文 | 帆軟軟體副總裁楊揚

網際網路時代資訊科技的飛速發展讓資訊化成為企業的主旋律，而當下資訊化的熱詞非BI和AI莫屬。

BI是對現代技術的綜合運用，基於資料倉庫、ETL、資料視覺化等技術方法，為企業科學決策、發掘商業價值提供支撐，是企業資訊化的一個必然選擇。

AI則是以智慧化為目標，探究機器模擬人類的理論、方法和技術。作為時下最熱門的資訊科技，AI浪潮正在席捲人類生產生活的方方面面。

與此同時，不少人將視角轉向了AI與BI的結合。既然BI是運用技術輔助決策，那麼在BI中應用更加智慧的AI技術就應該能夠讓BI發揮出更大的作用和價值。

今年，企業級服務領域出現的數起重磅併購，6月初，在不到一週時間裡，BI與分析領域連續發生兩起重大收購，將“AI+BI”的概念推向高潮。

6月6日，谷歌斥資26億美元收購商業智慧軟體和大資料分析平臺Looker，收購完成後Looker將併入谷歌雲部門。這也是谷歌母公司Alphabet繼2014年用32億美元收購智慧家居公司Nest以來金額最大的收購案例，也是谷歌歷史上繼摩托羅拉（125億美元）、Nest（32億美元）以來的第三大收購案。

6月10日，Salesforce宣佈以157億美元的全股票交易收購Tableau，旨在夯實其自己在資料視覺化以及幫助企業解讀所使用和所積累的海量資料的其他工具方面的工作。

但是筆者認為，當前AI+BI的模式在中國仍是泡沫。接下來本文將圍繞AI、BI、AI+BI的概念及應用場景，詳細分析當前AI+BI模式在中國的應用壁壘。

1.什麼是AI

什麼是AI已經有很多討論，在此不再贅述。而談及AI的應用，則可以從技術和行業兩個層面來看。

技術層面主要有人臉識別、視網膜技術、無人車等計算機視覺相關應用；蘋果“Siri”和阿里“天貓精靈”等語音技術應用；谷歌的神經機器翻譯系統；還有“Deep Blue”和“AlphaGo”等決策系統。

上升到行業層面的話，像金融行業的風險監控、醫療行業的納米機器人、零售行業的零售機器人、安防領域的影象識別、電商行業的智慧客服等，都是當前相對成熟的應用場景。

2.什麼是BI

BI的概念相對來說不那麼普及。

BI，即Business Intelligence，中文稱為商業智慧。

1996年，Gartner集團正式將商業智慧定義為：一類由資料倉庫（或資料集市）、查詢報表、資料分析、資料探勘、資料備份和恢復等部分組成的、以幫助企業決策為目的的技術及其應用。

從概念誕生到現在的幾十年間，BI的價值和使命並未發生根本的變化，依然是將資料轉化為有用的資訊，讓企業的決策有數可依，變化的只是BI所使用的技術，而BI的發展也就是體現在技術上。

目前，BI的核心技術主要包括資料儲存、資料ETL、資料分析、資料探勘，以及資料視覺化分析。隨著資料量的激增和應用場景的複雜化，BI在技術上也有所補充，例如Hadoop和Hive等大資料技術的出現就很好的彌補了BI處理大資料的能力。

相應地，隨著技術發展和對使用者需求的響應，BI正在由傳統向自助發展。2013年以前屬於傳統BI階段，該階段的產品以IT為主導，在大資料量的處理上擁有較好的效能和穩定性，但是資料分析的能力和靈活性比較差。

2013年至今是自助型BI的高速發展期，也是傳統BI的衰退期。採購成本低、專案週期短，以及IT驅動向業務驅動的轉變讓敏捷型/自主型BI產品登上舞臺。由於各企業的資訊化水平參差不齊，因此兩個階段的BI產品並不是替代關係，他們將會長期共存，直到資訊化基礎條件發生根本的變化。

3.什麼是AI+BI？

顧名思義，AI+BI模式就是AI與BI相結合，這種新模式的出現主要有三個方面的原因。

（1）AI+BI模式具有很好的應用前景、價值和場景

從概念和理論上來說，AI+BI模式是有價值有前景的。AI與BI的區別在於BI負責梳理生產關係，AI是先進生產力。那麼AI+BI模式通過將AI嵌入BI，構建基於AI的BI平臺，利用AI的智慧讓BI系統能夠解決更復雜的業務場景，產出更精準的分析結果，從而使決策更為科學和準確。

