详情请进入 湖南阳光电子学校 已关注:人 咨询电话:0731-85579057 微信号:yp941688, yp94168
雷锋网 ai 掘金志按:7 月 12 日-7 月 14 日,2019 第四届全球人工智能与机器人峰会(ccf-gair 2019)于深圳正式召开。峰会由中国计算机学会(ccf)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办。
在大会第三天的〖智能商业专场〗,阿里巴巴集团副总裁、ceo助理肖利华,京东零售首席科学家兼技术副总裁胡鲁辉,美国德州农工大学数据挖掘实验室主任胡侠,苏宁零售技术研究院院长王俊杰,tcl研究院 (香港)研究所总经理俞大海,扩博智能cto柯严先后登台发表精彩演讲,分享了各自对智能商业的理解与实践。
其中,京东零售首席科学家兼技术副总裁胡鲁辉以《数据智能驱动数字零售》为主题,从理论和实践角度出发,阐述自己对数字零售的深刻理解。
胡鲁辉老师指出,大数据和人工智能是两个密不可分的概念,其中大数据的主要价值在诊断性分析,而机器学习解决的是对未来的预测,并根据对未来的预测形成指导性建议,形成业务闭环。
然而在业务实践中,对大数据的利用依然存在许多问题,比如数据标准不统一、质量不高,对数据的利用不充分等。
胡鲁辉老师表示,很多企业大量地采集数据,却没有真正地将它用起来,这样的数据非但没有价值,反而会给企业带来非常昂贵的数据存储成本,而且每年新数据还将以指数级增长。另外,数据的时效性也非常重要,数据如果存着不用就会迅速贬值。因为行业在飞速发展,用十年前的数据来指导今天的业务显然是不靠谱的。
为了将不同前端业务的数据池打通,提高对数据利用的实时性,以支持前端业务的快速创新和迭代,京东全力打造了一个以数据资产为核心的数据中台。胡鲁辉老师认为,中台不仅仅是一个技术概念,更是一种战略思维。企业在发展的过程中有非常多烟囱式的组织需要打通,同时由于移动互联网的普及和消费者日益多元化,企业的前端业务面临非常多的不确定性,需要一个能量池来支撑小而快的前端应用,这正是京东建设中台的初衷。
以下是胡鲁辉老师的全部演讲内容,雷锋网做了不改变原意的整理与编辑:
大家早上好!很高兴今年又来到这里演讲,我今天的内容主要分三个部分:首先谈谈人工智能与大数据的融合;第二、结合京东的实际情况,谈如何在零售行业做数字化转型;第三、我会介绍一些京东的实际案例,阐述如何用数据智能来驱动业务增长。
我们先回顾一下科技的发展。从下面这张图我们可以看到,差不多每十年世界就会发生一次大的技术变革。1985年微软发布windows,开启了pc时代;1995年雅虎和亚马逊(1994)出现,真正开启了互联网时代;2005年前后智能手机的出现,标志着移动互联网的到来。又十年过去,2015年前后人工智能开始火起来。
从中我们可以总结出两条规律:一是差不多每十年就会发生一次大的技术变革;二是每一次技术变革带来影响都远胜从前。
pc时代、互联网时代或移动互联网时代,本质上都是在解决同一个问题——数字化。数字化程度的高低将直接影响我们每一个人的生活。对于企业同样如此,1995年前后国内企业还很少用ibm小型机,基本没有高性能pc;2000年左右国内开始陆续引进erp系统;直到近几年还有很多企业在用sap erp系统;这样的数字化程度是不够的。我认为,国内企业的数字化才刚刚开始,建设中台将是企业未来发展的核心命题。
再回顾一下大数据的发展。十几年前我在亚马逊做大数据,一做就是十几年。最早我们用的hadoop,只能处理比较简单的问题,不过现在依然有很多企业在用。差不多十年前,出现了flink 、spark等,在一些厂商的推动下,flink在国内比较火,但是在国际上,spark仍占上峰。其实在国际上,很多厂商已经进入了云化的状态,比如亚马逊的emr和微软的azure hd insight,甚至许多cloud-native大数据服务,比如aws kinesis和azure data factory,它们对资源的高度利用、系统性能、服务的可靠性和可扩展性提出了更高的sla。
未来大数据将如何发展呢?我认为必须以数据为核心,结合机器学习和云原生,只有这样才能真正把数据的价值充分发挥出来。
大数据主要解决的是计算问题,人工智能解决的是预测问题。但是两者的对象都是数据,而且数据也是它们最重要的纽带。
提到大数据,我们首先会想到bi报表,它解决的主要是描述性分析或诊断性分析的问题。什么是描述性分析?比如通过报表看我的顾客是男性多还是女性多,老人多还是小孩多。什么又是诊断性分析呢?即分析某个人为什么到我这里消费。这些都属于大数据的范畴,用过去或现在的数据做一些描述或诊断性分析。
机器学习和它有哪些区别呢?机器学习主要是预测,利用现在和过去的数据来产生新的数据,对未来的不确定性做一种推测。这里不谈广义的人工智能,从数据洞察的角度出发,它可以细分为两个维度:一是预测性分析;二是指导性分析,即根据对未来的预测提出指导性的意见,比如,如何提高用户转化率?如何提升商品周转率?只有做到了指导性分析才能形成业务闭环,真正最大限度发挥数据的价值。
那么,如何在零售行业里用数据智能驱动数字化呢?我认为主要有6个基本方面:
一是cloud-native。任何一个产业的快速发展,都少不了一种关键性技术或核心商业模式。云计算不仅仅是一项技术,也是一种新的商业模式或交付方式,它可以快速把另一种技术或解决方案呈现给用户。cloud-native全面解释了如何云化和云设计核心理念。
二是云数据湖。这个概念大家可能比较熟悉,但国内真正做好的并不多,国际上比较领先的有微软和亚马逊。云数据湖的核心在于能够低成本的将所有数据融合起来,解决数据的异构性问题,消除数据孤岛,一站式地提供数据分析能力。
三是智能工程。这一点对人工智能应用非常关键。这几年我们看到许多优秀论文和技术创新,但真正能推动行业发展,发挥商业价值,需要ai工程化。我们需要思考如何将机器学习方法一步步分解,从数据采集到预处理,从特征工程到训练与验证,让整个流程规范化;选择svm、dnn或gan等,让算法可解释,让模型真正有效。只有工程化,人工智能才能可复制、可发展,否则它只能停留在某个单点或某些垂直领域,很难做到普遍化。
四是数字思维。从战略的角度去思考数据治理和数据应用,理解事物背后的逻辑,全面提升数字化程度。
五是精细运营。精细化运营是数字化的一种有效体现,通过降本增效,把效率提升上去是企业发展到一定程度后的关键环节,也是企业长期发展的核心要素。
六是业务价值。这是数字化的核心关键,技术创新和业务价值密不可分。
再看看企业在应用大数据时普遍存在哪些问题。
一是烟囱式。很多企业经历了10年甚至30年的数字化进程,企业的各个部门都建立了一套自己的数据体系,它们之间缺乏融合与交流。存在标准不统一、口径不统一和数据质量不高的问题,对大数据的应用造成了巨大挑战。
(整理:电机维修培训学校)
湖南阳光电子学校教学特色