让人工智能成为杀手级数据应用：利用数据实现人工智能之旅实用指南.pdf

让人工智 能成为 杀手级数 据应用 | 1 让人工智能成为 杀手级数据应用 利用数 据实现 人工智 能之旅 实用指 南 2018 年 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 2 执行摘 要 从最高管理层到业务运营和 IT 职能领域的决策者、利益相关方和影响者都一致认为人工智能 (AI) 具备强大的颠覆性价值，有潜力颠覆和取代业务架构与企业软件。然而，对于如何最充分地发挥 人工智能的价值，大家仍莫衷一是。 像对待其他新兴技术一样，许多企业对于人工智能也采用浅尝辄止的方法，主要开展试点项目和 概念验证 (PoC) ：将人工智能应用于企业边缘领域，轻敲碎打地应用一些看似让人兴奋但却孤立 的用例，如提高机器人流程自动化 (RPA) 的智能程度，或测试聊天机器人等会话服务。 为帮助企业制定有效战略，切实高效地运用人工智能，HfS 和 IBM 利用来自 IBM 商业 价值研究 院 (IBV) 的洞察和 HfS 最近的研究成果，以及从客户和领域从业人员的采访中收集到的实际经 验，共同编制了实现人工智能之旅的实用指南。 成功实现人工智能之旅的四大因素： 1. 战略：勿忘初心。人工智能战略必须基于期望实现的业务价值和成果。人工智能是实现目 的的方式，但其本身并不是目的。所以在人工智能之旅中，始终要牢记最终目标。 2. 数据：没有数据，就没有人工智能。当企业数据与外部数据结合，并可通过平台进行访问时， 就可以开启人工智能的无限机遇。如果无法通过适当的格式访问数据，就没有人工智能。 3. 执行：避免人工智能成为“观光客”。理解需求，构建解决方案，大规模执行。 4. 改变：改变思路、想法及行动。培养必要的技能，实现技术和流程改变；这就需要彻底转 移管理重心，专注于成功地重新培训人才库，保持与时俱进的文化，并实现规模化。 遵循这四个简单的步骤，就能够使人工智能和其他呈指数级发展的技术成为企业的杀手锏。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 您将了 解到： 人工智能 的构成要 素有哪些 ？ 4 数据和数 据管理在 实现人工 智能之旅 中发挥怎 样的作用 ？ 5 通过人工 智能，企 业能收获 什么？ 6 需要哪些 实用步骤 开启人工 智能之旅 ？ 9 1. 战略： 勿 忘初心 2. 数据： 没 有数据， 就没有人 工智能 3. 执行： 避 免人工智 能成为“ 观光客” 4. 改变： 改 变思路、 想法及行 动 人工智能 之旅聚焦 ：Groupama Italy 案例研究 15 总结：实 用的人工 智能方法 可以带来 指数级的 红利 20 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 4 人工智 能的构成 要素 有哪些 ？ 人工智能包含丰富的内容：人工智能被大肆宣传，街头巷尾都在议论，但没有明确定义。它激发 了大家的热情，有时甚至引起激烈的讨论。然而，这些讨论更多的是侧重于面向消费者的技术， 如自动驾驶汽车、无人机递送包裹或机器人家庭助手。更广泛的市场还没有完全认识到人工智能 对 B2B 和 企业运营的影响。 人工智能 (AI) 是指在 企业运营中模拟人类的思维过程，系统基于高层策略自主做出决策，持续监 控和优化性能，自动适应不断变化的情况、不断发展的业务规则和周边动态。 人工智能涉 及自我学习 系统，这些 系统使用数 据挖掘、模 式识别和自 然语言处理 (NLP) 技术， 模 拟人脑的工作方式，无需持续的人为干预。 人工智能并不是一种技术，理解这一点至关重要。它是一系列技术和构成要素，如 NLP、机器学 习和深度学习、神经网络、虚拟客服、自主系统以及计算机视觉等。要了解人工智能所囊括的多 种构成要素，请参阅附图 1 。人工智能构成要素的示例和用例请详见文后附录。 附图 1 ：人工智能的构成要素 资料来源 ：HfS Research ，2018 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 5 数据和 数据管 理在实 现人工 智能之 旅中发 挥怎样 的作用 ？ 