2019中国商业智能研究报告,开篇摘要 概念界定：区别于传统商业智能，现阶段商业智能通过将人工智能核心技术与大数据、机器人流程自动化（RPA）、运筹学等技术相结合，促进商业中各领域在产品创新与服务升级等方面实现转型升级。 政策环境：美国、英国、欧盟等国家或地区的政策倾向于鼓励企业采用人工智能等新兴技术，但并未明确引导,行业概述应用场景趋势展望,方向及发展领域。对比而言，国内政策更加落地，指明技术与场景落位方向。 技术关系：人工智能与大数据、RPA以及运筹学共同为商业智能行业的转型升级提供技术支撑，大数据提供基础资源，RPA应用于多数流程性领域，运筹学发掘资源潜力并进行统筹规划，而人工智能是商业场景实现智能化的核心驱动因素。 价值方向：技术发展驱动商业智能行业发展转型，聚焦商业企业核心发展痛点，技术提供方应更加深入理解场景与业务属性，选择合理技术组合以增加商业环节落地应用价值。 场景梳理：总结梳理金融风控、物流管理、广告营销、零售电商、交通出行、医疗健康、客户服务、在线教育等8个典型商业智能应用场景。 场景解读：从赛道规模、落地形式、典型案例、应用前景等维度，分析解读8个商业智能应用场景的发展现状与增长潜力。 产业互联网驱动：产业互联网会重建流量、科技、场景之间的共生关系，创造新型的商业发展生态。同时，产业互联网会在流量端与应用场景侧为商业智能模式创新带来机会。 未来市场格局：互联网巨头、人工智能技术公司与商业公司将基于各自在流量、技术落地与行业认知方面的优势三方合力，共建商业智能全新发展生态。 个人数据监管影响：以GDPR为代表的个人数据保护法规虽一定程度限制了技术公司模型训练所获取的数据集来源，但也激发技术公司迭代并创新算法以减少采集个人信息用于技术开发的依赖程度。,1234,商业智能概述商业智能概念界定商业智能发展阶段全球视角下的商业智能政策环境商业智能与大数据商业智能与人工智能技术商业智能与机器人流程自动化（RPA）商业智能与运筹学商业智能产业链商业智能产业图谱商业智能行业投融资情况商业智能价值体现与效果提升商业智能未来方向商业智能典型应用场景商业智能典型公司案例商业智能趋势展望,商业智能概念界定新型商业智能定位于通过核心技术对商业活动环节赋能服务传统商业智能（ Business Intelligence ）是基于数据仓库、数据挖掘等大数据技术进行数据抽取、展示与分析，从而为企业实现商业价值提供支撑。认为新型商业智能（Business + Artificial Intelligence）是在基于数据维度进行商业分析的层面之上，通过将人工智能核心技术（机器学习、计算机视觉、自然语言处理、智能语音交互、知识图谱）与大数据、机器人流程自动化（RPA）、运筹学等技术相结合，围绕商业活动中各典型关键环节进行洞察分析，并通过完整的解决方案级应用，推动产品创新与服务升级。本报告围绕上述界定的商业智能特征展开研究分析，描绘新型商业智能的应用现状、典型玩家布局及未来发展前景。新型商业智能概念及延伸,概述,新型商业智能延伸,传统商业智能,风控、物流、营销、零售、交通、诊疗、客服等场景环节应用人工智能、大数据、RPA、运筹学等核心技术,企业内部数据结构化数据,企业外部数据非结构化数据,ETL抽取转换装载,数据仓库,数据挖掘OLAP,可视化分析结果,商业智能发展阶段新型商业智能已向多维决策智能阶段转变围绕数据分析与智能化技术的不断迭代创新，商业智能至今共经历四次变革，实现由传统商业智能向新型商业智能的转变过程。商业智能初期阶段用户主要集中于大型企业，产品智能化程度低且部署成本高。随着基础设施建设的日益完善与可视化产品的出现，大量国内外商业智能厂商涌现并迅速发展，推动商业智能技术普及应用。2016年开始，大数据、人工智能、云服务技术的革新发展推动浅层决策智能走向成熟，云端部署能力则吸引更多的中小企业用户，新型商业智能时代逐步开启。现阶段新型商业智能已进入快速成长期，技术融合有效增进了产品的多维智能决策能力，在不断优化解决方案能,力的同时可有效降低应用成本。,概述,商业智能发展阶段,商业智能初期阶段（2005-2013）,企业上线适应自身业务的应用系统，类似于ERP、CRM、OA、HIS等。