2017年-数据局_艾瑞咨询：2017年中国商业智能行业研究报告_54页_3mb

中国商业智能行业研究报告（2017年）总结

核心内容概述

本报告聚焦于人工智能技术在商业智能决策中的应用，强调从数据驱动认知向数据驱动决策的转变，探讨了商业智能在金融、电商、物流、出行等领域的应用现状与未来趋势。同时，报告还分析了中国在商业智能技术、政策及产业链方面的进展，指出中国在技术应用和场景理解上已取得显著进展，但仍有待提升。

主要观点

1. 商业智能的演进
   商业智能（BI）正从传统数据管理与分析向智能化与自动化方向发展，借助人工智能技术实现更深层次的业务决策支持。

2. AI在商业智能中的应用

   • AI技术在商业智能中的价值主要体现在提升决策效率、优化业务流程和实现精准营销。
   • 技术融合是未来发展的关键，从单一技术到多学科、多算法的融合。

3. 中国商业智能发展现状

   • 中国在AI论文成果、技术应用等方面达到国际一线水平。
   • 中国企业在商业智能的落地方面表现积极，但缺乏标准化和系统化能力。

4. 技术与场景的结合

   • 企业与技术供应商对具体业务场景的理解是产业升级的关键。
   • 技术的落地需要结合业务需求，以实现最优效果。

5. 行业应用与案例

   • 商业智能在广告营销、电商、交通出行、供应链、金融风控、投研分析、智能投顾及智能客服等多个领域有广泛应用。
   • 代表性企业如明略数据、第四范式、杉数科技、百分点、文因互联、ZRobot等，均在各自领域展示了AI与商业智能结合的潜力。

关键信息

1. 商业智能与大数据的关系

• 大数据为商业智能提供了丰富的数据基础，有助于模型训练与优化。
• 数据质量问题仍然是制约商业智能发展的关键因素，需建立通用标准以减少数据污染和泄露。
• 数据孤岛现象限制了企业业务的拓展，需通过数据整合与共享加以解决。

2. 商业智能的应用场景

• 广告营销：通过精准营销与个性化推荐，实现用户引流与留存。
• 电商：利用收益管理与智能推荐优化定价策略与销售策略。
• 物流与出行：通过路径优化、订单分配等手段，提升效率与用户体验。
• 供应链管理：借助大数据与优化技术，提升供应链响应速度与柔性。
• 金融风控：结合机器学习与知识图谱技术，实现风险识别、预警与控制。
• 投研分析：通过人机协作，提升分析效率与质量。
• 智能投顾：实现自动化投资方案推荐，满足不同客户的投资需求。
• 智能客服：提升客服效率，向人机混合模式发展。

3. 中国与美国商业智能环境对比

4. 中国商业智能政策环境

• 国家从2015年开始加大人工智能政策支持，2017年将人工智能纳入“一带一路”会议、全国两会等规划。
• 人工智能成为国家政治、经济、学术等领域的重点发展方向。

5. 技术环境与挑战

• 中国AI论文成果达到国际一线水平，但原创性研究、创新土壤及人才储备仍与美国存在差距。
• 机器学习技术包括支持向量机、朴素贝叶斯、决策树、神经网络等，以及深度学习、强化学习、迁移学习等热点技术。
• 人工智能与运筹学、博弈论等学科的融合成为趋势，推动更复杂的决策模型。

6. 产业链与技术提供者

• 上游：提供计算、存储等基础设施，如传统IT厂商和云服务厂商。
• 中游：包括商业智能技术、产品及服务提供者，如明略数据、第四范式、杉数科技、百分点、文因互联、ZRobot等。
• 下游：商业智能服务使用者，包括各类企业。

7. 企业案例

• 明略数据：专注于行业知识与AI结合，为公安、金融、工业等领域提供企业级服务。
• 第四范式：致力于打造AI通用平台，降低AI应用门槛，提升模型维度与效果。
• 杉数科技：结合运筹学与机器学习，为电商、供应链、金融等领域提供决策支持。
• 百分点：提供大数据底层技术与场景化智能应用，服务范围广泛。
• 文因互联：以知识图谱为核心，打造智能金融分析引擎。
• ZRobot：专注于信用评估与金融数据服务，连接数据产生方与使用方。

8. 商业智能的挑战与未来

• 商业智能的落地是一项系统工程，需要企业具备较强的工程实践能力。
• 技术与场景的结合是实现产业升级的关键。
• 未来趋势是技术融合、多算法协同、场景理解深化，以及AI在各行业的广泛应用。

结论

中国商业智能行业在政策支持、技术应用和场景理解方面已取得显著进展，但在标准化、人才储备与技术原创性方面仍需加强。随着大数据与AI技术的深度融合，商业智能将在更多领域实现智能化与自动化，成为企业提升运营效率、优化决策的重要工具。