人工智能并非即插即用。它需要从数据中获取基线知识和语境，并从经验中不断学习。这些数据 可以是内部专有数据、外部许可数据或公开可用的信息。就格式而言，数据可以是结构化的，即 具有已定义的长度和格式，如日期、姓名和邮政编码；也可以是非结构化的，如文本、音频等缺 乏已定义结构或格式的内容，或电子邮件、文本、语音邮件或视频等可视内容。此外，还有一个 时间参数，用于表示是历史数据还是实时数据。而且，数据与人工智能的关系是持续的 人工 智能系统不断收集数据，将其并作为机器学习的一部分，用于深化自身的知识库。 人工智能需要的是“ 可供学习” 的数据 已知有助于做出推断的数据。关键在于，为了在生产 环境中利用数据集，需要训练支持推断功能的算法。这就需要可扩展、灵活、正确结构化的数 据。要实现自主流程，则需要访问非结构化数据。但对于大多数企业而言，利用非结构化数据并 不容易。正如附图 2 所示，HfS 针对 460 家 Global 2000 企业 开展的一项研究表明，大多数企 业中的绝大多数数据都是非结构化的。随着访问数量越来越多、相关性越来越强的数据集，并且 随着人工智能技术本身越来越成熟，人工智能最终将超越特定于领域的任务。 附图 2 ：企业中数据的状态 问题：您可以估算贵企业中结构化和非结构数据的比例吗？ 资料来源 ：HfS Research 2018 ；样 本：Global 2000 企业买方 = 460 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 6 首先，企业要利用自身拥有、能够访问和处理的数据。应当遵循数据管理原则，确保数据可扩 展、灵活、正确结构化，以使数据可供使用。人工智能的水平高低主要取决于所使用数据的质 量。在人工智能之旅开始时，数据质量有限的企业也许只能实现较低水平的人工智能结果确定 性。但随着时间的推移，这些企业逐步明确数据战略，提高数据质量，增加数据数量，改善数据 可访问性，加之机器学习的不断反馈，他们就可以在持续的迭代中获得越来越出色的成果。 通过人 工智能 ，企业 能收获 什么？ 市场对人工智能的价值和效益的认识逐渐深入人心。IBM 商业价值研究院 (IBV) 开展的 研究展示 了 2016 年 到 2018 年 企业对人工智能价值认识的转变。正如附图 3 所示，受访高管继续将客户 满意度和客户保留率作为投资人工智能的主要目标，这远远高于成本考量，而且持有这种观点的 受访人数比以前增加了很多。但对比 2016 和 2018 年的结果，最大的变化在于更多的企业关注 于通过人工智能降低运营成本。对此，我们的解释是：在过去的两年中，企业更加明确、也更能 辨别影响企业人工智能战略和特定用例的重要因素。企业正从实验转向实战，发展“ 企业级人工 智能”。当然，任何项目产生的相对价值都与总体业务目标以及计划的实施和执行方法有关。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 7 附图 3 ：2016 和 2018 年实施人工智能的价值推动因素对比 客户满意度 提高客户 保 留率 客户争取 成 本降低 其他运营 成 本降低 因打入新 市 场而实现 的 收入增长 因加快产 品 上市速度 而 实现的收 入 增长 大订单带 来 的收入增 长 人员削减 通过缩短 销 售周期实 现 的收入增 长 其他资本 成 本降低 人员重新 部 署 77% 资料来源 ：IBM IBV 与牛 津经济研 究院 联合开展 的人 工智能/ 分析 调研；2016 年和 2018 年；N = 5001 尽管人 工智 能的潜 在价 值正在 逐步 明确， 但 HfS 最近的调研“ 企 业人工 智能 服务 2018” 表明， 这与实现价值完全是两码事。市场中围绕 RPA 扩展、自主系统和对话服务开展的试点和概念验证 (PoC) 活动随处可见。然而，这些活动的成果只是应用于小型的特定用例，如聊天机器人，并不 能充分反映人工智能潜在效益的规模，也无法说明实现这些效益的复杂性和所需的投资。 