干货：AI商业落地难？吴明辉这三步讲透了

本篇文章5106字，读完约13分钟

[亿邦电力新闻]5月3日，亿邦电力获悉，“2018大数据产业峰会”罗明数据与二手系统创始人兼董事长吴明辉在会上表示:“人工智能的数据治理是基于传统的数据治理。利用知识工程相关技术，按照知识结构对信息进行管理、分类和关联，将庞大无序的信息进一步管理成分类有序的相关知识，最终形成行业知识地图。”

对于正在经历数字转型的各行各业，他认为这三点是登陆的关键:

首先，行业中的各种数据都应该是在线的，所有的数据都应该连接在一起。

第二，我们应该在连接数据之后进行数据挖掘，并进行人类力所能及的分析和判断。

第三，当我们做好面向人工智能的数据治理和数据挖掘，真正形成一个完整的闭环，我们就可以实现人工智能的登陆。

在真正的人工智能时代，企业需要规划和集成数据。如果没有为人工智能的目标提供数据集成规划，数据可能会成为成本中心，并且没有办法真正创造价值。

人工智能背后需要数据，但是数据本身不能产生任何价值。只有当数据形成行业中的终极智能时，它才能赋予行业中的每个从业者创造价值的能力。数据没有价值，数据，连同行业场景和认知，最终将成为人工智能，产生最终的授权，这将创造价值和意义。

此外，他还透露，明专注于安全、金融、工业和物联网三个领域，并对数据进行智能化存储。许多规则和算法被嫁接到人工智能的规则和算法中，形成了人机对等时代的顶级知识体系，从而实现了人工智能在企业中的落地。

以下是讲话的全文:

数据应该是企业的核心资产，而不是成本中心

女士们，先生们，下午好！我很荣幸今天能在这里分享我对人工智能和大数据的想法。

我经营着两家企业级服务公司，我看到许多公司都在谈论如何进行数字化转型，以及如何使用大数据和人工智能来改变企业。旅程非常艰难。世界正在经历经济转型，许多中国企业的增长伴随着人口红利，包括移动互联网红利。但是今天，人口红利消失了。我们如何迎接新时代的挑战？如何借助数字经济和数字化优化企业内部效率？这是企业级服务帮助每个客户解决的问题。

数字转型的过程并不顺利。世界各地的优秀公司，如通用电气、乐高和耐克，都是我的客户，他们的领导者非常有远见。许多年前，我开始尝试建立自己的数字转型战略，建立一个数据中心并存储数据。通用电气很早就建立了工业互联网云平台predix，但在发展过程中，他们也不得不裁员和调整数字部门的结构，并遇到了许多挑战；乐高早在2014年就推出了乐高数字设计师平台。后来，由于各种原因，它停止并重新调整其数字战略。在随后的数字转型中，它也遇到了销售下滑和裁员等挑战；耐克很早就通过智能手镯收集了消费者体育数据，并与体育产品联系在一起，但最终不可避免的是裁员和重新调整数字战略。通往数字转型的道路并不容易。世界上许多优秀的企业都在探索，试图在不断进取中犯错。企业进行了大量投资，但投资者和资本市场没有意识到这一点，公司的股价继续下跌。董事会将会质疑这件事是否有任何价值，以及为什么数字化改造没有给企业带来新的利润，却带来了如此大的成本。这个行业的每个从业者都必须思考这个问题。

二手系统十多年前就开始做数据挖掘，并利用数据技术帮助企业进行数字化营销转型。我们遇到了许多问题，其中最大的是如何真正使用数据。任何企业，任何组织，如果你保存所有的数据，它将花费很多。如果你不真正使用数据，它将是一个巨大的成本中心。只有当你真正使用数据时，你才能创造价值。

以安全行业为例，在全国部署摄像头的成本很高，但这种成本真的能转化为生产力吗？这是一个安全行业的it人员需要思考的问题，如何将成本中心转变为利润中心，成为行业中真正有价值的部分。人工智能背后需要数据，但是数据本身不能产生任何价值。只有当数据形成行业中的终极智能时，它才能赋予行业中的每个从业者创造价值的能力。数据没有价值，数据，连同行业场景和认知，最终将成为人工智能，产生最终的授权，这将创造价值和意义。王建博士说，加入阿里后，阿里的所有交易数据都被删除了。但当他加入阿里时，他说，马老师，这些数据无论如何都应该保存，不应该删除。我不知道今天的数据是否有价值，但我认为应该保存。王建博士在阿里受到了挑战。你为什么存储这么多数据并构建阿里巴巴云？今天，每个人都看到了他的成就，但事实上，他已经在团队中挑战了很多年。

