未來企業會形成基于數據中臺、技術中臺和業務中臺為核心的業務流程，數據智能是整體業務智能化的開啟。

圖片來自“123rf.com.cn”

大數據從概念到落地，再到行業發展日趨成熟，有十年左右的光景，這十年稱之為大數據的上半場。隨著企業數字化轉型需求逐漸深化，產業基礎設施建設穩步推進，各項技術算法漸次成熟，以“數據智能”為代名詞的下半場已經拉開序幕——

“大數據的上半場大家都在爭奪用戶，也就是數據，下半場爭奪的是什么？我們認為是一個個用戶場景，而不是用戶本身?！睌祿悄艿陌l展脈絡在愛分析分析師李喆的介紹下逐漸清晰：“2013年大數據概念興起，企業開始進行大數據平臺的建設，但這一階段，企業只知道大量收集數據，對數據價值尚不明確。經過第一個階段的數據收集之后，開始讓數據可視化，產生一定的價值，這是第二個階段。第三個階段從2017年起，利用ai建模算法的方式，在各個行業落地的應用越來越多，數據真正進入到洞察階段。下一個階段就是現在，技術逐步成熟，使得數據具備了推理能力，可以指導決策，我們認為就是進入了數據智能階段。數據智能階段的焦點在于中臺，未來企業會形成基于數據中臺、技術中臺和業務中臺為核心的業務流程。前三個階段是業務數據化的過程，通過數據的方式去描述整個業務運轉，下一步是業務智能化的過程，我們認為數據智能是整體業務智能化的開啟?！?/p>

海致星圖總裁楊娟、百分點董事長兼ceo蘇萌、數夢工廠cto崔曉峰、個推董事長兼ceo方毅等數據智能行業的代表，就“數據智能行業的過去、現在與未來，以及數據智能企業在其中扮演的角色”發表了自己的看法。

海致星圖總裁楊娟：數據是一個寶藏，同時又是一個荊棘叢生的地方

ai核心是讓機器取代人，讓機器去幫助人。所謂人機同行，如果機器不具備像人去理解和思考世界的能力，雙方智能不在同一個水平上，就沒有辦法同行。人類理解世界的方式不是線性的，世界是復雜關系的組合，而知識圖譜就是把萬世萬物的各種概念實體串聯成網絡，供機器模擬人的理解方式來理解世界的媒介。

為什么說知識圖譜是ai的核心？主要在認知智能這塊。從計算智能到感知智能再到認知智能，怎么讓機器通過數據解讀、計算，產出業務價值，這是知識圖譜在真正行業化的過程中所遇到的挑戰。

數據是一個寶藏，同時又是一個荊棘叢生的地方。

動態知識圖譜中，靜態知識比較容易梳理，即根據經驗，加上一定的文本識別，生成圖譜。圖譜一旦輸出，以周進行分析。但真正能對業務起到價值的數據往往是動態的，和業務的變化實時動態關聯。比如在金融場景中，交易單每時每刻都在發生變化，信用卡申購、資金流入流出、人員后臺的操作，對這些產生的信息加以捕捉和識別，然后進行決策，這才是真正對業務產生核心價值的數據。

金融行業里的實體關系包括了個人客戶、賬戶、產品、商品、資產、合約、手機號、設備等等，這張圖譜量非常之大，同樣，這張知識圖譜構建起來之后，可對應的應用場景非常之多，包括潛在關系、群體的識別、個體的分析、知識的推理等等。其中一個典型的場景是事件傳導，當一家企業發生了一件事，無論好壞，怎樣以量化的方式去計算這個事件在這張網絡上的傳播，關聯的企業和個人會受到什么樣的影響？舉個具體例子，在金融公共領域，一個客戶發生了違約，如何尋找他的關聯關系進行追蹤？這些都是我們的知識圖譜所適用的典型應用場景。