理解人工智能潜在效益的一个有用语境是开启 Digital OneOffice Framework 之旅。HfS 的 OneOffice Framework 展示了只有通过建立统一的智能运营模式才能实现的数字化客户体验。 58% 70% 48% 49% 47% 44% 15% 40% 36% 39% 36% 36% 47% 35% 24% 33% 41% 27% 6% 23% 24% 2018 2016 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 8 OneOffice 是指，客户需求和体验成为整个业务运营的核心；企业运营职能（通常称为“ 前台” 和“后台”）之间原有的障碍消失；最大程度地减少传统 ERP 系统的限制，使企业能够投资于数 字技术和智能自动化能力，从而可以在市场最前沿满足客户需求，并对意料之外的需求变化作出 快速反应。此外，随着预测性分析技术和人工智能得到有效应用，企业可以开始利用外部洞察和 市场信息预测不断变化的客户需求，甚至能够发现新的商机。例如，天气状况波动、不断变化的 法规、贸易关税、数据隐私问题以及全球物流信息等市场变化都可以帮助企业预测意料之外的客 户需求，并提前做好相应准备。 简而言之，OneOffice 是数字化转型的“ 终极游戏” ，有助于确保数字化企业实时满足客户需 求。智能、流程和基础架构作为一个整体，与一系列统一的业务成果相结合，不断提高客户的满 意度。有关 Digital OneOffice 的图形表示，请参阅附图 4 。 附图 4 ：HfS Digital OneOffice 框架 资料来源 ：HfS Research ，2018 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 9 需要哪 些实用 步骤开 启人工 智能之 旅？ 那么企业该从何入手，开始采用人工智能、智慧分析以及自主系统等“ 催化剂” ，开启 Digital OneOffice 之旅？IBM IBV 在 2016 年和 2018 年 分别对采用 人工智能所 面临的障碍 进行了研 究。如附 图 5 所 示， 研究结果 表 明，在相 对 较短的两 年 时间里， 人 们的看法 发 生了很大 的 变化 ， 已经从对人工智能技术的可用性和成熟度的担忧，转向对人才的可用性、监管和隐私方面的担 忧。阻碍因素本身也已发生变化，从基本的“ 是否可能实现” 问题，转变为关注于执行、充分治 理和监督方面的问题，这表明市场普遍接受了人工智能确实能够实现的观点。企业已准备好采取 行动。但就像 RPA 早期一样，他们迫切需要切实可行的指导和领先理念。 附图 5 ：2016 与 2018 年实施人工智能的阻碍因素对比 高技能人才或专业技术的可用性 法规限制 有关数据和信息使用的法律/ 安全/ 隐私顾虑 组织认可度/ 准备程度/ 文化契合度 有关在企业内外以及与外部合作伙伴共享数据的 监管措施和策略 要应用的数据的数量/ 可用性以及决策背景信息 29% 36% 36% 35% 43% 44% 43% 43% 63% 60% 55% 技术可用性 高管支持程度 客户的准备程度 22% 29% 27% 30% 28% 46% 2018 2016 资料来源 ：IBM IBV 与牛 津经济研 究院 联合开展 的人 工智能/ 分析 调研；2016 年和 2018 年；N = 5001 33% 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 10 就像所有新市场一样，失败是成功之母，最佳实践总是从不断的失败（希望是快速失败）中 总结 出来的。通过研究总结早期人工智能实施的经验，以及相对成熟且较为简单的 RPA 市场的经验， 逐步形成实施人工智能的实用方法。 以下是从 HfS 一系 列以人工智能为重点的客户项目的访谈中总结出的实用建议，用于指导您开启 和扩展人工智能之旅。无论您从何处开启人工智能之旅，这些建议都能帮上忙。