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