市场仍主要被SAP 、 Oracle 、 IBM等老牌巨头占领。主要用户群体集中于大型企业，且相对封闭。,可视化数据分析阶段（2013-2016）,可视化数据分析产品出现，企业项目中原有的商业智能初期产品逐步下线，此消彼长，可视化的数据分析产品集中进入市场，国内外厂商处于快速成长期。同时，随着IT基础设施逐步完善，更多企业用户拥抱商业智能。,大数据、人工智能技术的发展支持商业智能进入数据挖掘的浅层决策智能阶段。云服务的普及推广支持商业智能解决方案的云端部署，吸引更多的中小企业用户。行业进入新型商业智能阶段。,多维决策智能阶段（2018-至今）,伴随2018年人工智能技术的全面商业化落地，集合AI、大数据、云服务、RPA、运筹学等技术的新型商业智能开始为企业客户提供多维决策的智能服务。融合技术、打磨场景、优化解决方案的部署成本是现阶,段商业智能企业的发展重点。,传统商业智能,浅层决策智能阶段（2016-2018）新型商业智能,全球视角下的商业智能政策环境中国的政策更加注重推动技术在重点领域实现应用落地依据本报告的主要研究范畴，通过对世界主要国家或地区已经颁布的人工智能相关政策进行梳理，发现多项政策均有涉及到推进AI技术在商业领域实现落地的内容。其中美国、英国、欧盟等国家或地区的政策倾向于鼓励企业逐步采用AI技术，但并未说明具体涉及的领域。相比而言中国出台的政策则更为具体，指出了技术重点落地的一些领域，注重人工智能与传,统产业的深度融合。,概述,2019年2月美国总统特朗普签署行政命令维护美国人工智能领导地位制定适当的技术标准，减少对人工智能技术进行安全测试和部署的障碍，以便创造新的人工智能相关产业，并使当前的产业应用人工智能技术,世界主要国家或地区商业智能政策环境2018年4月欧盟人工智能通讯帮助所有技术潜在用户（特别是中小型企业），鼓励企业相关部门逐步采用AI技术。欧盟将支持一项名为“AI-on-demand platform”项目，其将会为欧盟区域内的所有潜在技术用户提供服务和支持,2017年7月中国新一代人工智能发展规划推动人工智能与各行业融合创新，在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范，推动人工智能规模化应用，全面提升产业发展智能化水平,2018年6月印度国家人工智能战略鼓励在产业界、学术界、贸易主体和风险投资主体之间密切合作推进“AI+X”模式更好的实现落地,2018年4月英国人工智能行业新政建立一个包含来自产业界和学术界知名人士以及部长级官员的人工智能委员会。同时政府将会与新建立的人工智能委员会密切合作，通过扩大出口和投资去支持英国的AI产业发展,商业智能与大数据大数据为商业实现智能化奠定坚实基础在数字化、信息化推动社会快速发展的时代，各行业都积累了海量的数据资源。据IDC估算，到2025年全球数据总量将达到163ZB，相当于2016年所产生数据量的十倍。IDC的一项调查显示企业中80%的数据是非结构化数据，由于非结构化数据的格式和标准不一，如何有效的利用这些资源为企业经营决策提供更多价值就成为了关注的焦点。大数据相关技术可以通过数据采集、数据存储、数据分析和数据应用等环节对不同来源、不同类型的数据进行处理，有效的解决数据处理方面的问题，同时伴随机器学习等人工智能技术的引入，大幅提升了企业对于数据的处理效率与分析能力。,业,大数据相关技术流程,2010-2025年全球数据量增长情况,商概述,数据源数据采集数据存储数据分析数据应用,系统日志采集、网络数据采集、流数据实时采集、结构化/非结构化数据非实时采集数据挖掘、模式识别机器学习、回归分析统计分析、并行处理,结构化数据:RDBMS、ERP、CRM非结构化数据:文本、图像、音频数据集市、Hadoop平台、数据仓库、元数据库决策支持、资源共享媒体监控、视频搜索关联分析、行为分析,22010,82015,1632025e,442020e数据量（ZB）,机器学习,Machine,深度学习,深度学习与智能语音关联,例如：基于深度神经网络-隐,马尔