数字转型没有捷径，需要一步一步来，挑战需要不断解决，才能最终取得成功。今天，各行各业都在经历数字转型，但转型需要企业经营者和投资者的耐心。不能想，没有价值的数据是不存在的。我们需要储蓄，但如何计划是一个重要的问题。在真正的人工智能时代，我们需要计划和整合数据。如果没有为人工智能的目标提供数据集成规划，数据可能会成为成本中心，并且没有办法真正创造价值。

在充分满足业务的前提下，企业的数字化转型分为三个步骤:数据在线、数据分析与挖掘、人工智能

正如我在罗明的年会上所说，人工智能在行业中的落地需要三个步骤。第一步是将行业中的各种数据放到网上，并将它们连接在一起。在罗明服务的公安行业，以前有各种各样的it系统，每个警察局的每个警察都有许多系统。我去找了一台由公安客户带领的电脑，桌面有一个类似hao123页面的复杂效果，每个图标和链接都是it公司以前开发的系统。户籍管理系统、车辆管理系统、110报警系统，每台警用电脑都有上百台。数据分散在不同的系统中，每天进行案例分析时，它们经常在不同的系统之间切换，效率低下。数据分散在不同的系统中，所以不可能产生最终的人工智能。人工智能应该整合数据，当数据连接在一起时，它很快就会给它带来价值，否则客户就不允许投入这么多钱。

在人工智能真正形成之前，即三个步骤中的第二步，有必要连接数据并进行数据挖掘，并进行人类力所能及的分析和判断。这一步在业界也被称为商业智能。清晰的数据帮助许多警察做到了这一点，但许多行业还没有迈出第一步。人工智能登陆行业的第二步非常重要。第三步，当我们做好面向人工智能的数据治理和数据挖掘，真正形成一个完整的闭环，我们就可以实现人工智能的登陆。人工智能与传统信息化的最大区别在于它可以形成一个最终的闭环。一旦形成一个闭环，所有的迭代都会自动加速。与传统的信息技术系统相比，它将更加智能，可以自学，最终形成真正的人工智能。在每个行业中植入人工智能并不那么简单。它需要三个步骤，每一步都需要很大的努力。

蒙牛做了很多成功的尝试。蒙牛几乎已经通过数字化手段打开了质量控制和检验环节。蒙牛每天可以获得近40万条自动检测数据，但这些都是有计划有步骤的。

我拜访了湖南省某市公安局的一位重要客户。当我和公安局的领导谈话时，我说我想建立样本数据，所以他们请了二三十名警察来帮我们标记数据。标签可以为人工智能提供良好的系统支持，真正成功的企业或政府部门都是有耐心的。首先，面对人工智能，有必要建立一个真正有意义的数据融合平台，这也是罗明在服务这些大型B端企业和政府机构方面的独特之处。

商业智能“在线”的关键衡量标准:人工智能的数据治理

数据是人工智能的基础，与传统的it系统相比，自学习是人工智能的一个重要标志。我们需要为人工智能规划未来的数据平台，并在线规划未来的数据。面向人工智能的数据治理和传统的数据治理有很大的不同。首先，想想数据的真正价值是什么。一般数据和人工智能时代需要的数据有什么本质区别？

数据是人类特别重要的武器，它帮助人类解决了许多信息不对称的问题。数据是观察者对世界的观察，它通过数学或计算机记录客观世界中的客观事实，这就是数据本身的含义。数据本身包含大量信息，因此记录数据的成本很高。例如，罗明为轨道交通客户和一辆机车提供服务。不用说，在光秃秃的机车上大约有数千个传感器，每个传感器每秒钟都会发送大量信号。如果所有这些数据都被保存下来，一辆汽车的数据每天可以达到几百gb的量级。

不可能存储所有的海量数据，我们需要提取真正有价值的数据。提取的过程被称为数据和信息知识的过程。在我们完成这个过程之后，我们结合行业知识和行业专家，最终成为一个完整的人工智能智能智能系统。

与传统的数据治理相比，面向人工智能的数据治理的核心是引入知识系统。为了面向人工智能并与传统的数据管理相比较，所有数据存储的核心工作是建立一个知识地图系统，我们需要在数据结构后面建立一个动态的本体和知识库。我们需要将表结构中的传统数据连接到基于结构化数据和行业知识的所有计算单元中，并在此基础上进行逻辑推理和动态分析。它可以代替人去做真正复杂的非统计工作，这就需要建立知识体系，这才是真正人工智能的最大价值。人工智能的最大价值不在于取代简单的重复性工作，而更重要的是取代人类甚至无法完成的事情。

