品友人工智能引擎“福尔摩斯”这样实现智能决策

品友人工智能引擎“福尔摩斯”这样实现智能决策

中国信息通信研究院预计，2019年我国人工智能市场规模将达500亿元，2020年将超过700亿元。在巨大的市场潜力面前，人工智能的商业落地成为今年被反复探讨的话题。

对于人工智能企业来说，AI只有在合适的商业场景中才能立足。基于人工智能和大数据技术，品友互动打造大数据管理平台服务于数字转型企业需求，将AI技术赋能更多行业，帮助企业做“聪明的商业决策”，实现了人工智能技术落地。品友互动CTO欧阳辰从品友数据管理平台在各场景的实际运用出发，为大家介绍人工智能技术到底如何应用，如何切切实实的实现商业化落地。

品友互动CTO欧阳辰将在5月25日-26日举办的2019全球人工智能技术大会上分享人工智能在商业决策上的实践和应用，届时将分享更多干货，敬请关注。

AI引擎赋能多场景决策

欧阳辰介绍，品友打造的名为“福尔摩斯”的AI引擎，可以利用历史海量数据，基于马尔可夫过程对未来营销效果进行预测，并自动设计科学的A/B方案提升创意营销效果，利用深度学习网络(DNN)进行深度的跨媒体归因，提升归因的科学性。

这是品友用多年在数字营销领域积累的技术算法打造成的核心技术中枢。品友互动的营销决策系统MIP(Marketing Intelligence Platform)便基于AI引擎从感知到决策的打通。同时，品友的AI引擎也进入到更多场景中，如服务于公共事务的PIP(智能政务管理系统)、服务于金融的FIP(智能金融安全系统)。以政务场景为例，品友互动2017年在安徽成立全资子公司，作为中国声谷引入的重点企业，品友将决策引擎资源对安徽开放，依托于中国声谷强有力的“政策红利”和行业内领先的AI技术与应用落地能力，运用AI算法和模型，通过合法合规的数据打通和激活，助推安徽在政务、金融及智慧旅游等领域的数据智能化和决策智能化升级。

AI技术全面赋能企业进行全方位的智能决策，是品友互动的重要战略，“简单开源平台不容易解决企业业务，所以我们构建平台化的产品去解决针对不同场景和行业的问题”，行业领域专家人员去使用、并用好这个平台，才能真正发挥人工智能的优势。

当增强型分析遭遇市场洞察

另外，以增强型分析(Augmented analytics)为例，这一能力被认为是数据与分析市场内的下一波颠覆性技术。它利用机器学习与人工智能改变分析内容的开发、使用与共享方式。

欧阳辰解释：增强型分析的主要特征是，能自动执行数据准备、洞察生成与洞察可视化过程，在多种情况下无需专业数据科学家参与其中。基于增强分析的机器学习模型可以嵌入到企业各个环节的应用中，如人力资源、财务、销售、营销、客服、采购以及资产管理部门，可以优化所有员工的决策和行动，而不仅限于分析师和数据科学家。

品友基于AI的决策系统MIP正体现了这种数据分析能力，通过技术打通数据，帮助企业进行深刻的市场洞察，从产品定位、目标人群设定到概念测试，完成目标人群选择、创意选择、产品概念测试、媒体策略等环节的决策，解决营销中全链路的决策问题。

许多企业决策者希望有一个更加清晰明确的一站式综合系统，帮助其进行决策，针对这一“痛点”，品友互动帮助一些有复杂第一方数据的企业，如车企搭建全域数据管理平台。

持续型智能激活数据背后商业价值

持续型智能(Continuous Intelligence)是一个使用实时数据来改善决策的能力。持续型智能采用了多种技术，包括之前提到的增强型分析，以及对事件流处理、优化、业务规则管理、机器学习等。

欧阳辰介绍，持续型智能就是把智能(Intelligence)进行大规模和实时的应用，比如消费者体验场景，我们将人工智能技术应用在每一次消费者与品牌主的触点互动中，包括触点的智能选择，互动内容的智能推荐，数据的实时反馈并参与建模计算，持续型智能帮助人们实现大规模个性化的生活方式”，欧阳辰解释说，这里所说的“智能“融合了数据、算法和云计算技术，这种智能会像涓涓细流一样滋润人们的各种生活方式和互动触点上，同时也会提升整个社会的商业效率。

持续型智能最主要的是要实现数据循环反馈，激活数据。想象一个数据的循环系统，如果数据量不够大，数据不流动，都无法形成持续型数据。品友的数据管理平台就能够通过数据逐层优化营销环节，沉淀真实的数据产生应用价值，提升顾客生命周期价值，打通内部的数据孤岛，实现全链路决策输出。品友已经为许多大型知名企业搭建第一方数据管理平台(DMP/CDP)提供数据服务。

业务人员使用可加速人工智能决策进化速度

欧阳辰也特别在强调了人工智能在商业应用中十分非常重要一个领域——可解释型人工智能(Explainable AI)。

人工智能模型越来越多地被用于增强与代替人类决策，但实际上大多数这些先进的人工智能模型都是复杂的黑盒子，无法解释为何提出了某条具体建议或决策。

“目前，很多智能算法都属于黑盒运行，在商业决策场景中，常常会碰到可解释性的问题，一个由智能算法给出的决策建议是否合理、算法是否按照最初的设想进行工作、有没有什么特别的因素干扰决策结果，无法解释这些问题将影响智能决策的科学性。“

品友在设计商业决策智能产品时，我们充分考虑算法的可解释性，将复杂的算法模型与领域专家的知识体系进行有机的结合：领域专家设置优化目标和整体步骤，计算机算法实现局部的优化，并且白盒化特征的筛选以及计算步骤，对每一步骤中可解释性信息进行可视化，提供给领域专家查看，这样可以充分利用人与机器的各自优势，提升智能的可解释性、可改进性以及可操作性。

品友数据管理平台中有一个算法是人群的聚类(Cluster)算法，用户可以对算法进行灵活的参数设置，在聚类结果中，我们会将不同人群的特征进行降纬，例如二维或三维，而后通过可视化的投影(Project)评估各种算法结果，并为子人群打上自动标签，以支持进一步的优化。我们希望这个算法能够结合业务人员的知识，一起生成最适合场景的人群自动分类。

可解释性AI的目的是让专家更好地把知识反馈进来，人和机器同步的发展，专家知识能够用机器学得更快更准，方向更好，加速进化速度。一方面，人的知识体系可以定义优化的方向和目标;另一方面，机器可以利用庞大计算能力，在设定好的目标下进行持续优化。目前超过90%的世界500强企业选择与品友互动合作，品友也为近百家大型企业提供了数据管理服务，企业和业务人员的使用也帮助品友一起将产品“训练”得更加智能，更加“白盒化”。

2019GAITC

全球人工智能技术大会

5月25-26日，由中国科学技术协会、中国工程院指导，中国人工智能学会主办的2019全球人工智能技术大会将在南京举行。大会将汇聚国内外人工智能及相关领域领军者，以国际化视角全景勾勒人工智能发展蓝图，洞见未来趋势，锚定产业方向。品友互动也受邀参加大会，从企业的实战角度探讨技术实践。