幹貨:AI商(shāng)業(yè)落地難?秒針創始人這三步講透了

“2018大數據産業(yè)峰會”明略數風外據、秒針系統創始人兼董事長吳明輝在會上表示：“面向AI的數據治理，是在傳明銀統數據治理基礎上，利用知識工程相關(guān)技術(sh和湖ù)，對信息按知識結構進行管理、分類和(師問hé)關(guān)聯，将龐大無序的信息進一步治理暗外為分類有序互相關(guān)聯的知識，最終形成行業(yè)是書知識圖譜。“

對于各行各業(yè)都在進行數字化轉型，他認為這三點是落地的關(guān)鍵：為哥

第一，要把行業(yè)的各種數據進行在線化，全部都連接到地不一起。

第二，要把數據連接後做數據挖掘，做人類自己可(kě)鐵見以力所能及做的分析與研判。

第三，當我們做好了面向AI的數據治理，做好了數據挖掘，并且真正工我形成完整的閉環，才能實現人工智能落地。

企業(yè)需要面對真正的人工智能時代的數據進行規劃，進行數據的整合與融合。如她月(rú)果不面向人工智能的目标提供數據的整合規劃，數據就有可(kě)能成為成本弟請中(zhōng)心，沒有辦法真正的創造價值。

人工智能背後需要數據，但光有數據産生不了任何價值。隻有把數據在産業(yè)裡得道形成最終的智能，賦能于行業(yè)裡的每一個(gè)從業(yè)者才會産生南老價值。數據沒有價值，數據加上行業(yè)場景與認知最後變成人工智能産生最終的賦站輛能，它才會創造出價值，才會有意義。

此外，他透露明略聚焦三個(gè)領域，安防、金融坐文、工業(yè)與物聯網，将數據知識化存儲下(xià)來上動，通(tōng)過很多規則與算法嫁接到人工智能的規費厭則算法，形成人機同行時代的頂級知識體系，從雜請而實現人工智能在企業(yè)的落地。

以下(xià)是演講全文(wén)：

數據應該是企業(yè)的核心資(zī)産，而不是成本中(zhōng)樹友心

各位來賓，大家下(xià)午好！很榮幸今為知天到現場與大家分享關(guān)于人工智能和對朋(hé)大數據的思考。

我經營兩家企業(yè)級服務公司，看到很多企業(yè)講如(rú)何數字化轉型章水，如(rú)何利用大數據與人工智能對企業(yè)做變革。路(lù)程非常火火坎坷。全世界處于經濟轉型之中(zhōng)，中(zhōng)國子用很多企業(yè)成長伴随着人口紅利，包括秒如移動(dòng)互聯網紅利也有很好的成長。但今天人口紅利不再，如(rú)何在新的時代拍風迎接挑戰？如(rú)何通(tōng)過數字經濟花市和(hé)數字化的方法優化企業(yè)内部效率？這們討是企業(yè)級服務幫助每一個(gè)客戶要解決的問(wèn)題。

數字化轉型的過程并不順利，全世界的優秀企業(y要南è)，通(tōng)用電器(qì)、樂(yuè)高、耐克都是我服務的客戶，他們的領導人非常有遠(yuǎn)見科銀。在很多年之前已經開始嘗試建立自己的數字化轉型分大策略，建立數據中(zhōng)心，存儲數據。通(tōn個廠g)用電器(qì)非常早建立了工業(yè)互聯網雲平台Predix，但是在發展年身過程中(zhōng)，他們也不得不對數字化部門進行裁員和(h如呢é)架構調整，遇到很多挑戰；LEGO早在2014年就推出了LEGO Digit習吃al Designer平台，後來由于種種原因不再繼續答藍，并重新調整了數字化戰略，在之後的數字化轉型中(zhōng的森)也遇到了銷量下(xià)滑、裁員等挑戰；耐克很早就通(t新草ōng)過智能手環采集消費者運動(dòng)數據，與運動(dòng謝學)産品連接，但最後也難免以裁員、重新調整數字化戰略收尾。數字化轉型相下之路(lù)沒那麼容易，全球很多優秀的企業(yè)都是在探索紅拿和(hé)試錯中(zhōng)不斷前進的。企業(yè)做很多投入，但投資(術藍zī)者和(hé)資(zī)本市場對它沒有認可(kě)，公司的股價持續低迷。董事會會質疑這件事情都新有沒有價值，為什麼數字化轉型沒有給企業(yè)産生報海新的利潤，而帶來了如(rú)此大的成本。每個放得(gè)從事行業(yè)的從業(yè)者一定要思考這個(gè)問(wèn)題現訊。