百分點董事長兼ceo蘇萌：用數據指導決策，真的能幫助很多國家提高人民福祉

數據智能中臺的底層是大數據平臺，包括數據的采集、分析、存儲、加工等，中間層是數據資產管理平臺，包括同一標準的數據治理體系、源數據的管理、數據生命周期管理和新型數倉。再往上一層是ai中臺，包括知識圖譜、用戶畫像等等。最上面一層是統一的數據服務接口，智能中臺沉淀的數據、技術、模塊和對企業管理的認知，通過接口對外輸出。

目前在各個領域，包括政府、金融、零售等，都在擴大中臺的應用，且效果顯著。以百分點為海外國家搭建政府智慧決策體系的實踐為例，由于這個國家基礎人口數據是缺失的，百分點邀請了國內北大社科學院、中科院的人口所等眾多機構專家學者，使用中國的人口預測模型，并結合海外國家的實際情況，幫助其做基礎的數據融合和人口預測，有了這個數據，政府應該在一個城市建多少中學、多少小學、多少醫院以及多少糧食，才有據可循。如果沒有人口預測數據，國家決策失誤的概率機會就會很大。我們真切地感受到用數據指導決策，真的能幫助很多國家提高人民福祉。

數夢工廠cto崔曉峰：擺在我們面前最大的挑戰，是如何能提供一個全域、標準、鮮活的體系

服務于客戶的過程中最明顯的變化，就是我們的系統從交互開始就變得落后，建設的過程永遠趕不上業務的需求快。因此，擺在我們面前最大的挑戰是如何能提供一個全域、標準、鮮活的體系，讓我們提供統一的數據標準、提供統一的數據實體、提供統一的數據服務，來支撐業務的價值呈現。

首先，需要全站的技術支撐體系。在體系構建過程中，由以前獨立的離線分析系統演進到現在的在線生產系統，生產的過程需要業務全流程端到端的技術支持，包括集成、交換、治理、開發、標簽以及共享等，來構建數據中臺的基礎支撐。

其次，需要全域的數據智能體系。數據不聯動起來，無法創造更多的可以想象的空間和價值，因此在這里需要構建全域的數據資產管理體系，包括數倉的全域化、模型的行業化、數據的標簽化和數據的資產化。只有把數據能全域打通，才能形成數據的資產。但是這個過程中需要構建統一的標準，數據、模型來構建對服務的支撐。

最后，需要全面的服務運營體系。數據是動態的，隨著業務的推進在逐漸豐富，所以我們需要有一個隊伍，按照一定的方法形成服務體系和運營體系，構建工具、標簽、開放模型。

這三個部分加起來構成了完整的數據中臺體系。

個推董事長兼ceo方毅：只要你聯網，個推就能夠推算出你的資產

數據行業里有一個特別經典的詞，叫端詳。一個應用場景中最重要的是客戶方擁有真正有用的數據源，在去掉一些偽數據之后，將其放進大數據池里。每個用戶有幾千個特征，用機器語言描述出來，把其中的異常項拿出來，讓行業專家坐那兒“端詳”，以刪除誤導數據、發現一些特殊數據，最后把端詳過的數據重新丟回大數據的池子里，這是個推采用的方法。

例如在金融場景里，個推通過用戶的線上線下行為模式、關系、、身份、資產和屬性，就可以測算出他的信用值。其中在測算資產時，只要用戶聯網，日常使用什么品牌、什么價位、吃飯的客單價多少、住的地方房子均價高低、是否擁有房子產權都可以被推算出來，應用于風控領域。在這個過程中要如何解決大數據充分應用和個人隱私保護之間的平衡呢？我們認為應該是用邊緣計算，讓很多運算在本地算掉。

一覽群智ceo胡健：現階段的人工智能屬于弱人工智能，就是弱智

某種意義上，現階段的人工智能屬于弱人工智能，就是弱智。因為當前的人工智能幾乎是完全基于數據、數據推理的方式，既沒法理解人類的情感，也無法應對復雜場景中的決策和規劃問題。

以上是網絡信息轉載，信息真實性自行斟酌。