发布时间: 2024-02-13 15:55:30 | 作者: 高校/中小学
数据智能是一个新兴的概念,它涉及多个学科和技术领域,如大数据、数据挖掘、机器学习、深度学习、人机交互、可视化等。数据智能的目标是从海量的数据中提取有价值的信息和知识,使数据具有“智能”,并为基于数据的决策或任务提供有效的智能支持。
数据、算法、模型和场景是数据智能实现的四大要素。其中,数据是数据智能的基础,它包括企业内部的业务数据、外部的社会化数据等;算法是数据智能的核心,它包括大规模数据处理、数据挖掘、机器学习、深度学习等技术;模型是数据智能的结果,它包括业务场景分析与决策模型、智能算法服务、专家模型等;场景则是数据智能的应用,它包括各行各业的业务需求与问题的解决方案。
因此,以数据为基础,通过算法构建数据分析模型,进而帮企业实现业务场景的智能决策,是数据智能的核心。数据智能与其他一些数据相关的概念有一定的联系和区别,主要包括:
- 数据分析:数据分析是利用统计学和数学方法对历史数据做多元化的分析和预测,从而为决策提供相关依据。数据智能则是利用人工智能技术对实时或近实时的数据来进行处理和挖掘,从而为决策提供指导和建议。
- 数据治理:数据治理是指对企业的数据来进行规范化定义、组织管理和质量控制,以提升数据的透明度、可信度和安全性。数据治理是实现数据智能的前提和保障,而数据智能则是利用好治理后的数据,为企业创造价值。
- 人工智能:AI是指让计算机具有类似或超越人类的智能行为的技术。AI是实现数据智能的重要手段,而数据智能则是AI在特定领域和场景中的应用。
可以看到,在数字化、智能化的商业大环境下,企业的转型升级,更需要从数据要素出发,坚定的拥抱数据智能,让技术更好地与企业的核心业务、关键应用相融合。作为国内领先的企业数智化服务商,用友在数据智能领域持续深耕,核心产品用友BIP,为公司可以提供了数据中台和智能中台的服务。前者提供了数据治理、数据移动、数据资产、数据工场及智能分析等能力,支持企业应用系统形成全面的数据服务体系,使能公司运营与管理从流程驱动向数据驱动进化;后者则形成了RPA、VPA、智能大搜、规则引擎、知识图谱、AI工作坊等多项智能化能力,并提供企业画像、人才画像、商机推荐、供应商推荐等智能服务,在财务、人力、采购、制造、营销等业务领域,建立起了100多个数智员工技能、超过1000个开箱即用机器人、1000余个AI智能场景。
举例来说,某食品公司在转型升级过程中,存在“数据作业方式原始、系统能力不全、数据应用能力弱、存在数据孤岛”等问题,希望能够通过数据中台的建设,实现数据智能,赋能企业未来的发展。用友帮助其汇集大量企业内部及社会层面的数据资源,整理形成数据资源目录,梳理数据的字段结构、数据字典等多项内容,完成了多个业务系统的数据全部入湖,入湖数据自动汇总,自动计算,实现“业务在线,结算在线,分析在线”的建设目标。
目前,该公司65套报表已经全集团上线,并推广到全国各分子公司。解决了实际业务中跨平台手工报表工作量大、耗时时间长、报表内容失真的问题,报表数据更及时更准确,为管理和业务人员的决策提供了重要支撑。
再以某国企为例,通过主数据治理,用友帮企业赋能风控体系。在进行主数据管理的过程中,某国企由于缺乏统一的主数据管理平台,在下发、数据交换、管理维护等方面存在很大不便。用友通过构建其主数据治理平台,精确了元数据定义,建立全局性主数据标准规范和数据集合,建立了统一的客商管理标准,统一信息采集入口,沉淀客商核心业务数据,打破企业内部的信息孤岛。
目前,该企业的数据智能以客商数据为核心,通过引入多方外部社会化数据源,设置自动纠错机制,扩展客商信息采集流程,融合企业内部客商经营信息,沉淀客商数据资源池,建立客商画像,为企业的业务经营和风控体系,建立了可靠的数据屏障。
数据智能是一个跨学科的研究领域,也是一个持续不断的发展和创新的领域,它要一直地与实际业务场景相结合,不断地与新兴的技术和方法相融合,不断地与用户的需求和反馈相沟通,以实现更高层次的数据价值和业务价值。