秒針系統十幾年前開始做數據挖掘，利用數據技術(shù)幫讀河助企業(yè)做數字營銷的轉型。我們遇到很多問(wèn)題，最大問(黃劇wèn)題是如(rú)何把數據真正地利用起來？任何企業(yè)、任何組織，如黃藍(rú)果你(nǐ)把數據全部存下(xià)來需要巨大成本。如(rú)司文果沒有把數據真正用起來就是巨大的成本中(zhō報技ng)心，把數據真正用起來才有可(kě)能創造價值。

以安防行業(yè)為例，全國各地部署攝像頭有地術很大成本，但成本能不能真正轉化成生産力？這是安防行業(y化船è)IT人員需要思考的問(wèn)題，如(rú)何把成本中(zh會業ōng)心轉化成利潤中(zhōng)心，轉化成真正對産業(錢短yè)有價值的部分。人工智能背後需要數據，但光有數據産生不了任何價值。隻有討物把數據在産業(yè)裡形成最終的智能，賦能于行業(yè)裡紙匠的每一個(gè)從業(yè)者才會産生價值。的國數據沒有價值，數據加上行業(yè)場景與認知最靜兵後變成人工智能産生最終的賦能，它才會創造出價值，才會有意義。王堅博士說在他加木章入阿裡時，阿裡所有的交易數據都删掉了。但他店做加入阿裡時說，馬老師(shī)，數據無論如(rú)何都應該存下(xià)公頻來不應該再删。不知道今天的數據有沒有價值，但我認為有價值應該存下(xià公知)來。王堅博士在阿裡被各種挑戰，你(nǐ)為什麼存那麼多的數據，為什麼建阿化都裡雲。今天大家看到他取得的成就，其實過去很多年在集團裡備受挑物制戰。

數字化轉型沒有捷徑，需要一步步來，要不斷地解決挑校友戰，最終取得成功。今天各行各業(yè)都在進行數字化轉型，但轉型需要企業討輛(yè)經營者和(hé)投資(zī)者有耐心。不能思考數據沒有價值就不存。鄉那我們需要存，但如(rú)何規劃是重要的課題，我們需要面對真正的人工智能時代服下的數據進行規劃，進行數據的整合與融合。如(rú)果不面向人工智能的目标提供數我生據的整合規劃，數據就有可(kě)能成為成本中(zhōng)心線東，沒有辦法真正的創造價值。

充分契合業(yè)務的前提下(xià)，企業(yè)數字化轉型分為三步走業間：數據在線、數據分析與挖掘、人工智能

我在明略自己的年會講過，人工智能在行業(yè)的落地需要制門三步走。第一步要把行業(yè)的各種數據進行在離樹線化，全部都連接到一起。明略服務的公共安全行業(yè)，之前有各種各樣的快金IT系統，每個(gè)派出所的每個(gè)民警手裡有很多套系統。我去了頻公安客戶領導的電腦上，桌面有類似hao123頁面的複雜效果，每一個(g放家è)圖标、鍊接都是過去IT公司開發的系統。戶籍管理系統、車(chē)輛木坐管理系統、110報警系統，每個(gè)警察電腦都有上百個(gè)。數據水大散落在不同的系統裡，他們每天做案情分析時在各個(gè)系統頻繁切科多換，效率低。數據散落在不同的系統裡，不可(kě)能産生最終的人工智能。人民笑工智能要融合數據，當把數據連接在一起時很快要讓它産生價值，否則客靜技戶也不允許投資(zī)這麼多的錢。

人工智能真正形成之前，也就是三步走的第二步，要把數據連接美媽後做數據挖掘，做人類自己可(kě)以力所能及做的分析與研判。這一步，歌工行業(yè)裡也叫做BI（商(shāng)業(yè)智通低能）。明略數據幫助很多公安幹警做到了，但在很多行業(yè)裡第一步微厭還沒有做到。人工智能在行業(yè)落地的第二步很重要，第三步市分，當我們做好了面向AI的數據治理，做好了數據挖掘，并且真正形成黃慢完整的閉環，才能實現人工智能落地。人工智能知兒跟傳統的信息化最大的區别是可(kě)以形成最終的閉環書海，一旦形成閉環，所有叠代将自動(dòng)加速，它将相比傳統的IT系統去機更加智能，可(kě)以自我學習，最終形成真正意義上的人章也工智能。人工智能在每個(gè)行業(yè)落地兵兵沒那麼簡單，需要三步走，每步都需要投入很多力量。