可夫模型，可利用语音特,征上下文信息学习非线性更高,层次的特征表达,商业应用举例,商业应用举例,商业应用举例,人脸识别等视觉相关技术目前,医疗领域利用语音识别技术将,已广泛应用于交通、金融、医,医生口述病情信息快速转写为,疗等领域，显著提升乘客过,病历；教育领域使用语音评测,检、身份验证、医疗辅助诊断,技术实现人机交互教学,等场景服务效能,商业智能与人工智能技术以机器学习技术为核心，人工智能助力商业实现转型升级机器学习（含深度学习）技术作为人工智能的核心，近年来实现多方面的突破，如卷积神经网络、长短期记忆网络等多种机器学习/深度学习算法已经与自然语言处理、智能语音、知识图谱、计算机视觉等技术紧密结合，提升人工智能技术整体的应用效果。目前以机器学习为代表的人工智能技术在商业各领域（如金融、医疗、客服、零售等）实现了广泛应用，进一步降低企业经营成本，提升应用效能，提高终端消费者的体验，最终实现商业各领域的转型升级。人工智能核心技术及主要应用,概述,自然语言处理NaturalLanguageProcessing智能语音IntelligentSpeech,知识图谱KnowledgeGraph计算机视觉ComputerVision,深度学习与计算机视觉关联Deep 例如：深度卷积神经网络为显著提高处理视觉任务的精度,商业应用举例 商业应用举例智能客服领域利用机器阅读文本来回复 营销领域通过连接多个数据源，形成对客户问题；办公领域利用机器阅读理解 用户群体的完整描述；金融风控领域对技术进行邮件或文档处理 信息一致性进行验证从而识别欺诈风险机器学习与自然语言处理关联 机器学习与知识图谱关联例如：预训练神经网络，采用 例如：采用机器学习方法机器学习中的长短期记忆网络 Learning 从多源异构数据源中进行进行建模，阅读理解等任务效 事实型知识学习果显著提升Learning 代表的深度学习视觉模型，金融领域利用机器学习算法根据客户属性自动调整投资组合；医疗领域通过深度学习相关算法能力进行眼底疾病筛查,商业智能与机器人流程自动化（RPA）机器人流程自动化减少重复性工作，有效提升企业效能机器人流程自动化（Robotic Process Automation）主要是通过软件机器人自动处理企业内部基于规则且大量重复性的工作流程任务。应用了该技术之后企业可以解放内部从事大量重复工作的劳动力，将员工分配到拥有更高附加值的任务之中，并且通过自动化处理实现24小时连续运行，进一步提升业务处理的效率。目前机器人流程自动化技术已广泛运用到如财务、会计、采购、人力资源、客户服务等多个通用的职能领域，在金融、医疗、零售等行业的一些流程中实现了落地。当前机器人流程自动化与人工智能的OCR识别、自然语言处理等技术有机结合，进一步提升业务处理效能，逐步向认知流,程自动化方向发展。,机器人流程自动化（RPA）的相关应用与商业价值,概述,机器人流程自动化与人工智能技术相结合解决日常业务痛点,RPA AI通过自动化软件技术模 机器学习拟工作流程实现操作 自然语言处理（模拟员工输入信息、 OCR识别数据查询和计算等），主要环节无需人工干预RPA安小蜂技术方案财务发票开具流程发票拆单校对发票信息收集客户信息开票信息录入发票打印,解决主要痛点日常操作性事务单一重复时效无法保证，效率低下无法避免错误或遗漏，合规方面受到挑战耗费人力成本，无法集中精力处理复杂事项,财务,人力资源,风险合规,采购,客户服务,机器人流程自动化的商业价值,100% 80%操作实现 业务操作零错误率 时间减少,40%生产效率提升,监督学习,无监督学习,强化学习,决策树,商业智能与运筹学商业实现智能化得益于运筹学与人工智能技术有机结合运筹学（Operations Research）在商业智能化的过程中起到重要作用，其主要侧重从管理的角度来实现最优决策。具体而言通过挖掘各种有限的资源，发现其中所蕴含的规律，提出相应的求解方法，从而利用有限的资源实现企业效益的最大化。运筹学目前主要通过线性规划、排队论、图论等多种模型在物流配送、库存管理、市场营销等领域有广泛应用。