20190628-艾瑞股份-计算机：2019年中国商业智能研究报告_48页_2mb

中国商业智能研究报告总结

核心内容

中国商业智能行业正处于快速成长期，通过将人工智能核心技术与大数据、RPA、运筹学等技术结合，推动产品创新与服务升级。新型商业智能（Business + Artificial Intelligence）在商业场景中实现智能化决策，提升企业运营效率和客户体验。

主要观点

1. 技术融合：人工智能与大数据、RPA、运筹学等技术的融合是商业智能行业转型升级的核心驱动力。
2. 政策环境：相较于欧美国家，中国的政策更注重技术在重点领域的落地应用，推动人工智能与传统产业深度融合。
3. 场景驱动：商业智能的发展以实际场景需求为驱动，聚焦于解决企业运营中的核心痛点，如风险管控、流程优化、数据挖掘等。
4. 产业链布局：商业智能产业链中游是技术赋能的关键，上游提供基础设施支持，下游应用落地于各个行业。

关键信息

• 数据基础：全球数据总量预计在2025年达到163ZB，大数据为商业智能化奠定基础。
• 技术支撑：人工智能技术包括机器学习、自然语言处理、知识图谱、计算机视觉等，推动商业场景智能化。
• 应用场景：涵盖金融风控、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大领域。
• 典型公司：包括微软、百度、平安科技、云从科技、第四范式、云知声、杉数科技、追一科技、推想科技等，各公司在不同场景中提供智能解决方案。

商业智能典型应用场景

金融风控

• 现状：传统金融风险控制能力不足，不良贷款余额及不良贷款率上升。
• 技术应用：机器学习、知识图谱、NLP、生物识别等技术用于智能风控、欺诈识别、贷款业务管理。
• 典型案例：金融壹账通与华夏银行天津分行合作，利用智能风控技术降低不良贷款率。

物流管理

• 现状：传统物流依赖人工，效率低下。
• 技术应用：深度学习、计算机视觉用于网络预测、路径规划、仓储分拣。
• 典型案例：水运物流平台利用人工智能技术识别船舶载重状态，提升调度效率。

广告营销

• 现状：广告主和受众的匹配效率低，广告交易额增长受限。
• 技术应用：机器学习分析广告主与受众行为数据，实现智能撮合。
• 效果：广告主利润普遍提升3-6倍。

零售电商

• 现状：互联网巨头面临获客成本上升、同质化竞争加剧。
• 技术应用：智能推荐、动态定价、实时数据分析。
• 效果：提升获客效率，优化客户体验，提高净利润。

交通出行

• 现状：城市交通问题日益突出，对智能化需求增加。
• 技术应用：人工智能用于交通信号灯管理、高精地图导航、自动驾驶、智能调度等。
• 目标：建设智慧城市与全智慧交通系统。

医疗健康

• 现状：医疗资源紧张，诊疗效率低。
• 技术应用：智能辅助诊断、医学影像分析、智能分诊系统。
• 典型案例：百度灵医提供临床辅助决策，准确率可达89%以上。

客户服务

• 现状：传统客服成本高、效率低。
• 技术应用：智能客服系统提供24小时服务，NLP、语音识别、知识图谱等技术提升客户满意度。
• 效果：降低人力成本，提升服务效率，实现标准化与自动化。

商业智能趋势展望

趋势一：产业互联网的兴起

• 产业互联网将重塑商业智能模式，推动数据、科技、场景的共生关系。
• 为商业智能提供丰富的数据资源，催生更多应用场景。

趋势二：三方共建生态

• 互联网巨头、技术公司、商业企业三方合作，共建商业智能生态。
• 技术公司提供解决方案，互联网公司提供流量与数据，商业公司提供场景与行业认知。

趋势三：个人数据监管趋严

• GDPR等法规限制了数据采集与使用，推动技术公司创新算法减少对个人数据的依赖。
• 带来合规性挑战，也激发了技术迭代与创新。

商业智能价值体现与效果提升

• 核心价值：通过多维技术能力解决企业运营痛点，提升数据处理效率与决策能力。
• 效果提升：实现敏捷化、可视化、场景化及预测化的数据分析效果，帮助企业降本增效。

商业智能未来方向

• 场景深入理解：技术提供方需深入理解业务场景，选择合理技术组合以提升落地价值。
• 跨学科融合：人工智能各分支技术融合，提升通用性与效率。
• 持续创新：面对不确定因素与新场景，需不断优化模型与算法，实现更精准的决策支持。

商业智能典型公司案例

微软

• 技术布局：以Microsoft AI平台为核心，提供包括Office 365、Azure、Dynamics 365等产品。
• 合作案例：与上海交大、北京大学等高校共建科研平台，推动人工智能发展。

百度

• 技术布局：以百度大脑为核心，涵盖语音、图像、自然语言处理等AI技术。
• 应用案例：Apollo自动驾驶平台、临床辅助决策系统、智能客服系统等。

平安科技

• 技术布局：专注于人脸识别、声纹识别、医疗影像分析等。
• 应用案例：金融风控、医疗辅助诊断、智能客服、流程自动化等。

云从科技

• 技术布局：计算机视觉技术为核心，参与国家人工智能平台建设。
• 应用案例：人脸识别、智能分析、智能调度等。

第四范式

• 技术布局：机器学习与数据科学结合，提供智能决策服务。
• 应用案例：金融、零售、医疗等领域，通过“1+N”模式实现智能化转型。

云知声

• 技术布局：物联网AI能力，构建全栈式技术链条。
• 应用案例：智能客服、声纹识别、语音处理等。

杉数科技

• 技术布局：运筹学与数据科学结合，提供优化算法与决策支持。
• 应用案例：物流、生产制造、金融、资源管理等。

追一科技

• 技术布局：自然语言处理与深度学习结合，提供智能客服解决方案。
• 应用案例：招商银行、南方基金、中国移动等。

推想科技

• 技术布局：深度学习技术用于医学影像分析。
• 应用案例：肺部、胸部、脑卒中、骨疾病等影像识别解决方案，已在300余家医院落地。

总结

中国商业智能行业在人工智能、大数据等技术的推动下，正逐步实现从传统商业智能向多维决策智能的转变。通过技术与场景的深度融合，行业已进入快速成长期，未来将随着产业互联网的发展与个人数据监管的加强，持续推动商业模式创新与智能化升级。