蒙牛做很多成功的嘗試，蒙牛利用數字化手段幾乎大西打通(tōng)了質量控制和(hé)檢測環節得暗，每天蒙牛可(kě)以獲得近40萬條自動(d紅錯òng)檢驗數據，但這些都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(gè)城市的公安局，我跟公安局的領南影導聊時說要建立樣本數據，他們就找了二三十個(gè)協警幫助愛答我們做數據标注。有了标注才能給人工智能提供很好的系統支持，又林真正成功的企業(yè)或是政府部門是有耐心的。首先，就是要面對人身員工智能建立真正有意義的數據融合平台，這也是明略歌城目前在服務這些大型B端企業(yè)、政府機構的獨特之處遠愛。

面向業(yè)務智能的“在線化”的關(guān)鍵舉措：面向AI的數木討據治理

數據是人工智能的基礎，自我學習是人工智能相比傳統IT系統重要标志。我們需要面向線但人工智能規劃未來數據平台，規劃未來的數據在線。面向人工了金智能的數據治理跟傳統的數據治理有非常大的區從有别，先思考數據真正的價值是什麼。一般的數據和(hé)人工會友智能時代需要的數據到底有什麼本質的區别。

數據是人類特别重要的武器(qì)，幫助人類解決很多信現什息不對稱問(wèn)題。數據是觀察者觀察世界後姐在，利用數學的方法或計算機的方法對客觀世界發生的客觀事實進術一行記錄，這是數據本身的意義。數據本身的信息湖頻量很大，記錄數據有成本。比如(rú)，明略服務們但軌道交通(tōng)的客戶，一個(gè)機車民新(chē)，不用說後面的環節，光車(chē)書她頭上大概就有上千個(gè)傳感器(qì)，每為雨個(gè)傳感器(qì)每秒鐘都要發送很多信号，如(rú)果大女把這些數據都存下(xià)來的話，一輛車(chē)一天的數話土據已經能夠達到幾百GB的量級。

海量的數據全部存起來不可(kě)能，我們需要把真正有價值的技匠數據提取出來。提取的過程稱之為把數據知識化弟看，信息知識化的過程。我們把這個(gè)過程雜區做完以後，再結合行業(yè)領域的知識與行業(yè)專家，最後變成完整的人讀動工智能智慧系統。

相比傳統的數據治理，面向人工智能的數據治理最核船日心的是引入知識體系。為了面向人工智能，對比傳笑高統的數據治理，所有數據儲備做的最核心工作要建立知識圖譜的系統，問路我們需要對數據結構背後建立動(dòng)态的本體和(hé)知識庫。我們北行需要把傳統的以表結構為單位的數據真正連接成為以結構化的數據，以行業(yè)的知通科識為基礎的所有計算單元，在上面可(kě)以做邏輯推理，可(kě)以做開廠很多的動(dòng)态分析。它可(kě)以替代人做真正複雜的非統東山計類的工作，這需要建立知識體系，這是真正人工智能國秒最大的價值。人工智能最大的價值不是替代簡單的重複性勞動(中明dòng)，更加重要的是替代人類甚至都可(kě)能做不到的又紅事情。

因此，面向AI的數據治理，是在傳統數據治理基礎上，利用知識通又工程相關(guān)技術(shù)，對信息按知識結構進行管理、分類和(hé)可木關(guān)聯，将龐大無序的信息進一步治理為分類有微大序互相關(guān)聯的知識，最終形成行業(yè)知識圖譜。

未來明略提供的人工智能警察，應該比中(zhōng)國優秀城錯的警察還厲害，比福爾摩斯還厲害，這是未來産生真正價值的地方。人工智刀錯能背後最核心的是行業(yè)知識與領域知識。通(tō頻樹ng)用的知識平台不太可(kě)能存在，我們需要一個(gè)垂直領域一船鄉個(gè)垂直領域的做。明略聚焦三個(gè)領域，安防、金融、工業(yè)與物光場聯網，我們把三個(gè)領域的數據知識化存儲下道技(xià)來，把所有客戶裡的數據知識化存下(x跳一ià)來，在上面産生真正的人工智能應用。