因此，面向人工智能的数据治理是在传统数据治理的基础上，利用知识工程相关技术，按照知识结构对信息进行管理、分类和关联，进而将庞大无序的信息管理成分类有序的相关知识，最终形成行业知识地图。

罗明未来提供的人工智能警察应该比中国的优秀警察更强大，甚至比夏洛克·福尔摩斯更强大，夏洛克·福尔摩斯是未来会产生真正价值的地方。人工智能的核心是行业知识和领域知识。通用知识平台不太可能存在，所以我们需要在一个垂直的领域做。罗明专注于三个领域:安全、金融、工业和物联网。我们存储这三个领域的数据和所有客户的数据，并在这些数据上产生真正的人工智能应用。

罗明并没有打造一个简单的数据平台，而是引入了一个行业知识系统

在公共安全领域，罗明通过面向人工智能的数据治理，定义和挖掘各种实体，将海量多源异构数据实时转化为“人、物、地、物、组织”等公共安全领域的实体。关系，所有这些数据都集成到一个统一的大数据分析平台中，并最终落在不同业务警察类型的客户身上。在这个过程中，我们不仅构建了一个大数据平台，还引入了一个公共安全知识系统。最后，例如，最近的罗明禁毒大数据分析平台在一个月内彻底摧毁了分布在许多省份的贩毒网络团伙。正是基于之前大量面向人工智能的数据治理工作，我们才能够快速完成对公安客户的数据挖掘和分析，从而快速破案。

在金融行业，我们为中国的一家股份制银行搭建了一个全行知识地图平台，按照业务知识的逻辑整合了全行所有业务部门的数据。这不是传统的数据治理，而是根据银行的知识体系整合所有数据。平台建立后，可以实现银行对海量数据和非结构化数据的分析，提高远程监控的水平和能力，从多个维度给银行带来业务效率。

轨道交通是制造业的关键领域，我们是中国第一家将分散在轨道交通领域不同子系统中的数据与行业知识结构进行整合的公司。例如，轨道交通头部的数据与线路网络的数据相结合。众所周知，地铁站和高铁站的轨道上有信号系统，火车上有大量的数据。以前的数据是分散和分散的，但今天它们都连接在一起，当它们连接在一起时，它们背后有一个知识地图和一个知识结构。当我们将所有这些数据连接在一起时，我们可以为故障预测和维护等场景创造巨大价值，从而节省计算资源和存储成本。原始数据量太大，很多都不敢保存。通过将数据融合在一起，我们可以更好地了解哪些数据应该保存，哪些数据不应该保存。这是人工智能时代数据治理的准备工作。

在数字经济时代，明确产业定位:帮助企业数字化转型的“起动器”

罗明数据是帮助企业进行数字化转型的发起人。在人工智能登陆行业的三个步骤中，最基本的就是在线数据。“数据在线”不是要建立一个数据仓库来连接数据，而是要真正整理行业知识。明路和行业内的顶尖专家思考行业的本质，什么是知识系统，以及如何在行业知识系统中真正标记数据。只有把这项工作做好，我们的人工智能才能真正应用于各种行业。

数据和知识分为几个层次:数据、场景和业务。场景维度，考虑将使用哪些数据链接。具体的业务会考虑具体的问题，并且有很多维度的数据和知识。

我们正在帮助业界整理过去多年的工作经验，并将许多规则和算法嫁接到人工智能的规则和算法中，形成人机同行时代的顶级知识体系。计算机在未来也需要知识，它们不能仅仅通过暴力挖掘和计算来解决问题。人工智能在每个企业运行时都应该考虑效率，而知识可以帮助计算机解决效率问题。孩子们在二年级学习简单的计算。从1到100有一个简单的公式。如果你不知道，这将需要很大的脑力。计算机计算需要知识，面向人工智能的数据治理需要真正将知识与原始数据联系起来，这才是人工智能在未来的真正价值。

罗明的目标是帮助企业不断提高效率，帮助政府部门不断提高效率。我们希望为客户做好面向人工智能的数据管理，帮助企业和客户做好人工智能的基础设施建设。我们使数据成为企业的核心资产，并成为真正创造价值的it服务，而不是成本中心。

(文本/闪烁)

来源：搜狐微门户