【实录】新智数信CEO傅志华:大数据与人工智能在企业的应用

我最早的时间是在腾讯工作，也是做大数据的工作，后来就在360，后来是去了传统行业，像去了龙湖地产，龙虎地产也是国内前十名的地产企业做手机数据端的工作，那现在是我是在新奥集团的成员企业，其中的一个产业公司叫行知书信，负责蓝领的大数据的工作，主要是做蓝领的征信，那这是我的背景。

所以从我们的背景来看，我一直是在做这个大数据和AI的企业应用，所以有幸被邀请到咱们的大咖说这个栏目上去分享，

我第一时间就想正好是我工作的这十多年来，跟大家去分享一下，在大数据和AI中的我的一些思考，不一定是对，毕竟我的取样还是有限，我也就取样就取了我十几年的工作经验。

我可能会去给大家快速地分享一下大数据和人工智能中我们值得关注的一些趋势，或者简单的一两点，因为讲趋势可能有点大，我可能跟大家去分享一下，我们最近这两年在关注的一些点。

从这个大数据和人工智能的这个关键的技术来看，我们看到会有这么几方面的算法，记忆学习、深度学习还有图象识别、语音识别、自然语言处理包括一些用户画像、行为大数据这些模块。

那最值得我们关注的还是人工智能就是记忆学习、算法，

我们看到这个人工智能目前已经过了，从gamma曲线来看它已经过了这种高峰期了已经处于理性发展的一个阶段，

所以大家更关注的是它怎么落地，我们经历过互联网企业，也经历过传统企业，那这几年都在传统企业工作，所谓的产业互联网的工作，所以其实无论是从互联网企业的视角还是传统企业的视角，我们是怎么看大数据和这个人工智能的应用呢？

我们可以跟大家分享一个趋势，我们先看这个趋势再看我们关注的点是什么？

从目前来看，我们现在已经2020年了，目前我们认为2020年已经步入这个物联网时代，

随着5G的发展，包括物联网基础设施的普及、基站的普及、各种立法的因素，包括传统企业这种数字化转型的压力，都促使这个无论是互联网企业还是传统企业都在积极地去布局物联网，

所以我就认为未来10年是物联网和大数据和AI一个深度融合的机会。

为什么这么说呢？因为我在龙湖地产工作的时候，感受到最深的一点是什么呢？比如说我们在分析购物中心的这个数据的时候，我们发现我们可分析的数据维度有限，它不像我们分析电商。

比如说购物中心最关注的是什么呢？大家应该都去购物中心去体验过，去看电影或者是吃饭、购物，

购物中心有两个特别重要的KPI，一个是客流还有一个平销，就是每平米产生的销售收入，这个是购物中心的考核指标。

但我们要去洞察客流的时候，或者说我们要分析平销的时候，发现能关联的维度特别有限，因为它能采集的数据是有限的，每天可能在购物中心的门口，放一些所谓的客流点算机，去数一数客流，然后可能也从把这个POSS机的数据收集回来看看每个店的销售收入情况，也就是在这么多。

但是如果说我们回到我们电商来分析的话就有很多了，比如说他的访客来源、转换漏斗、客单价等等都可以，就是从客户的路径、转换漏斗很多方面去分析。

购物中心基本上做不到，理论上如果说购物中心它的数字化做得特别好的时候，它就变成一个电商一样的，就可以刚所有的维度就可以分析。

最理想的状态下就像分析电商一样去分析，但是不可能，因为好多数据收集不回来，比如说客流从那来，采集不回来，其实也是有办法。也就是说可能需要物联网的手段，

比如说我们发现这个购物中心最重要的客户是什么？是开车来的客户，这是我们通过收入的相关分析发现的，但是开车来的，你怎么知道是开车来的用户呢？那是因为我们把停车场的数据关联进来以后，才发现开车来的人的贡献是最大，那开车来的人怎么关联起来，那我就得把停车场的进出口数据都得采集回来，这个我希望是尽量准时地采集回来，那这个时候这个需要很多物联网的能力。

包括进了购物中心以后，它在购物中心那一层停留，在那个店停留多长时间，是不是也得通过Wifi+beacon等等场内定位的技术去做。所以这个会涉及到大量的物联网的数据采集的工作，

我刚才说道是特别领先的这个购物中心，因为龙湖这个叫天街，天街系列在国内排名还是前几名的，这么领先的企业它的数据采集的维度也是在努力地增加，

所以说在推到一些刚起步的或者是大量的中国非常传统的企业，那它的数据采集的能力、分析能力就更有限了。

所以我认为未来的这个十年，AI、大数据和物联网这三者结合是特别有助于这个传统企业深度利用，可能过去五年甚至是过去十年，过去互联网企业已经用得很成熟的数据分析手段、推荐系统的能力，去附庸到这个传统行业里面。

但是传统行业要达到现在互联网企业的数据分析、数据化运营的能力，或者是这种智能化的能力，我觉得至少还得经历个五年以上，

因为通过物联网去做数据采集，包括本身也有很多业务没有做线上化、就是物联网化、线上化、数字化这几个阶段以后，才有可能达到目前我们在互联网企业里面做到的这种，特别习以为见的数据分析的手段、推荐系统等等，现在是做不到的。