從具體場景上來說，AI+BI的模式的確能讓一些BI場景更深入，產出更有價值的知識。

對於結構化的資料，BI系統可以應用一些準確度更高的機器學習演算法，得到更精確的分析結果。例如市場營銷，採用AI+BI模式就可以在使用者分群的基礎上，得到更精細的針對每個使用者的分析結果，從而給出更精準的個性化營銷方案。還有金融領域的風險監測，AI+BI的模式可以分析出金融風險和其他指標、行為之間的內在聯絡，預測更為準確。

對於非結構化的資料，BI可以應用影象處理、語音工程和文字分析等AI技術，智慧化地處理BI系統的複雜業務場景。例如AI+BI模式能夠通過語音技術錄入資料，控制駕駛艙和資料大屏的製作等。還有智慧客服系統，不需要手動收集客戶問題再分配人員解答，通過語義理解和自然語言處理等技術分析客戶問題，實現實時、自動回覆客戶。

（2）作為企業融資、炒作的噱頭

一種新模式的出現往往萬眾矚目，也讓不少企業藉此找到融資和炒作的噱頭。AI+BI模式在一定程度上也是被企業作為賣點來吸引投資人和客戶。像自然語言生成、增強資料發現等很多AI企業都還在探索的功能，一些BI企業卻宣稱已經實現，並在產品釋出現場通過前臺發言人講話，後臺人工控制的手段偽裝成通過語音技術實現了功能。

（3）研究諮詢機構的預測

AI+BI模式的出現也離不開一些研究諮詢機構的預測報告。

例如Gartner在2017年7月釋出的《Hype Cycle for Analytics and Business Intelligence, 2017》報告中就表明，未來的BI將以增強分析為主要著力點，增強資料發現、自然語言生成等技術將會在2-5年內達到高峰。值得注意的是，Gartner的預測偏向於整體的趨勢，然而不同國家、地區的BI發展不盡相同，如今這些技術仍處於發展階段，至少在我國是這樣。但是由於Gartner的行業領導地位，不少國內企業忽略了現狀，盲目地看好並炒熱了AI+BI這一模式。

圖1- Gartner 2017年分析和商業智慧炒作週期

4. 看似美好，實則泡沫

“泡沫”一詞常常被用來比喻某一事物所存在的表面上繁榮、興旺而實際上虛浮不實的成分。AI+BI的模式就是看似美好，實則泡沫。雖然AI+BI吸引了大量企業的關注，但是就“目前”和“中國”來說，AI+BI模式的可行性和應用能力仍然存在不少問題。

（1）AI和BI存在本質區別，BI擁有自己的發展路線，而AI目前並不是BI的核心功能

AI與BI存在本質上的區別，BI的目的是將資料轉化為知識來輔助決策，AI則追求以更智慧的演算法得到更精確的結果。BI的發展路線是以資料為基礎的，主要是資料的管理和分析。

雖然AI技術的範圍非常廣，但當前BI系統中真正能用上的無非是一些處理文字、影象等非結構化資料的AI技術。但是除了一些特定行業，大部分的企業很少會有文字處理和影象處理的需求，絕大多數BI系統需要處理的仍然是結構化的資料。

針對結構化的資料，AI與BI的交叉只在於機器學習和資料探勘，而且這種交叉也極小。AI的機器學習強調演算法，BI的資料探勘還包括對資料的管理，演算法選擇上也較為簡單，沒有神經網路和深度學習等複雜AI演算法。所以說，AI並不是BI的核心功能，AI+BI的模式當前無法成為BI市場的主流。

因此，筆者認為AI+BI的發展現狀和趨勢可以用下圖表示。當前在中國，AI與BI僅存在極小的重合部分，隨著AI技術和BI系統的不斷成熟，AI在BI中的應用將會越來越多，二者重合的部分也越來越多，但是因為它們存在本質上的區別，因此不會完全重合。預計在2025年左右，BI將開始邁入智慧化階段，到2030年，BI的智慧化也將進一步擴大。