和所有以技术为 中心的计划一样，人工智能之旅也必须确定预期的战略成果。人工智能的独特之处在于，强大的 数据基础 决 定可扩展 性 ，并最终 决 定所产生 影 响的规模 和 速度。附 图 6 列 出了 作为我们 实 用建 议 的基础的四大成功因素。 附图 6 ：开启人工智能之旅的四大成功因素 资料来源 ：HfS Research 和 IBM ，2018 1. 战略：勿忘初心 制定由业务价值推动的人工智能战略。在执行数字化转型的每时每刻，都别忘了自己的初 衷和目标。 要通过数字化转型改进业务运营，需要一种企业范围的方法。无论是自上而下还是 自 下 而 上，甚至是在任务层面，所有的工作都需要有相同的关注点和方法。这就要求最高管理层 确立业务成果目标与框架，协调业务和职能专家，帮助定义战略重点，实现愿景。 战略 勿忘初心 数据 没有数据 ， 就 没有人工 智 能 执行 避免人工 智 能成 为“ 观光 客” 变化 改变思路 、 想法 及行动 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 11 2. 数据：没有数据，就没有人工智能 不要因为缺乏可用数据而放弃人工智能。每个企业都具 备一些高质量（结构化）、易于使用（易于访问）的数 据。可以从这些数据入手，快速取得成功，与此同时， 企业应制定更为清晰的总体数据战略。始终以想要创造 的价值为抓手，然后研究如何实现目标。一家卡车运输 公司依靠运输行业中的特定领域赚取微薄利润，他们希 望开辟新的收入源。这家公司利用来自卡车的内部位置数据，并与获得许可的数据源相结 合，推出了基于卡车的新型智能广告业务，根据位置、天气和其它信息，以认知方式对广 告进行优化。 内部专有数据并非推动人工智能计划的唯一来源。 获得许可的数据源（如 The Weather Company 、 Bloomberg ）和公开可用的数据（如上市公司文 件、运输时刻表）可单独使用，也可结合使用，以 实现基于数据的决策和认知学习。由于恶劣的天气 状况影响了上班交通，某美国联邦政府机构一个月 损失了数百万美元，员工也处于风险之中。该机构 将公共数据、获得许可的数据和专有数据相组合， 构建了一个认知决策引擎和员工仪表板，帮助沟通 和自动做出关键的交通运输决策。 在另一个案例中，一家快餐店利用来自 IBM MetroPulse 的超本地 数据，与自己的客流数 据相结合，改善了目标客户的定位，显著提高了客流量。 近期成果与长期数据管理计划并重。加速器、适配器、插件和微服务等各种工具可以帮助 将数据转换成可针对人工智能和分析用途进行优化的格式。对于大多数企业而言，时间就 是金钱；因此，通过各种加速器访问和优化当前的数据存储有助于更快地实现价值，同时 解决更大的数据管理结构问题。 某美国 联邦政 府机构 将 公共数 据、获 得许可 的 数据和专有数据相组 合 ，构 建了一 个认知 决 策引擎 和员工 仪表板 ， 帮助沟 通和自 动做出 关 键的交通运输决策。 每个企业都具备一些 高质量（结构化）、 易于使用（易于访 问）的数据。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 12 将数据作为交付战略的基石。 交付服务的制胜法宝在于自动化、分析技术和数据的融合， 尤其是将最少的算法训练与迭代式数据输入相结合。必须投资培养兼备数据工程与数据科 学技术以及专业知识的人才，帮助他们适当地应用自动化和分析技术，巩固数据平台、知 识库和机器学习。IBV 最近的一项调研发现，人工智能的许多早期采用者也是那些拥有最成 熟的数据和分析能力的企业。 13. 执行：避免人工智能成为“观光客” 要么成功扩展，要么归于失败。人工智能很酷，人工智能的概念证明项目也层出不穷；但 许多项目都未进入试点或生产阶段，因为它们没有专注于解决关键的业务问题，也没有获 取高级主管的支持，或者没有扩展计划。我们称之为“ 人工智能观光之旅” 。如果人工智 能的概念验证没有和具体的业务成果对接，而且缺乏应用于生产环境的远见卓识，那就是 在浪费时间和精力。 孤立就没有影响力。企业必须确保有效协调各种人工智能计划。