品友人工智能引擎“福爾摩斯”這樣實現智能決策

中國信息通信研究院預計，2019年我國人工智能市場規模將達500億元，2020年將超過700億元。在巨大的市場潛力面前，人工智能的商業落地成為今年被反復探討的話題。

對于人工智能企業來說，AI只有在合適的商業場景中才能立足。基于人工智能和大數據技術，品友互動打造大數據管理平臺服務于數字轉型企業需求，將AI技術賦能更多行業，幫助企業做“聰明的商業決策”，實現了人工智能技術落地。品友互動CTO歐陽辰從品友數據管理平臺在各場景的實際運用出發，為大家介紹人工智能技術到底如何應用，如何切切實實的實現商業化落地。

品友互動CTO歐陽辰將在5月25日-26日舉辦的2019全球人工智能技術大會上分享人工智能在商業決策上的實踐和應用，屆時將分享更多干貨，敬請關注。

AI引擎賦能多場景決策

歐陽辰介紹，品友打造的名為“福爾摩斯”的AI引擎，可以利用歷史海量數據，基于馬爾可夫過程對未來營銷效果進行預測，并自動設計科學的A/B方案提升創意營銷效果，利用深度學習網絡(DNN)進行深度的跨媒體歸因，提升歸因的科學性。

這是品友用多年在數字營銷領域積累的技術算法打造成的核心技術中樞。品友互動的營銷決策系統MIP(Marketing Intelligence Platform)便基于AI引擎從感知到決策的打通。同時，品友的AI引擎也進入到更多場景中，如服務于公共事務的PIP(智能政務管理系統)、服務于金融的FIP(智能金融安全系統)。以政務場景為例，品友互動2017年在安徽成立全資子公司，作為中國聲谷引入的重點企業，品友將決策引擎資源對安徽開放，依托于中國聲谷強有力的“政策紅利”和行業內領先的AI技術與應用落地能力，運用AI算法和模型，通過合法合規的數據打通和激活，助推安徽在政務、金融及智慧旅游等領域的數據智能化和決策智能化升級。

AI技術全面賦能企業進行全方位的智能決策，是品友互動的重要戰略，“簡單開源平臺不容易解決企業業務，所以我們構建平臺化的產品去解決針對不同場景和行業的問題”，行業領域專家人員去使用、并用好這個平臺，才能真正發揮人工智能的優勢。

當增強型分析遭遇市場洞察

另外，以增強型分析(Augmented analytics)為例，這一能力被認為是數據與分析市場內的下一波顛覆性技術。它利用機器學習與人工智能改變分析內容的開發、使用與共享方式。

歐陽辰解釋：增強型分析的主要特征是，能自動執行數據準備、洞察生成與洞察可視化過程，在多種情況下無需專業數據科學家參與其中。基于增強分析的機器學習模型可以嵌入到企業各個環節的應用中，如人力資源、財務、銷售、營銷、客服、采購以及資產管理部門，可以優化所有員工的決策和行動，而不僅限于分析師和數據科學家。

品友基于AI的決策系統MIP正體現了這種數據分析能力，通過技術打通數據，幫助企業進行深刻的市場洞察，從產品定位、目標人群設定到概念測試，完成目標人群選擇、創意選擇、產品概念測試、媒體策略等環節的決策，解決營銷中全鏈路的決策問題。

許多企業決策者希望有一個更加清晰明確的一站式綜合系統，幫助其進行決策，針對這一“痛點”，品友互動幫助一些有復雜第一方數據的企業，如車企搭建全域數據管理平臺。

持續型智能激活數據背后商業價值

持續型智能(Continuous Intelligence)是一個使用實時數據來改善決策的能力。持續型智能采用了多種技術，包括之前提到的增強型分析，以及對事件流處理、優化、業務規則管理、機器學習等。

歐陽辰介紹，持續型智能就是把智能(Intelligence)進行大規模和實時的應用，比如消費者體驗場景，我們將人工智能技術應用在每一次消費者與品牌主的觸點互動中，包括觸點的智能選擇，互動內容的智能推薦，數據的實時反饋并參與建模計算，持續型智能幫助人們實現大規模個性化的生活方式”，歐陽辰解釋說，這里所說的“智能“融合了數據、算法和云計算技術，這種智能會像涓涓細流一樣滋潤人們的各種生活方式和互動觸點上，同時也會提升整個社會的商業效率。

持續型智能最主要的是要實現數據循環反饋，激活數據。想象一個數據的循環系統，如果數據量不夠大，數據不流動，都無法形成持續型數據。品友的數據管理平臺就能夠通過數據逐層優化營銷環節，沉淀真實的數據產生應用價值，提升顧客生命周期價值，打通內部的數據孤島，實現全鏈路決策輸出。品友已經為許多大型知名企業搭建第一方數據管理平臺(DMP/CDP)提供數據服務。

業務人員使用可加速人工智能決策進化速度

歐陽辰也特別在強調了人工智能在商業應用中十分非常重要一個領域——可解釋型人工智能(Explainable AI)。

人工智能模型越來越多地被用于增強與代替人類決策，但實際上大多數這些先進的人工智能模型都是復雜的黑盒子，無法解釋為何提出了某條具體建議或決策。

“目前，很多智能算法都屬于黑盒運行，在商業決策場景中，常常會碰到可解釋性的問題，一個由智能算法給出的決策建議是否合理、算法是否按照最初的設想進行工作、有沒有什么特別的因素干擾決策結果，無法解釋這些問題將影響智能決策的科學性。“

品友在設計商業決策智能產品時，我們充分考慮算法的可解釋性，將復雜的算法模型與領域專家的知識體系進行有機的結合：領域專家設置優化目標和整體步驟，計算機算法實現局部的優化，并且白盒化特征的篩選以及計算步驟，對每一步驟中可解釋性信息進行可視化，提供給領域專家查看，這樣可以充分利用人與機器的各自優勢，提升智能的可解釋性、可改進性以及可操作性。

品友數據管理平臺中有一個算法是人群的聚類(Cluster)算法，用戶可以對算法進行靈活的參數設置，在聚類結果中，我們會將不同人群的特征進行降緯，例如二維或三維，而后通過可視化的投影(Project)評估各種算法結果，并為子人群打上自動標簽，以支持進一步的優化。我們希望這個算法能夠結合業務人員的知識，一起生成最適合場景的人群自動分類。

可解釋性AI的目的是讓專家更好地把知識反饋進來，人和機器同步的發展，專家知識能夠用機器學得更快更準，方向更好，加速進化速度。一方面，人的知識體系可以定義優化的方向和目標;另一方面，機器可以利用龐大計算能力，在設定好的目標下進行持續優化。目前超過90%的世界500強企業選擇與品友互動合作，品友也為近百家大型企業提供了數據管理服務，企業和業務人員的使用也幫助品友一起將產品“訓練”得更加智能，更加“白盒化”。

2019GAITC

全球人工智能技術大會

5月25-26日，由中國科學技術協會、中國工程院指導，中國人工智能學會主辦的2019全球人工智能技術大會將在南京舉行。大會將匯聚國內外人工智能及相關領域領軍者，以國際化視角全景勾勒人工智能發展藍圖，洞見未來趨勢，錨定產業方向。品友互動也受邀參加大會，從企業的實戰角度探討技術實踐。