圖2-AI+BI的發展現狀和趨勢

（2）AI技術並沒有完全成熟，在BI中的應用存在障礙

AI在現階段並沒有非常智慧，有不少技術仍然不成熟。根據Robert Sternberg的智力三因素理論，智力分為成分智力、經驗智力和情境智力。人工智慧要做到智慧化，就需要在這三個方面都有很好的發展，然而目前的機器學習、深度學習等，更多的是經驗智力，在成分智力和情境智力上還有非常大的差距。

哈佛大學著名的心理學家Howard Gardner創立了多元智慧理論，將人類智慧細分為邏輯、語言文字、空間、音樂、肢體運作、內省、人際關係、自然探索、圖形影象理解九個方面的能力。從多元智慧理論來看，人工智慧現在也還是遠遠不行。另外，Gartner 2018年8月釋出的《Hype Cycle for Emerging Technologies, 2018》表明，知識圖譜、智慧工作空間、智慧機器人、對話式AI平臺等智慧技術，預計還要5-10年才能達到高峰。

圖3- Gartner 2018年新興技術炒作週期

那麼對於BI來說，應用不成熟的AI技術反而可能會帶來一定的消極影響。

例如前面提到的個性化營銷，如果企業有10000個使用者，每個使用者都有不同的方案，那就是10000個方案，那麼方案實施的工作量和複雜性可想而知，而且這種極致個性化的必要性也值得思考。

再例如智慧客服的場景，在AI技術沒有完全成熟的情況下，智慧客服只能解決一些簡單的問答問題，如果客戶截圖反饋技術問題，智慧客服目前還不能給出解決方案。在語言錄入方面，也會受到口語、方言，以及噪聲等因素的影響。

另一方面，當前AI的適應性也會影響其在BI中的應用。目前AI依賴於大量經驗的學習過程，當資料量較少的情況下，結果不一定能夠保持很高的準確率，並且隨著企業資料的數量增加和型別增加，AI能否很好地適應這些變化也無從得知。

而且AI的專業性也使得AI方法不具備良好的遷移性。還是智慧客服的例子，如果利用某個方法讓智慧客服學會了某一類技術問題的解決方案，那麼在出現新的技術問題時，這個方法是否還能適用呢。不能適用的話，那新增加的學習成本也就非常高了。

（3）當前中國企業的BI建設對AI需求極小

對於中國的企業來說，目前將AI引入BI的需求是非常小的，這和中國企業的BI建設現狀是分不開的。

首先，除去BAT、JMD等較大的一些網際網路公司，國內的資訊化水平整體還是落後於國外尤其是美國的，新興技術的需求普遍存在滯後。最近，帆軟資料應用研究院對1000多家企業進行了BI功能需求調研。

調研結果表明，在企業2年內最需要的BI功能中，影象處理、語音工程和文字分析等功能排在最後。並且，企業未來3~5年將會應用的BI功能也呈現相同的結果，只是比例有所上升。所以說，我國企業的BI建設在未來5年內將仍然以資料管理和分析為主。

圖4-企業2年內BI功能需求

圖5-企業未來3~5年BI功能需求

其次，根據筆者多年的BI專案經驗，很多企業在BI專案實施過程中的一個普遍問題是資料治理。BI和AI都需要良好的資料支撐，但是目前中國的大部分企業因為業務資訊系統多而雜，非常容易被資料孤島、資料標準不統一等問題困擾。

底層資料如果治理不好，將會嚴重影響後續的分析決策，更不要去談決策的準確率了。在這樣一個背景下，企業貿然將AI應用到BI上，只能是竹籃打水，人財兩空。因此企業首先最需要的是將BI系統建設成熟，而AI+BI模式當前在中國並沒有特別明顯的需求，只是對極少數企業的錦上添花。

5.結語

本文對AI、BI、AI+BI進行了介紹，並從AI和BI的聯絡與區別、當前AI+BI模式的可行性，以及當前國內企業的BI建設需求三個方面分析了AI+BI模式在中國仍是泡沫的主要原因。當然，AI+BI理論上是未來一個非常不錯的趨勢，應用得當能為企業帶來意想不到的價值。但是就目前、就中國而言，AI+BI的模式看似美