在运筹学理论在商业场景的实践过程中， 人工智能技术（尤其是机器学习）的引入使得运筹学在需求管理、规律性分析上具有更佳的量化表现。因此，运筹学与人工智能相结合可以发挥各自的优势共同为商业智能化赋能。运筹学与人工智能技术关系图,概述,运筹学（管理角度）Operational Research,人工智能（技术角度）Artificial Intelligence,核心问题为管理层提供最优决策，以最少投入获得最大效益，提升经营效率，降低综合成本。,模型求解,运筹学研究步骤：问题 模型描述 建立运筹学分支：线性规划 非线性规划系统论 整数规划运筹学应用领域：人事管理物流配送车辆调度项目评价,结果分析排队论网络规划库存管理厂址定位,管理决策图论市场营销,随机森林支持向量机K-均值聚类机器学习 朴素贝叶斯深度学习 长短期记忆网络迁移学习 知识图谱逻辑回归 神经网络,概述,芯片,基础设施网络通信,云计算,IT系统,基础设施与数据服务企业信息化系统ERP CRM,HCM,OA,数据存储,数据分析,金融风控,物流管理,广告营销,商业领域技术赋能各场景解决方案提供商零售电商 交通出行,辅助诊疗,客户服务,商业智能产业链主要技术提供方集中于产业链中游提供商业赋能服务新型商业智能侧重于智能技术在商业场景和典型环节中的渗透应用，在产业链的中游解决方案提供商环节集聚了大量垂直领域的技术赋能型公司。同时，大多由互联网科技巨头领导布局的商业智能技术平台也可以充当产业链中游角色，为各商业场景/环节提供赋能效果。在产业链上游，传统IT厂商、云服务厂商、大数据平台服务商可为产业链中游技术提供者赋予计算、存储等基础设施支持， ERP、CRM等企业信息系统可帮助企业有效记录其资源及业务数据。2019年商业智能产业链技术使用者及客户,金融机构,电商平台,线下零售,医疗机构,交通服务,监管机构,企业服务,体系架构,应用场景,商业智能技术平台,大数据平台数据库 数据挖掘,商业智能产业图谱2019年中国商业智能产业图谱,IT系统提供商,基础设施层软硬件、信息化平台、大数据服务提供商,金融风控,技术赋能层算法、产品及解决方案提供商,企业信息化系统,云计算网络通信运营商,客户服务,辅助诊疗,零售电商技术平台层,交通出行,概述,广告营销物流管理,应用层技术使用者,金融机构,电商平台,线下零售,医疗机构,交通服务,影视娱乐,监管机构,企业服务,大数据平台,芯片芯片设计集成,AI赋能,商业智能行业投融资情况（1/2）近年来投资节奏明显加快，以早期融资为主随着人工智能技术与商业场景融合发展进程的加快，该领域内的资本关注度随之增高，投资事件密集发生。2014年至2018年，商业智能领域累计发生融资事件100起，2018年最多达到57起，预计未来将保持稳定增长态势。从融资轮次来看，早期发展阶段的商业智能创业公司受关注较多，主要集中于A轮和天使轮，占比分别达到29%和19%。,业,2014-2018年中国商业智能行业融资轮次分布,2014-2018年中国商业智能行业融资事件数量,商概述,1,7,16,19,57,2014,2015,2016,2017,2018,融资事件（个）,4,33,4,6,1010,12,19,29,其它,D轮C轮B+轮A+轮,A轮天使轮Pre-A轮战略投资B轮,融资事件（个）,商业智能行业投融资情况（2/2）客户服务最受追捧，诊疗、零售与交通等领域齐头并进总体而言，商业智能行业投融资领域分布比较均匀，大部分应用场景均存在资本进入与发展空间。随着近年来语音机器人、外呼中心、自动工单管理等智能客服场景的快速发展与普及，智能客服赛道竞争日趋激烈，丰富的场景经验累积与良好的商业模式吸引了众多投资方关注。无论是从商业智能被投企业维度还是融资事件维度，客户服务类占比均最大，预计未来还将保持一定行业热度。此外，与公众生活密切相关的辅助诊疗、零售电商以及交通出行等领域也受到不同程度的重点关注。