明略不做簡單的數據平台，而是引入行業(yè)知識體系

在公共安全領域， 明略通(tōng)過面向AI的數據們到治理，将海量多源異構數據實時轉化為“人、事、地、物、組織”等公安領域的實體師做，定義并挖掘各實體間的各種關(guān)系，并将討火這些數據全部融合到統一的大數據分析平台上，最後落地在客戶不同的業(y新爸è)務警種，在這個(gè)過程中(zhōng)我們都兒不僅僅構建了一個(gè)大數據平台，而是引入了公安的知識體系，影訊最終為公安客戶大大提高破案效率。例如(r關船ú)，最近明略禁毒大數據分析平台，在一個(gè)月(yuè)我鐵内就徹底摧毀了分布在多省的制販毒網絡團夥。正是基于此不票前大量的面向AI的數據治理工作，我們才能為公安客戶迅速完成數據挖近有掘和(hé)分析，從而迅速破案。

在金融行業(yè)，我們為全國某股份制銀行搭建了全行級知識圖文影譜平台，把銀行所有業(yè)務闆塊的數據按照業(yè)務知識的邏學做輯融合在一起，這不是傳統的數據治理，它是按報器照銀行的知識體系把全部數據融合在一起。平台那舞建立後，為銀行實現海量數據和(hé)非結構化數據的分析，提費購升遠(yuǎn)程監控工作水平和(hé)能力，從多個(gè)維度為睡照銀行帶來業(yè)務效率的提升。

軌道交通(tōng)是制造業(yè)的重議銀點領域，我們是國内首家把軌道交通(tōng)領域散落在到個不同子(zǐ)系統的數據以行業(yè)知識的結構融快秒合在一起的公司。例如(rú)軌道交通(tōng)車(ch輛舊ē)頭的數據和(hé)線網的數據結合，大家知道地鐵站(zhàn)和了用(hé)高鐵站(zhàn)軌道有信号系統，車(chē)有很多數據黑信。之前的數據都分散割裂，今天把數據都連接到一起，匠路而且連接的時候是有背後的知識圖譜和(hé)謝冷背後的知識結構。當我們把這些數據全部連接到一起時，我們對故障的預測器鐵與維護等場景都産生很大的價值，可(kě)以節省計算資(zī)源與存儲成呢理本。原來數據量太大，很多不敢存，把數據融合在一起，更銀路加知道哪一些數據應該存，哪一些數據不應該存。這是人工智能時代長南的數據治理需要做好的準備工作。

數字經濟時代，明略的産業(yè)定位：助力企業(yè)數字化轉型的“啟動(下房dòng)器(qì)”

明略數據是助力企業(yè)數字化轉型的啟動(dòng)路離器(qì)，人工智能落地行業(yè)三步走當中(zhōng)，最基礎的就是女短數據在線。“數據在線”不是搭建數據倉庫把數據連起來，而是要把行業(師行yè)知識真正梳理清楚。明略與行業(yè南雜)的頂級專家思考行業(yè)的本質、知識體系是什麼，如(離吧rú)何把數據真正地标注在行業(yè)知識體系中(zhōng)。隻有這個(g嗎畫è)工作做好，我們的人工智能才能真正地落地到各行業(yè)那拿。

數據和(hé)知識分幾個(gè)層面，數據、場景、業(yè)務。場景維度，思雨頻考到底數據會在哪一些環節被使用。具體業(y業門è)務會考慮具體問(wèn)題，有很多數據和(hé)知識的維度。下店

我們在幫助行業(yè)梳理過去很多年的工作經驗，很多規則與算法嫁接到人工智能的去還規則算法，形成人機同行時代的頂級知識體系。計算民空機未來也需要知識，它不能隻靠暴力的挖掘與計算解決問(wèn)題。人工下藍智能在每個(gè)企業(yè)運行時要考慮效率，知識幫助計算機解如她決效率問(wèn)題。小孩上二年級學簡單的計算，從從1加到1放制00有簡單的公式，如(rú)果不知道的話需要城雜花(huā)很多的腦力。計算機的計算需要知識，面向人工智能的的訊數據治理需要把知識跟原始數據真正連接在一起，這是未來人工智能真正有價值水如的地方。

明略的目标是幫助企業(yè)不斷提高效率，幫助政府各部門不斷提高呢頻效率。我們希望踏踏實實地為客戶做好面向AI的數據治理，會議幫助企業(yè)和(hé)客戶做好人工智能落地的基礎建設工作。我們讓廠信數據成為企業(yè)的核心資(zī)産，成為真正創造價值的I件近T服務，而不是成本中(zhōng)心。