要将项目执行与企业价值 联系起来，就必须建立合适的架构，并且持续关注于支持和实现企业转型愿景和业务成 果。为此，必须建立出色的人才中心 (CoE)，结 合 IT 和 业务职能的领导能力、强大的监管 体制以及变革管理原则。消除孤岛效应最简单的做法就是定期、频繁地与所有利益相关方 沟通。 自动化和人工智能之旅没有固定的起点。从何处 入 手取决于企业的组织架构、业务需求、要解决的迫 切业务问题或希望实现的成果。一家零售企业希望 通过数字营销活动改善交叉销售，但没有整合各个 品牌的数据，因此，他们需要从优化数据结构开 始。一家金融机构希望实现更高的投资回报，因 此，他们可以从 RPA 和基于人工智能的 RPA 起 步，优化流程，降低成本。无论 采用 什么 起点， 高 质量、易于访问和良好管理的数据始终必不可少。 1 IBM IBV 与牛 津经济研 究院联 合开展的 人工智 能/ 分析调 研，2018 年 一家零售企业希望通过数 字营销活动改善交叉销 售，但没有整合各个品牌 的数据，因此，他们需要 从优化 数据结 构开始 。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 13 重点放在重新构思总体流程，而不是零敲碎打地 应用人工智能。人工智能项目的终极目标应当是 解决其他技术和方法无能为力的问题。寻找专业 咨询机构，借助设计思维等方法重新构思总体流 程，联合投资以分担风险，通过协作开拓创新。 成功创建具备最低可行度的人工智能产品后，需 要考虑扩展这一模式需要些什么。需要规划如何 尽早扩展，或直接考虑不扩展。此时，企业通常 会认真考虑数据管理。因为如果不进行扩展，那 么只是实施了一个有趣的项目而已。 4. 改变：改变思路、想法及行动 需要能够理解数据和算法的交集以及二者对流程 链和工作流影响的人才。脱离较低层次的 RPA 之时，需要忘掉即插即用的概念。人工智能项目 需要高度专业化的人才，但如附图 7 所示，这些 技能奇缺。许多企业通过结合使用培训、招聘与 合作的方法，获得所需的技能。理想情况是，获 得具备数据工程和数据科学知识，并且深入了解 相关业务流程的人才。如果缺乏此类人才，企业 将寸步难行，无法扩展人工智能项目。 附图 7 ：企业缺乏必要的数据科学、机 器学习和人工智能技能 大多数企业都不具备必要的 数据科学、机器学习和其他 人工智 能/ 认知 人才 同意自己的企业目前不具备必要的数据科学、 ML 和 AI 技 能的受访 者比 例 90% 的企业使 用基 本 流程自动 化 89% 的企业使 用高 级 流程自动 化 75% 的企业使 用智 能 流程自动 化 资料来源 ：流 程自动化 的演 变 ，IBV ，2018 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 14 与经验丰富的合作伙伴合作有助于加速开发解决方案和实现业务成果。开展由承诺推动的 联合创新，并且定义明确的目标和里程碑，有助于产生强大的结果。合作伙伴在执行速 度、人才和技术方面可以给予极大的帮助。成功最终取决于坚持不懈，始终关注于成果的 实现。合作伙伴可以助您在正确的轨道上不断发展壮大。 变革管理是关键。目前，我们仍能看到许多企业大量裁减 RPA 和人工智能相关的人员，这 引发了对自动化的担忧。要改变工作方式和人才所发挥的作用，需要有总体的变革与文化 管理。这不是一次性活动。有无员工的大力支持，是决定能否成功管理持续的 IT 和业务变 革的关键因素。从业务外包中汲取的经验教训在这方面很有帮助。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 15 Groupama Italy 是 接受 HfS 调研的企业之一，它通 过车载通信服务子公司 G-Evolution，成功应用数据 和人工智能技术。Groupama Assicurazioni (Groupama Italy) 是法国共同保险和银行集团 Groupama 在意 大利 的子公 司。Groupama Italy 在非 寿险产 品的 保险公 司中 排名第 九， 提供的 服务包括一般保险、寿险、养老金和储蓄服务。 