分类与库存优化 计算机视觉、机器学习技术可以有效进行货物分类、检测物流商品损坏类型及程度,便捷管理库存、对易损物品进行预包装、基于缺货 /货物堆积带来的成本情况设计补货方案20©2019.6 iResearch Inc. 商业智能场景应用之广告营销机器学习分析供给需求两侧行为数据进行智能撮合在广告营销领域,潜在购买受众出于流量处理能力的考虑,无法承担过多次数的广告拍卖请求。在此限制基础上,若要提高广告交易额并增加广告主收入,需要借助人工智能引擎和机器学习算法对广告主提供的广告创意进行训练学习,洞察不同创意的受众特点,同时对潜在购买受众的需求进行挖掘分析,了解具备哪些特征的广告拍卖请求更适合广告买家,对两类不同的需求数据进行智能匹配与精准推送,以提升交易成功率。在广告拍卖请求数量基本不变的前提下,通过应用人工智能等技术,广告主利润比原来普遍提升了 3-6倍。来源艾瑞根据专家访谈、公开资料等研究绘制。智能化广告营销实现流程广告主 广告创意 A 购买受众 3广告创意 A广告创意 B广告创意 C购买受众 1购买受众 2购买受众 3实时交易投放平台广告创意投放购买用户集聚机器学习 广告拍卖数据进行智能筛选机器学习 用户竞价行为进行智能推荐交易收入服务费用商业场景21©2019.6 iResearch Inc. ©2019.6 iResearch Inc. 商业智能应用场景之零售电商融合进零售电商的经营管理环节,提高获客与转化随着经济快速发展和居民收入的不断增加,我国社会消费品零售总额与网络零售额呈现整体上升趋势。互联网巨头依靠流量红利布局建设网上电商平台,经历了前期快速发展阶段后,如今面临获客成本增加、同质化竞争加剧以及新物种零售形式的挤压等问题,通过引进人工智能等技术,一方面可以根据用户购买特征行为数据,提供个性化的精准商品推送,另一方面优化营销推广渠道 ,实现高效、低成本获取曝光与客流 ,结合智能实时定价策略进行销售优化;传统的线下零售巨头受限于成本及渠道把控,以及对客户需求不能有效洞察的传统弊端,也在积极推进智能升级, 线下商家 利用 人脸识别技术,可以识别门店客流、记录会员消费信息、并提供大数据经营分析 打通线上线下一体的零售网络。商业智能唤醒的新兴玩法将进一步释放消费能力,推动建立智能、便捷、无感的新零售生态。商业来源国家统计局,艾瑞咨询研究院自主研究及绘制。 来源艾瑞咨询研究院自主研究及绘制。2014年 -2018年 社会消费品零售总额与网络零售额零售电商领域的商业智能相关应用线上电商营销管理 计算机视觉技术根据货架缺货状态实时发出补货提醒,实现仓库与货架商品数量的平衡 通过加持人脸识别技术的智能摄像头,动态监控线下客流,评估预测最受欢迎的货品类型及品牌线下门店经营优化 根据用户购买特征行为数据,提供个性化的精准商品推送 千人千面地优化营销推广渠道,实现高效、低成本获取曝光与客流 针对消费者价格敏感度变化,形成差异定价、动态定价、组合定价27.19 30.09 33.23 36.63 38.10 2.79 3.885.16 7.189.012014 2015 2016 2017 2018社会消费品零售总额(万亿元) 网络零售额(万亿元)商业场景22©2019.6 iResearch Inc. 商业智能场景应用之交通出行重塑交通各参与方融合关系,逐步实现全智慧交通出行随着国民经济的高速发展和城市化进程的加快,公众出行需求逐步提升,与之带来的地面交通拥堵、机场车站人流密集、公共交通场站安全等问题层出不穷。人工智能、大数据、云计算等技术的崛起,正在重塑人、车、路之间的融合关系,强大的计算力与海量的高价值数据是构成多维度协同出行生态的核心力量。从应用场景来看,基于大数据技术和人工智能技术,现阶段商业智能主要应用于交通信号灯管理、高精地图导航、机位调度、自动驾驶、公共交通系统优化、停车位动态规划管理等方向,未来将形成实体道路与虚体网络的统一融合,建设具备统一数据接口的城市“交通大脑”,实现“以人为本”的全智慧交通系统。交通出行场景下典型 AI解决方案应用来源艾瑞根据专家访谈、公开资料等研究绘制。 痛点 传统交通信号灯工作较为机械 , 控制也相对繁琐 , 数量巨大 , 管理成本高 解决方案 系统在大数据的基础上 , 对道路车流量 、 人流量 、 路况态势进行判断 , 智慧交通信号控制系统接入流量检测器 、 排队长度检测器 、 速度检测器等 , 对系统配时方案进行校正和验算使用效果 缓解交通拥挤、提高通行能力;减少交通事故,维护交通安全交通信号灯管理 痛点 人工排班工作压力大 、 复杂度高 解决方案 将航班 、 机场以及天气等数据变量输入计算分析引擎中 , 通过特征工程 、 深度学习算法等输出最终排班计划 使用效果 减少人力成本支出 , 提升近机位率 , 改善特殊场景下排班效率问题机场停机位调度优化 痛点 城市交通路况复杂 , 常规的地图导航不足以满足自动驾驶和相关精准化需求 解决方案 传统地图多依靠拓扑结构和传统数据库存储 , 在高精地图时代 , 为了提升存储效率和机器的可读性 , 地图在存储时被分为了矢量和对象层 。 使用效果 随着定位精度迈进 1m, 甚至向厘米 、 毫米计算 , 对于智慧城市 、 智慧交通的影响将是革命性的高精地图导航 痛点 交通物流驾驶员人力成本较高 , 路线设定及驾驶标准难以统一 解决方案 为车辆加装激光雷达 、 摄像头及各类传感器 , 通过计算机视觉等技术感知道路及周围物体 , 控制车辆行驶状态并进行自动路径规划 使用效果 降低交通事故率与车辆运营成本自动驾驶商业场景23©2019.6 iResearch Inc. ©2019.6 iResearch Inc. 商业智能应用场景 之辅助诊疗加速药物发现,辅助临床诊断,优化就诊流程传统意义上医疗健康公共服务性质较强,由于智能化技术对医疗健康环节效率提升较为典型,故纳入本报告的讨论范围。智能化技术的应用主要有医学药物研发、智能临床辅助决策、病例语音录入及结构化、医学影像分析等。医学药物研发方面,新药研发平均总耗时 10-15年,花费 80亿元,新药研发周期长、成本高、失败率高等特点促使人工智能等技术开始被药企接受,深入临床前及临床研究阶段。诊疗方面,根据中国国家统计局的数据显示,从 2010年到 2017年中国的诊疗人次从 58.4亿人次上升至 81.8亿人次,人