核心摘要：
概念界定：區別於傳統商業智能，現階段商業智能通過將人工智慧核心技術與大數據、機器人流程自動化(RPA)、運籌學等技術相結合，促進商業中各領域在產品創新與服務升級等方面實現轉型升級。
政策環境：美國、英國、歐盟等國家或地區的政策傾向於鼓勵企業採用人工智慧等新興技術，但並未明確引導方向及發展領域。對比而言，國內政策更加落地，指明技術與場景落位方向。
技術關係：人工智慧與大數據、RPA以及運籌學共同為商業智能行業的轉型升級提供技術支撐，大數據提供基礎資源，RPA應用於多數流程性領域，運籌學發掘資源潛力並進行統籌規劃，而人工智慧是商業場景實現智能化的核心驅動因素。
場景梳理：總結梳理金融風控、物流管理、廣告營銷、零售電商、交通出行、醫療健康、客戶服務、在線教育等8個典型商業智能應用場景。
場景解讀：從賽道規模、落地形式、典型案例、應用前景等維度，分析解讀8個商業智能應用場景的發展現狀與增長潛力。
產業網際網路驅動：產業網際網路會重建流量、科技、場景之間的共生關係，創造新型的商業發展生態。同時，產業網際網路會在流量端與應用場景側為商業智能模式創新帶來機會。
未來市場格局：網際網路巨頭、人工智慧技術公司與商業公司將基於各自在流量、技術落地與行業認知方面的優勢三方合力，共建商業智能全新發展生態。
個人數據監管影響：以GDPR為代表的個人數據保護法規雖一定程度限制了技術公司模型訓練所獲取的數據集來源，但也激發技術公司迭代並創新算法以減少採集個人信息用於技術開發的依賴程度。
商業智能概念界定
新型商業智能定位於通過核心技術對商業活動環節賦能服務
傳統商業智能( Business Intelligence )是基於數據倉庫、數據挖掘等大數據技術進行數據抽取、展示與分析，從而為企業實現商業價值提供支撐。艾瑞認為新型商業智能(Business + Artificial Intelligence)是在基於數據維度進行商業分析的層面之上，通過將人工智慧核心技術(機器學習、計算機視覺、自然語言處理、智能語音交互、知識圖譜)與大數據、機器人流程自動化(RPA)、運籌學等技術相結合，圍繞商業活動中各典型關鍵環節進行洞察分析，並通過完整的解決方案級應用，推動產品創新與服務升級。本報告圍繞上述界定的商業智能特徵展開研究分析，描繪新型商業智能的應用現狀、典型玩家布局及未來發展前景。
商業智能發展階段
新型商業智能已向多維決策智能階段轉變
圍繞數據分析與智能化技術的不斷迭代創新，商業智能至今共經歷四次變革，實現由傳統商業智能向新型商業智能的轉變過程。商業智能初期階段用戶主要集中於大型企業，產品智能化程度低且部署成本高。隨著基礎設施建設的日益完善與可視化產品的出現，大量國內外商業智能廠商湧現並迅速發展，推動商業智能技術普及應用。2016年開始，大數據、人工智慧、雲服務技術的革新發展推動淺層決策智能走向成熟，雲端部署能力則吸引更多的中小企業用戶，新型商業智能時代逐步開啟。現階段新型商業智能已進入快速成長期，技術融合有效增進了產品的多維智能決策能力，在不斷優化解決方案能力的同時可有效降低應用成本。
全球視角下的商業智能政策環境
中國的政策更加注重推動技術在重點領域實現應用落地
依據本報告的主要研究範疇，通過對世界主要國家或地區已經頒布的人工智慧相關政策進行梳理，發現多項政策均有涉及到推進AI技術在商業領域實現落地的內容。其中美國、英國、歐盟等國家或地區的政策傾向於鼓勵企業逐步採用AI技術，但並未說明具體涉及的領域。相比而言中國出臺的政策則更為具體，指出了技術重點落地的一些領域，注重人工智慧與傳統產業的深度融合。
商業智能與大數據
大數據為商業實現智能化奠定堅實基礎
在數位化、信息化推動社會快速發展的時代，各行業都積累了海量的數據資源。據IDC估算，到2025年全球數據總量將達到163ZB，相當於2016年所產生數據量的十倍。IDC的一項調查顯示企業中80%的數據是非結構化數據，由於非結構化數據的格式和標準不一，如何有效的利用這些資源為企業經營決策提供更多價值就成為了關注的焦點。大數據相關技術可以通過數據採集、數據存儲、數據分析和數據應用等環節對不同來源、不同類型的數據進行處理，有效的解決數據處理方面的問題，同時伴隨機器學習等人工智慧技術的引入，大幅提升了企業對於數據的處理效率與分析能力。