所以我认为未来这五到十年，对于传统企业来说是非常有机会的，

或者我们看到像我原来的老东家他们，就是腾讯，我原来所在部门是腾讯云这个前身，他们现在也在做大量的产业拓展的工作，所以为什么腾讯、阿里等等这种企业加到传统行业里面都采用互联网，那也是觉得这个是有巨大的机会，

传统企业要做数字化转型需要什么？需要把原来的业务线上化，同时要把他们的所有用户的行为数字化，那这个就会带来，比如对腾讯来说就会带来大量的原来覆盖不到的线上化的机会和活跃的机会，和一些转化的机会，

所以我觉得未来十年真的是AI+大数据+物联网的一个很好的应该机会的未来十年。

但是这里面有一点，说到这个大背景下，就是传统企业，尤其是在传统企业，因为我觉得互联网企业现在已经开始变成传统企业了，所以不要觉得在互联网企就是觉得自己非常时髦是先进，我觉得未来大量的机会应该是在产业互联网，因为大量的传统企业没有联网，或者是准备联网，准备做数字化和线上化，我觉得这里面有蕴含了大量机会。

但是我们面向这个大量的这么一个趋势，或者是机会的趋势，那我们要特别要关注一点就是数据的保护和隐私的保护。

因为传统企业可能比互联网企业更加的注重它自己的数据主权的保护，传统企业不会轻易跟你做数据的交换，那在这种前提下，我们怎么去做AI的应用呢？

因为我们过去的很多AI的应用，大部分都是要把数据集中到一个地方，去做训练产生结果以后我们再去扩散，那前提是要集中记忆学习，大部分的记忆学习的算法都是要集中的。

但是面向这么多的这种未来，我刚才说的传统企业的数字化转型的机会的前提下，怎么去解决这个数据储存的问题？现在其实是有很多人是通过法律或者是一些约束来解决，但我觉得是不够的，

在国外其实像Google和IBM，在这方面做得比较好，他们现在在研究一个算法叫联合学习，应该是2017年提出来的一个算法。他觉得问题就是刚才说的怎么不用把数据集中在一个地方，但是又可以做到去做集中的训练。

比如说他们在美国做到什么呢？美国有很多医院是孤立的，数据之间不打通，同一个病人在不同的医院的数据都是相对孤立的，在中国更是，比如说我在这个医院检查完了，又得去另外一个医院还得重新检查，这种对于病人来说是很烦恼的，要做一些医学方面的记忆学习或者研究的话，那就更困难了，一个人的数据在不同的医院得把数据去打通，

联合学习就是解决这个问题，是一种分布式的学习的方法，就是可能在每个本地点上，比如说某个医院的服务器上，它自己先训练好，然后再把这个结果上传到云端，以后再进一步训练，然后再反馈，是这么一个过程。

目前像我所在的企业新奥也是在美国跟MIT合作，去专门研究这个方向，因为我觉得这个是未来在物联网时代里面保护数据的组成的强烈项，有机会去做新的商业洞察的一个特别好的一个方向，

所以虽然目前这个人工智能趋势很多，去沟通这个技术的时候，也会有很多沟通的鸿沟，就是互相不是特别的理解，所以我要跟他去分享说我从事了这么多年这个工作，无论是大数据还是机器学习的工作，就是我们怎么把这个技术用好？用到这个业务产品里面，这个是可能今天我会花更多的时间去跟大家探讨和分享的。

我认为把这个大数据和AI相关的技术，用到企业里面，首先要回答三方面的问题，如果把这三大方面的问题想清楚了，那我觉得你概率的概率就会很高，如果没想清楚我觉得失败的概率就会很高。

第一方面是价值规划，就是不要去跟老板去讲太多技术的细节，一开始还得去计入业务场景，去看我的这个数据AI能产生什么样的价值。所以首先要做好价值规划。

第二项是基于这个价格规划的前提下，我知道在那些点去切入的情况下，我在提供什么样的产品技术组合，数据的产品、技术的产品、AI的产品，

然后在第三方面知道了这些产品技术组合之后，我再去招兵买马，我要缺什么人才。

是倒推的不是我先招

不是先招一堆大数据和AI的人才，反过来再去跟老板说我有什么样的能力，我有图象识别能力你要不要用一用，如果是从后往前的话，绝对是有问题，

所以必须在企业里面，因为企业它不是一个公益组织，它毕竟是考虑投入产出比，我们投入了这个大数据和人工智能人才，它是一大坨成本，那企业肯定会考虑我这个成本投入的值不值得，所以从这个ROI角度来看，你必须先跟老板回答清楚了，我这三年内能给带来什么价值，所以这是第一个特别需要解决的问题，就是价值规划。其实就是你ROI里面的这个产出是什么？需要花大量的时间去研究。

那这个价值规划里面呢就刚才说的，就我的产是什么，你可能要去三方面去考虑，

第一方面是你要研究自己所在的行业，目前有那些成功的案例，这样快一些，不用自己重新思考，去看看国外，看看同行领先的，在那些点上有比较好的应用，先别自己想，先去找专家、找成功案例、去访谈，先去找。