,业,商概述,金融风控 14%,广告营销 5%,客户服务 24%,零售电商 19%,交通出行 16%,2014-2018年中国商业智能行业投融资领域分布（企业维度）物流管理 2%,金融风控13%,广告营销 6%,客户服务 22%,辅助诊疗 20%辅助诊疗 20%,零售电商 18%,交通出行 20%,2014-2018年中国商业智能行业投融资领域分布（事件维度）物流管理 1%,商业智能价值体现与效果提升围绕企业运营需求痛点进行技术革新，提升落地应用价值新型商业智能基于多维度核心技术能力，旨在高效解决企业经营过程中面临的人力资本持续上涨、业务流程优化、需求响应速率要求、打通信息孤岛释放数据价值等企业运营痛点，以达到敏捷化、可视化、场景化及预测化的数据分析效果提升。依托数据挖掘、机器学习、流程自动化能力，技术提供方可以针对商业企业主营业务场景进行整体解决方案打包服务，对企业经营业务流程进行优化管理，聚焦商业活动需求进行预测性分析，辅助商业决策制定，以达到降本增效效果，提升商业环节的落地应用价值。商业智能核心价值与效果提升,概述,业务流程优化需求响应速率要求释放数据价值,需求痛点人力成本持续上涨,技术革新人工智能技术,大数据RPA运筹学,核心价值敏捷化：极简部署 自助分析,可视化：数据探索及展示场景化：聚焦业务场景预测化：机器洞察 智能洞察,数据驱动决策,企业运营过程,概述,商业智能未来方向对业务场景的逐步理解深入将推进技术落地及产业升级技术发展不断驱动商业智能行业发展转型，但在企业内部实践中, 对具体业务场景的理解、对实际问题的界定与采用何种模型或算法同等重要。对业务场景的深入理解在很大程度上决定了技术是否能够有效降低企业运营成本或帮助相关业务增加收入，这是技术能够落地、产业得以升级的关键。伴随着新型商业智能在多行业领域的实践应用，解决方案提供商逐步积累对细分应用场景的洞察，深入理解业务痛点，选择合理技术组合不断完善行业解决方案。理解场景是解决方案应用创建的前提,杂但值得探索的难题。,理解场景即便有针对特定业务场景的成熟模型，现实世界仍不断有创新模式、新业务场景的出现。因此，技术人员需要在业务人员的辅助下，补充相关领域知识。,界定问题对问题做出正确的界定是解决问题的基础,，这既需要对具体业务有所理解，提出可量化的关键指标，也需对技术的能力与边界有清晰认知。,择优技术多学科思想交融，也表现在人工智能各分支上，如机器学习、知识图谱、自然语言处理等技术的融合。如何让各算法相融并在不大幅降低效率的前提下提升通用性，仍是一个复,落地效果业务实际运转中有太多无法估量的因素和不确定性，所得解往往仅是所用模型的最优解，但重点在于相比以前是否降低成本、提升效率。,1234,商业智能概述商业智能典型应用场景商业智能应用场景之金融风控商业智能应用场景之物流管理商业智能应用场景之广告营销商业智能应用场景之零售电商商业智能应用场景之交通出行商业智能应用场景之辅助诊疗商业智能应用场景之客户服务商业智能典型公司案例商业智能趋势展望及投资建议,20254,4929,商业智能应用场景之金融风控智能技术成为金融机构提升风险管控能力的重要手段近八年来商业银行不良贷款余额及不良贷款率均呈现明显上升趋势，究其原因在于传统金融机构对系统和流程建设的重视程度不够，监测违约风险的能力不足，在风险管控上面临诸多挑战。在当前国家监管日益趋严的环境下，以机器学习、知识图谱、自然语言处理以及生物识别为代表的人工智能技术在金融风控领域应用的需求也明显增加。越来越多的金融机构与科技公司加强合作，借助科技的力量增强自身风控实力，例如以金融壹账通为代表的金融科技公司利用多种技术手段降低商业银行在信贷过程中面临的各类欺诈风险，帮助金融机构进一步降低不良贷款水平提升抗风险能力。,业,商场景,机器学习知识图谱,生物识别,金融风控领域商业智能相关应用及案例针对特定欺诈信息进行有效识别，进行拦截和风险提示自然语言处理通过建立模型预测数据集中的欺诈风险或异常情况,汇聚不同类型数据，有效分析复杂业务关系中的潜在风险,事前识别客户身份，降低盗刷等方面风险,金融壹账通是平安集团旗下的金融科技公司，于2018年初完成A轮融资，投后估值75亿美金。目前已为国内590家银行、72家保险公司、2627家非银金融机构提供金融科技服务。2018年6月，金融壹账通与华夏银行天津分行达成战略合作。