商業智能與人工智慧技術
以機器學習技術為核心，人工智慧助力商業實現轉型升級
機器學習(含深度學習)技術作為人工智慧的核心，近年來實現多方面的突破，如卷積神經網絡、長短期記憶網絡等多種機器學習/深度學習算法已經與自然語言處理、智能語音、知識圖譜、計算機視覺等技術緊密結合，提升人工智慧技術整體的應用效果。目前以機器學習為代表的人工智慧技術在商業各領域(如金融、醫療、客服、零售等)實現了廣泛應用，進一步降低企業經營成本，提升應用效能，提高終端消費者的體驗，最終實現商業各領域的轉型升級。
商業智能與機器人流程自動化(RPA)
機器人流程自動化減少重複性工作，有效提升企業效能
機器人流程自動化(Robotic Process Automation)主要是通過軟體機器人自動處理企業內部基於規則且大量重複性的工作流程任務。應用了該技術之後企業可以解放內部從事大量重複工作的勞動力，將員工分配到擁有更高附加值的任務之中，並且通過自動化處理實現24小時連續運行，進一步提升業務處理的效率。目前機器人流程自動化技術已廣泛運用到如財務、會計、採購、人力資源、客戶服務等多個通用的職能領域，在金融、醫療、零售等行業的一些流程中實現了落地。當前機器人流程自動化與人工智慧的OCR識別、自然語言處理等技術有機結合，進一步提升業務處理效能，逐步向認知流程自動化方向發展。
商業智能與運籌學
商業實現智能化得益於運籌學與人工智慧技術有機結合
運籌學(Operations Research)在商業智能化的過程中起到重要作用，其主要側重從管理的角度來實現最優決策。具體而言通過挖掘各種有限的資源，發現其中所蘊含的規律，提出相應的求解方法，從而利用有限的資源實現企業效益的最大化。運籌學目前主要通過線性規劃、排隊論、圖論等多種模型在物流配送、庫存管理、市場營銷等領域有廣泛應用。在運籌學理論在商業場景的實踐過程中， 人工智慧技術(尤其是機器學習)的引入使得運籌學在需求管理、規律性分析上具有更佳的量化表現。因此，運籌學與人工智慧相結合可以發揮各自的優勢共同為商業智能化賦能。
商業智能產業鏈
主要技術提供方集中於產業鏈中遊提供商業賦能服務
新型商業智能側重於智能技術在商業場景和典型環節中的滲透應用，在產業鏈的中遊解決方案提供商環節集聚了大量垂直領域的技術賦能型公司。同時，大多由網際網路科技巨頭領導布局的商業智能技術平臺也可以充當產業鏈中遊角色，為各商業場景/環節提供賦能效果。在產業鏈上遊，傳統IT廠商、雲服務廠商、大數據平臺服務商可為產業鏈中遊技術提供者賦予計算、存儲等基礎設施支持， ERP、CRM等企業信息系統可幫助企業有效記錄其資源及業務數據。
商業智能產業圖譜
商業智能行業投融資情況
近年來投資節奏明顯加快，以早期融資為主
隨著人工智慧技術與商業場景融合發展進程的加快，該領域內的資本關注度隨之增高，投資事件密集發生。2014年至2018年，商業智能領域累計發生融資事件100起，2018年最多達到57起，預計未來將保持穩定增長態勢。從融資輪次來看，早期發展階段的商業智能創業公司受關注較多，主要集中於A輪和天使輪，佔比分別達到29%和19%。
客戶服務最受追捧，診療、零售與交通等領域齊頭並進
總體而言，商業智能行業投融資領域分布比較均勻，大部分應用場景均存在資本進入與發展空間。隨著近年來語音機器人、外呼中心、自動工單管理等智能客服場景的快速發展與普及，智能客服賽道競爭日趨激烈，豐富的場景經驗累積與良好的商業模式吸引了眾多投資方關注。無論是從商業智能被投企業維度還是融資事件維度，客戶服務類佔比均最大，預計未來還將保持一定行業熱度。此外，與公眾生活密切相關的輔助診療、零售電商以及交通出行等領域也受到不同程度的重點關注。
商業智能價值體現與效果提升
圍繞企業運營需求痛點進行技術革新，提升落地應用價值
新型商業智能基於多維度核心技術能力，旨在高效解決企業經營過程中面臨的人力資本持續上漲、業務流程優化、需求響應速率要求、打通信息孤島釋放數據價值等企業運營痛點，以達到敏捷化、可視化、場景化及預測化的數據分析效果提升。依託數據挖掘、機器學習、流程自動化能力，技術提供方可以針對商業企業主營業務場景進行整體解決方案打包服務，對企業經營業務流程進行優化管理，聚焦商業活動需求進行預測性分析，輔助商業決策制定，以達到降本增效效果，提升商業環節的落地應用價值。