第二是在自己本身的企业维度来看，要长短结合，就短期内能给企业带来什么价值，长期内能带来什么价值，这个方面比第一方面更重要，

第二方面要去规划长短结合的话，你要做什么工作呢？你必须要了解企业进3年的发展规划，很多技术人员一开始是不做这个事情的，未来3年企业的发展规划是怎么样的，未来企业它的重点工作，包括重要的KPI包括重要的业务是那些，你需要做深度的了解，了解清楚了以后你就知道那也是重点的业务，那些是重点部门，接下来跟他们去做访谈，

我去龙湖地产的时候也是这样的。因为我去龙湖地产的时候，刚好离开了互联网企业，互联网企业怎么用大数据、AI这个很成熟了，但进入一个新的行业，比如龙湖地产我是怎么做的，其实就是按照刚才那个方法，

第一我先看地产行业有那些做得比较好案例，第二就是我要理解龙湖地产的未来3年的规划，老板在考虑什么，龙湖地产其实是一个非常大型的集团，现在市值2000多亿港币，它老板的思路也是说希望未来很多能力是能够中台化，比如说财务能力共享到集团，他有很多地区分公司，希望地区分公司就能调用集团的能力，就是新开一个分公司不需要再用太多的财务人员，不需要太多的造价采购人员等等。就希望有很多共享能力能放到云端，其实这也是一个特别大型的地产企业考虑的因素，就是怎么去提高人效，提高把这个能力集中到中台，也在考虑这种事，包括新奥提高把这个能力集中到中台，也是在考虑这种事。所以在这种大趋势下，那我们应该去构建什么样的中台能力，这个是我们要考虑的，

所以从大趋势上我已经了解了，那接下来我可能会进每个业务部门的一号位去访谈，尤其是重点的业务部门，因为我知道的，我从企业收入贡献和未来的3年的规划，就能看到那些部门是必须重要，那些业务是比较重要的，我先抓大放小，因为你毕竟AI的应用，每个方面都能应用，但是不是所用的部门你都要服务的，你需要抓大放小，同样一个投入算法人员，在某个重要业务上跟不太重要的业务上最后的产出是不一样的，所以这些是我们需要去深度考虑的，

那我们会去给每个重要的业务去访谈，问他比如说过去的两年内你已经做了那些好的数据和AI的应用？第二是你在这些应用过程中有什么挑战？第三方面是你可能要去了解说我未来1年我对数据和AI有什么期待？那当然如果他回答目前的也没关系，你可以了解他比如说未来1年最重要的工作、项目和重点是什么，然后再反过看我在怎么结合？

比如说我刚才说的购物中心，他的目标是未来要开更多的这个商场，然后再刚才两个指标客流和平销上面有所提升，那我刚才最开始的时候已经说了，对客流、平销数据分析维度有限，你为了做这个商业洞察，提高这个指标的表现，你必须要做几方面的工作，第一个是线上化，很多会员的行为线上化。第二个是说各种物联网的数据采集，然后再做引入这个各种数据分析的能力，构建相关的大数据平台的能力，就这么倒推出来的。

所以这个是短期内、长期内你要做什么，这也是要考虑清楚的。

第三方面是我们依靠大数据、AI未来能不能构建一个行业壁垒？就是给这个企业构建一个壁垒，让别的竞争对手是很难以逾越的。

所以这三方面都要充分地考虑，才有可能把这个价值规划做好，只有把这个规划做好以后，你才开始考虑产品技术组合团队构成。

我当时去龙湖地产的时候，我就花了1个多月的时间，一个人都没招就我一个人，就花了1个多月的时间去做这个调研工作，才开始做刚才说的产品技术组合团队组建，只要把东西理顺了，价值规划理顺了，后面就会很快，如果没理顺后面有可能你匆匆忙忙地就招一堆人就开始做，你会死得很惨，你会失败得很快。

价值规划其实分三个层面，基础层、技术层和应用层，但对于大部分的传统企业来说，它可能都会考虑应用层为多，少数企业会有志向在技术层和基础层，基础层比如说计算能力，还有一些本身的数据底层的能力去考虑，大部分企业其实会在应用层去考虑，因为这个方面它投入比较低，变现快。

那少数企业比如说像新奥，可能确实是因为本身新奥它是有很多设备需要，比如说新奥有很多燃气表，有覆盖2000万家庭，有大量的燃起表，包括各种燃起管道需要通过物联网的技术去做数据采集和分析，那新奥肯定是适合比如说在技术层去投入很多技术能力，包括物联网的能力，包括我们也会花个几十亿在物联网的平台，IOT平台建设上去做应用。

但有一些企业他可能就不会在技术层花大量的精力，更多的会在应用层，那价值规划的同时可能要考虑政策的支持，这个不多说了。

我举个例子，就是大数据和AI在地产行业的三步走，当时我们做的规划也是做的3-5年的规划，

查看全部内容 请微信关注“数字化大咖说”公众号