昨天在和一位朋友線上聊天的時候，提了一個問題，你是如何看待AI（人工智能）+BI（商業(yè)智能）這種模式和方向的，我大概來說一下我個人的看法。

以我在商業(yè)智能BI項目中接觸到的行業(yè)和企業(yè)，從非常傳統(tǒng)的信息化基礎比較薄弱的企業(yè)，到信息化基礎比較扎實的例如金融銀行等行業(yè)企業(yè)，目前還沒有看到 人工智能AI+商業(yè)智能BI 有非常廣泛的應用。

AI+BI的現(xiàn)狀

我們首先說一下商業(yè)智能BI，即Business Intelligence。這個商業(yè)智能BI概念已經有幾十年了，我也從業(yè)這么長時間，當客戶問到商業(yè)智能BI的這個智能 Intelligence 到底是如何體現(xiàn)的，能不能找個場景演示一下它的智能性。說實話，我回答不了，因為我也一直沒有研究明白。我開玩笑的回答，這個問題就跟買老婆餅一樣，買個餅也沒有送老婆啊。

?

所以，商業(yè)智能BI的這個智能都沒有搞明白的事情，現(xiàn)在出現(xiàn)了人工智能AI，即Artificial Intelligence，又是一個智能，AI+BI這兩個智能加起來，應該要更加智能，Double 智能，但目前還是沒有看到實實在在的、可以絕對經得起挑戰(zhàn)、大面積應用的實際業(yè)務場景。

AI+BI的發(fā)展歷程

前幾年微軟的商業(yè)智能BI產品?Power BI 在Ignite 技術大會上發(fā)布的新功能，通過自然語言查詢自動化的生成可視化圖表，后來更進了一步通過語音轉換代替自然語言查詢，這個算是商業(yè)智能BI+AI的一個初步嘗試。

?

還早一些的時候，實際上IBM 的Watson Analytics 就已經實現(xiàn)了自然語言查詢生成可視化圖表。并且里面有一個我認為比較有價值的場景是對驅動因素的分析，我記得那個案例分析的是各個部門培訓花費趨勢對比情況，比如銷售部門的培訓費用、財務部門的培訓費用。并且在這個可視化圖的旁邊給出了一個非常有價值的推薦分析或者叫洞察 Discovery，洞察了什么呢？洞察的是：哪些驅動因素導致了培訓費用高，最后給出的結論是，職位 Position 和部門組織 Organization 這兩個因素。

接下來又展示的是不同的職位和部門組織是如何影響培訓費用高的數據分析成果。我覺得這種分析場景算是 AI + BI 一個比較不錯的場景，很值得研究。它其實還原的就是，第一，展現(xiàn)成果。第二，揭示這個成果的高低受什么因素影響。第三，為什么影響，展現(xiàn)細節(jié)分析成果。

?

在這個過程中，商業(yè)智能BI實際上就只能實現(xiàn)到第一步，通過可視化分析定位問題。但這個問題是什么原因導致的，受什么因素驅動的，驅動的細節(jié)，這第二步和第三步是需要業(yè)務數據分析人員介入商業(yè)智能BI的。但由于 IBM Watson Analytics 這個產品背后的算法引擎是云端的，部署在國外，同時也不能支持中文的自然語言處理，所以在國內是無法真正落地使用的。

當然，它的分析成果就一定是正確的嗎？其實取決于我們提供數據的完整性，數據越明細、數據越全、數據清洗的質量越高，這種分析的準確性才能得到一定的保證。但實際情況是，我們的很多企業(yè)在數據源頭上就存在數據不完整、數據質量等眾多問題，注定這種分析的價值就會很低。

去年2020年Gartner 在有關商業(yè)智能BI分析的魔力象限的 Leaders 象限出現(xiàn)了一個新的產品 ThoughtSpot，之前都是 Power BI、Tableau、Qlik，這個產品就融入了很多AI的概念，其實就是上面我提到的在 Power BI、IBM Watson Analytics 的這些內容。所以，國內也有一些商業(yè)智能BI產品在往這個方向上走，從資本市場的角度，資本市場也比較喜歡做這種比較，就是 Gartner 魔力象限中有的，國內的商業(yè)智能BI產品有沒有。

?

實際上，我們并不否定AI+BI 技術本身的價值和意義，有這樣的一種探索對整個商業(yè)智能BI行業(yè)的發(fā)展不是一件壞事情。只是大家一直在考慮的是如何將這些概念真正的落地，而不是讓企業(yè)為這些概念去買單，用到最后發(fā)現(xiàn) AI + BI 其實還是干的 商業(yè)智能BI 的活，或者說 AI + BI 給企業(yè)帶來的應用價值還沒有遠遠超過 商業(yè)智能BI 帶給企業(yè)更實在的價值。

AI+BI的落地方向

我也比較認真的思考過，我認為 AI + BI 的落地，應該有這幾種特點和方向：

第一，一定產生在 IT 信息化基礎比較扎實的行業(yè)，同時商業(yè)智能BI已經應用到一個比較深層次的行業(yè)。按照這個思路，像金融銀行類的行業(yè)、電商行業(yè)是具備這些條件的，這些行業(yè)信息化程度最高、數據運用的水平最高，業(yè)務場景豐富且穩(wěn)定，商業(yè)智能BI?負責展示，AI 解決的分析的結果出來之后怎么辦的問題，由以往的人工決策，到智能決策。比如風控與營銷。

第二，一定結合是業(yè)務深度場景化的細分領域，并且這些細分領域不具備通用性，意思就是每一個細分領域有其獨特的AI+BI解決方案。所有該分析的已經分析完了，各種數據也非常的完善了，各種分析模型、業(yè)務場景已經經歷過千百遍的錘煉了，這個時候需要通過AI自動的完成一些算法匹配，根據匹配的結果來驅動業(yè)務執(zhí)行。比如像零售行業(yè)、市場營銷層面，我認為還是具備AI實現(xiàn)的一些場景的，只是這些場景能勝任到一個什么樣的程度，這是需要去探索和思考的。

?

所以，AI+BI 這種模式是未來 BI 發(fā)展的一種方向。商業(yè)智能BI 在底層數據架構上解決了與大數據、數據湖、數據中臺的對接，這是往下的基礎數據架構的延申。商業(yè)智能BI 往上的延申就是各種分析應用，再到智能分析應用，再最終回到業(yè)務執(zhí)行的過程，最終形成一個完整的閉環(huán)。

但目前對大多數傳統(tǒng)企業(yè)而言，面臨的是如何先把商業(yè)智能BI給用好的問題。在這個過程中培養(yǎng)數據意識、業(yè)務數據思維意識、養(yǎng)數據的意識、數據分析的意識，如果這些基礎的建設過程都沒有、都是缺失的話，是沒有能力駕馭好一個更高層次的技術應用的。