商業智能未來方向
對業務場景的逐步理解深入將推進技術落地及產業升級
技術發展不斷驅動商業智能行業發展轉型，但在企業內部實踐中， 對具體業務場景的理解、對實際問題的界定與採用何種模型或算法同等重要。對業務場景的深入理解在很大程度上決定了技術是否能夠有效降低企業運營成本或幫助相關業務增加收入，這是技術能夠落地、產業得以升級的關鍵。伴隨著新型商業智能在多行業領域的實踐應用，解決方案提供商逐步積累對細分應用場景的洞察，深入理解業務痛點，選擇合理技術組合不斷完善行業解決方案。
商業智能應用場景之金融風控
智能技術成為金融機構提升風險管控能力的重要手段
近八年來商業銀行不良貸款餘額及不良貸款率均呈現明顯上升趨勢，究其原因在於傳統金融機構對系統和流程建設的重視程度不夠，監測違約風險的能力不足，在風險管控上面臨諸多挑戰。在當前國家監管日益趨嚴的環境下，以機器學習、知識圖譜、自然語言處理以及生物識別為代表的人工智慧技術在金融風控領域應用的需求也明顯增加。越來越多的金融機構與科技公司加強合作，藉助科技的力量增強自身風控實力，例如以金融壹帳通為代表的金融科技公司利用多種技術手段降低商業銀行在信貸過程中面臨的各類欺詐風險，幫助金融機構進一步降低不良貸款水平提升抗風險能力。
商業智能場景應用之物流管理
重塑物流行業資源規劃系統，加速柔性供應鏈管理的實現
傳統物流行業重度依賴人工為主的資源規劃系統，服務種類單一且網絡化水平較低，流通時間大多耗費在倉儲環節，導致成本高企且效率低下。得益於供應鏈生產的海量實時數據，人工智慧技術可以較好地與傳統物流行業結合，助力物流企業實現數位化轉型：在網絡預測、風險控制及路徑規劃等後臺業務方面，深度學習算法可以基於優化模型對策略進行動態規劃，根據輸入變量變化情況做出適時響應調整，並做出一定程度的預測推斷；在倉儲分揀等前臺環節，計算機視覺、機器學習等技術可以幫助物流企業自動識別篩查貨物分類及狀態，實現便捷管理庫存、自動補貨等應用。
商業智能場景應用之廣告營銷
機器學習分析供給需求兩側行為數據進行智能撮合
在廣告營銷領域，潛在購買受眾出於流量處理能力的考慮，無法承擔過多次數的廣告拍賣請求。在此限制基礎上，若要提高廣告交易額並增加廣告主收入，需要藉助人工智慧引擎和機器學習算法對廣告主提供的廣告創意進行訓練學習，洞察不同創意的受眾特點，同時對潛在購買受眾的需求進行挖掘分析，了解具備哪些特徵的廣告拍賣請求更適合廣告買家，對兩類不同的需求數據進行智能匹配與精準推送，以提升交易成功率。在廣告拍賣請求數量基本不變的前提下，通過應用人工智慧等技術，廣告主利潤比原來普遍提升了3-6倍。
商業智能應用場景之零售電商
融合進零售電商的經營管理環節，提高獲客與轉化
隨著經濟快速發展和居民收入的不斷增加，我國社會消費品零售總額與網絡零售額呈現整體上升趨勢。網際網路巨頭依靠流量紅利布局建設網上電商平臺，經歷了前期快速發展階段後，如今面臨獲客成本增加、同質化競爭加劇以及新物種零售形式的擠壓等問題，通過引進人工智慧等技術，一方面可以根據用戶購買特徵行為數據，提供個性化的精準商品推送，另一方面優化營銷推廣渠道，實現高效、低成本獲取曝光與客流，結合智能實時定價策略進行銷售優化；傳統的線下零售巨頭受限於成本及渠道把控，以及對客戶需求不能有效洞察的傳統弊端，也在積極推進智能升級，線下商家利用人臉識別技術，可以識別門店客流、記錄會員消費信息、並提供大數據經營分析打通線上線下一體的零售網絡。商業智能喚醒的新興玩法將進一步釋放消費能力，推動建立智能、便捷、無感的新零售生態。
商業智能場景應用之交通出行
重塑交通各參與方融合關係，逐步實現全智慧交通出行
隨著國民經濟的高速發展和城市化進程的加快，公眾出行需求逐步提升，與之帶來的地面交通擁堵、機場車站人流密集、公共運輸場站安全等問題層出不窮。人工智慧、大數據、雲計算等技術的崛起，正在重塑人、車、路之間的融合關係，強大的計算力與海量的高價值數據是構成多維度協同出行生態的核心力量。從應用場景來看，基於大數據技術和人工智慧技術，現階段商業智能主要應用於交通信號燈管理、高精地圖導航、機位調度、自動駕駛、公共運輸系統優化、停車位動態規劃管理等方向，未來將形成實體道路與虛體網絡的統一融合，建設具備統一數據接口的城市「交通大腦」，實現「以人為本」的全智慧交通系統。