金融壹账通运用自主研发的智能风控、人脸识别等技术为华夏银行天津分行搭建贷款业务合作平台，协助该行进一步控制租车分期零售贷款业务的发展，协助银行控制风险，进一步拓宽获客渠道。,8426,12744,15122,17057,1.25%1.00% 0.95% 1.00%,2011年12月-2018年12月中国商业银行不良贷款余额及不良贷款率1.74% 1.74% 1.83%1.67%,592142792011.122012.122013.122014.122015.122016.122017.122018.12不良贷款余额（亿元） 不良贷款率（%）,商业智能场景应用之物流管理重塑物流行业资源规划系统，加速柔性供应链管理的实现传统物流行业重度依赖人工为主的资源规划系统，服务种类单一且网络化水平较低，流通时间大多耗费在仓储环节，导致成本高企且效率低下。得益于供应链生产的海量实时数据，人工智能技术可以较好地与传统物流行业结合，助力物流企业实现数字化转型：在网络预测、风险控制及路径规划等后台业务方面，深度学习算法可以基于优化模型对策略进行动态规划，根据输入变量变化情况做出适时响应调整，并做出一定程度的预测推断；在仓储分拣等前台环节，计算机视觉、机器学习等技术可以帮助物流企业自动识别筛查货物分类及状态，实现便捷管理库存、自动补货等应用。商业智能在物流领域的应用,物流网络预测管理 通过深度学习算法建模，对区域内物流网点、线路、运力、人力投入进行规划预测 动态识别天气、运营条件、运输状态等变量变化情况，分析调整物流策略,风险控制预测 针对自然灾害、突发性事件等不可抗因素与材料短缺、运力不足等常规性风险进行识别规划 通过NLP技术检测分析供应链相关数据与供应商对话内容，为,采购经理提供实时风险预警信息,智能路径规划 利用数字卫星、高清地图、交通流量检测等数据来源作为路径规划输入的初始变量 通过算法进行最优路径规划，动态调整运输线路与运输流程,业,商场景,分类与库存优化 计算机视觉、机器学习技术可以有效进行货物分类、检测物流商品损坏类型及程度，便捷管理库存、对易损物品进行预包装、基于缺货/货物堆积带来的成本情况设计补货方案,商业智能场景应用之广告营销机器学习分析供给需求两侧行为数据进行智能撮合在广告营销领域，潜在购买受众出于流量处理能力的考虑，无法承担过多次数的广告拍卖请求。在此限制基础上，若要提高广告交易额并增加广告主收入，需要借助人工智能引擎和机器学习算法对广告主提供的广告创意进行训练学习，洞察不同创意的受众特点，同时对潜在购买受众的需求进行挖掘分析，了解具备哪些特征的广告拍卖请求更适合广告买家，对两类不同的需求数据进行智能匹配与精准推送，以提升交易成功率。在广告拍卖请求数量基本不变的前提下，通过应用人工智能等技术，广告主利润比原来普遍提升了3-6倍。智能化广告营销实现流程,广告主,广告创意A,购买受众3,广告创意A,广告创意B,广告创意C,购买受众1,购买受众2,购买受众3,实时交易投放平台,广告创意投放,购买用户集聚,机器学习广告拍卖数据进行智能筛选,机器学习用户竞价,行为进行智能推荐,交易收入,服务费用,业,商场景,商业智能应用场景之零售电商融合进零售电商的经营管理环节，提高获客与转化随着经济快速发展和居民收入的不断增加，我国社会消费品零售总额与网络零售额呈现整体上升趋势。互联网巨头依靠流量红利布局建设网上电商平台，经历了前期快速发展阶段后，如今面临获客成本增加、同质化竞争加剧以及新物种零售形式的挤压等问题，通过引进人工智能等技术，一方面可以根据用户购买特征行为数据，提供个性化的精准商品推送，另一方面优化营销推广渠道，实现高效、低成本获取曝光与客流，结合智能实时定价策略进行销售优化；传统的线下零售巨头受限于成本及渠道把控，以及对客户需求不能有效洞察的传统弊端，也在积极推进智能升级，线下商家利用人脸识别技术，可以识别门店客流、记录会员消费信息、并提供大数据经营分析打通线上线下一体的零售网络。商业智能唤醒的新兴玩法将进一步释放消费能力，推动建立智能、便捷、无感的新零售生态。