商業智能應用場景之輔助診療
加速藥物發現，輔助臨床診斷，優化就診流程
傳統意義上醫療健康公共服務性質較強，由於智能化技術對醫療健康環節效率提升較為典型，故納入本報告的討論範圍。智能化技術的應用主要有：醫學藥物研發、智能臨床輔助決策、病例語音錄入及結構化、醫學影像分析等。醫學藥物研發方面，新藥研發平均總耗時10-15年，花費80億元，新藥研發周期長、成本高、失敗率高等特點促使人工智慧等技術開始被藥企接受，深入臨床前及臨床研究階段。診療方面，根據中國國家統計局的數據顯示，從2010年到2017年中國的診療人次從58.4億人次上升至81.8億人次，人均就診次數從4.4次上升至5.9次，隨著現代工作壓力增大以及不良生活習慣的影響，糖尿病、高血壓等慢性病發病率也在不斷上升，目前醫療機構的醫生存在嚴重不足的情況，以科技補人才需求突出，醫學結構化與大型醫學知識圖譜的建立，對輔助診療有重大意義，病例語音錄入、醫學影像分析等也在優化就診流程、提高問診效率方面有著突出作用。
商業智能場景應用之客戶服務
解決傳統客服行業核心痛點，提升前端後臺服務效率
客戶服務作為各類商業場景搭建實現過程的重要環節，是維繫企業與客戶之間連接關係的重要載體，對企業產品/服務銷售、市場拓展、品牌影響力等方面具有深度影響。傳統客服方式存在人員培訓及留存成本高、質量效果把控難度大、售前轉化率較低等共性問題，一定程度上制約了企業的經營效率改善與利潤提升。智能客服系統可根據行業知識和企業業務搭建專業知識庫，通過構建開放式問答及交互式對話技能，對客戶提出的諮詢問題快速輸出匹配答案。此外，智能客服產品的後臺管理系統可有效代替傳統人工抽檢，解決抽檢覆蓋率低、檢驗標準存在差異、非實時被動響應等問題。目前金融、電商、教育等領域企業用戶對智能客服系統接受度較高，標準化產品體系建設相對成熟。
商業智能趨勢展望
產業網際網路的興起將加速商業智能模式裂變
以信息傳遞、流量分發和注重用戶體驗為主的網際網路上半場已接近尾聲，被稱之為「網際網路下半場」的產業網際網路興起之勢已不可阻擋。在逐步滲透打通各傳統產業內外部連接、實現新舊動能有效轉化的基礎上，產業網際網路會重建流量、科技、場景之間的共生關係，創造新型的商業發展生態。圍繞數據資產的有效變現，產業網際網路產生的豐富價值流量會持續為以「數據-算法-智能」為主線的商業智能應用路徑注入海量數據，並憑藉對傳統產業鏈改造升級能力催生出商業智能更多應用場景與想像空間，加速商業模式創新與商業邏輯重構。
網際網路巨頭、科技公司與商業企業合作共建生態
隨著人工智慧技術的不斷縱深發展，與傳統商業領域融合程度持續加深，科技公司與網際網路技術服務商已從原有的「賦能者」角色逐漸向「合作夥伴」角色轉換。未來，商業智能企業所需要建設的能力不再是單點的垂直領域解決方案服務，而是希望基於對本領域賽道充分理解認知的基礎上，實現對企業全業務流程服務能力以及跨場景生態拉通格局。為實現此目標，需要網際網路巨頭髮揮流量優勢與生態建設力，人工智慧技術提供方打通技術開發到場景落地的應用路徑，傳統商業公司輸入行業認知並思考模式創新方向，三方合力共建商業智能穩固生態圈。
個人數據監管不斷趨嚴帶來新的發展機遇與挑戰
當前，大多商業場景都會產出與個人用戶直接相關的核心敏感數據。針對個人數據的收集、存儲與分析在為商業智能帶來決策價值的同時，也會引發一系列隱私洩露風險與道德危機。為有效保護個人數據信息，全球各國密集出臺以GDPR為代表的各類信息保護法規及條例，對技術公司收集使用個人用戶信息進行較為嚴格的限制，一定程度上影響商業智能技術提供方的數據標註與算法模型訓練。監管永遠是一把雙刃劍，在為技術創新帶來外部限制的另一面，是激發技術企業形成「帶著枷鎖跳舞」的能力，通過算法迭代與產品測試流程創新減少對訓練數據的依賴程度，通過儘可能小的數據樣本完成模型訓練與測試驗證流程。
（文章來源：格隆匯）