,业,2014年-2018年社会消费品零售总额与网络零售额,计算机视觉技术根据货架缺货状态实时发出补货提醒，实现仓库,与货架商品数量的平衡,通过加持人脸识,别技术的智能摄像头，动态监控线下客流，评估预测最受欢迎的货品类型及品牌,零售电商领域的商业智能相关应用线上电商营销管理 线下门店经营优化,根据用户购买特征行为数据，提供个性化的精准商品推送,千人千面地优化营销推广渠道，,实现高效、低成,本获取曝光与客流针对消费者价格敏感度变化，形成差异定价、动态定价、组合定,价,27.19,30.09,33.23,36.63,38.10,2.792014,3.882015,5.162016,7.182017,9.012018,社会消费品零售总额（万亿元）,网络零售额（万亿元）,商场景,商业智能场景应用之交通出行重塑交通各参与方融合关系，逐步实现全智慧交通出行随着国民经济的高速发展和城市化进程的加快，公众出行需求逐步提升，与之带来的地面交通拥堵、机场车站人流密集、公共交通场站安全等问题层出不穷。人工智能、大数据、云计算等技术的崛起，正在重塑人、车、路之间的融合关系，强大的计算力与海量的高价值数据是构成多维度协同出行生态的核心力量。从应用场景来看，基于大数据技术和人工智能技术，现阶段商业智能主要应用于交通信号灯管理、高精地图导航、机位调度、自动驾驶、公共交通系统优化、停车位动态规划管理等方向，未来将形成实体道路与虚体网络的统一融合，建设具备统一数据接口的城市“交通大脑”，实现“以人为本”的全智慧交通系统。,交通信号灯管理 痛点：传统交通信号灯工作较为机械，控制也相对繁琐，数量巨大，管理成本高 解决方案：系统在大数据的基础上，对道路车流量、人流量、路况态势进行判断，智慧交通信号控制系统接入流量检测器、排队长度检测器、速度检测器等，对系统配时方案进行校正和验算使用效果：缓解交通拥挤、提高通行能力；减少交通事故，维护交通安全机场停机位调度优化 痛点：人工排班工作压力大、复杂度高 解决方案：将航班、机场以及天气等数据变量输入计算分析引擎中，通过特征工程、深度学习算法等输出最终排班计划 使用效果：减少人力成本支出，提升近机位率，改善特殊场景下排班效率问题,交通出行场景下典型AI解决方案应用高精地图导航 痛点：城市交通路况复杂，常规的地图导航不足以满足自动驾驶和相关精准化需求 解决方案：传统地图多依靠拓扑结构和传统数据库存储，在高精地图时代，为了提升存储效率和机器的可读性，地图在存储时被分为了矢量和对象层。 使用效果：随着定位精度迈进1m，甚至向厘米、毫米计算，对于智慧城市、智慧交通的影响将是革命性的自动驾驶 痛点：交通物流驾驶员人力成本较高，路线设定及驾驶标准难以统一 解决方案：为车辆加装激光雷达、摄像头及各类传感器，通过计算机视觉等技术感知道路及周围物体，控制车辆行驶状态并进行自动路径规划 使用效果：降低交通事故率与车辆运营成本,业,商场景,商业智能应用场景之辅助诊疗加速药物发现，辅助临床诊断，优化就诊流程传统意义上医疗健康公共服务性质较强，由于智能化技术对医疗健康环节效率提升较为典型，故纳入本报告的讨论范围。智能化技术的应用主要有：医学药物研发、智能临床辅助决策、病例语音录入及结构化、医学影像分析等。医学药物研发方面，新药研发平均总耗时10-15年，花费80亿元，新药研发周期长、成本高、失败率高等特点促使人工智能等技术开始被药企接受，深入临床前及临床研究阶段。诊疗方面，根据中国国家统计局的数据显示，从2010年到2017年中国的诊疗人次从58.4亿人次上升至81.8亿人次，人均就诊次数从4.4次上升至5.9次，随着现代工作压力增大以及不良生活习惯的影响，糖尿病、高血压等慢性病发病率也在不断上升，目前医疗机构的医生存在严重不足的情况，以科技补人才需求突出，医学结构化与大型医学知识图谱的建立，对辅助诊疗有重大意义，病例语音录入、医学影像分析等也在优化就诊流程、提,高问诊效率方面有着突出作用。2010-2017年中国诊疗人次及人均诊疗次数,智能化技术在诊疗领域应用案例,4.458.4,4.762.7,5.168.9,5.473.1,5.676.0,5.677.0,5.779.3,5.981.8,2010,2011,2012,2013,2014,2015,2016,