2014 年，Yuri Narozniak 被任命为 Groupama Italy 的副 CEO。他的职责包括领导一系列以产 品和服务创新为目标的战略项目与企业项目。上任伊始，他就发现这家公司技术老化，唯有进行 现代化改造与转型，才能更好地分析风险、管理欺诈和改善客户体验。对于汽车保险业务， Narozniak 决定采用车载通信技术实现上述目标。 2015 年， 该公司开始推出基于车载通信技术的汽车保险服务， 由第三方公司提供支持。在意大利，车载通信系统并不是强制 性的。客户必须为车辆购买车载设备，这样才有权享受保费减 免。Groupama Italy 已初尝车载通信技术带来的成果，包括自 动执行分析、降低成本、更快做出理赔决策，以及更清楚地了 解各种事故场景和欺诈情况。到 2016 年，鉴于该公司对车载 通信技术所取得的成功非常满意，因此决定迈出更大胆的一 步，打造自己的车载通信能力，而不是继续依赖第三方。 Narozniak 的愿景是，Groupama 能利用车载通信技术，从风 险承保转变为真正预防风险。 人工智能之旅聚焦：Groupama Italy 采用车载通信技术， 将业务从风险承保转变为预防风险 到 2016 年，Groupama Italy 决 定迈出 更大胆 的 一步，打造自己的车载 通信能力，而不是继续 依赖第 三方。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 16 Groupama Italy 建 立车载通信能力 G-Evolution 的诞生 Groupama Italy 的宗旨是建立自己的车载通信能力，用于支持业务运营，并且有潜力在更广泛 的 Groupama 集团成 员企业中运用，最终推广到其他保险公司。该公司在 2016 年下半年 进行了 为期数月的尽职调查，寻找能够提供车载设备、连接能力和平台的合作伙伴，满足数据收集、分 析和算法等 方面的需求 ，帮助评估 风险、开展 理赔、发现 欺诈以及避 免事故。基 于以下 3 条核 心 标准，该公司选择 IBM 作为战 略合作伙伴： 1. IBM 不会在 保险领域 与 Groupama 形成竞争 关 系； 2. IBM 的 Watson IoT 平 台对汽车 领 域很有吸 引 力，而且 已 经过实践 检 验； 3. IBM 的数据 结构和安 全 专业知识 可 以帮助 Groupama 缓 解风险， 优 化数据。 Groupama Italy 的 CEO 意识到时间紧迫，希望迅速采取行动，就像科技驱动的保险初创公司那 样敏捷。为此，该公司成立了名为 G-Evolution 的子公 司，这是一家独立的车载通信服务公司。 尽管 G-Evolution 的 长期目标是为其他业务线和其他企业提供车载通信服务，但它的首个任务是 将 Groupama 的保险专业知识与 IBM 的技术和转型能力相结合，像初创企业那样敏捷地开展 工作。 Groupama 如何将愿 景付诸执行 Groupama 雄心勃勃，立志在相对较短的时间内打造自己的车载通信能力。他们于 2017 年初开 始行动，目标是在 12 月前完成任务。在此期间，IBM 与 Groupama 构建了端到端的垂直解决方 案，使用 Watson IoT 收集来自 车辆的数据，使用数据湖整合众多数据源并规范化数据结构，还 建立了分析环境以生成洞察。该解决方案还负责监督车载通信设备的配置和安装。 但万事开头难。最初，即使是实现一些最基本的功能也遇到了难以置信的挑战，比如将来自客户 事故声明 的 数据与来 自 车内设备 的 数据相匹 配 ，因为 Groupama Italy 没有用 于整合这 两 种数据 的平台。这种整合与匹配最终通过数据湖解决方案得以实现。完成匹配后，该公司就可以测试和 验证数据，这在过去也是一项不可能完成的任务，因为所有数据和决策都由第三方提供。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 17 G-Evolution 车载通信系统于 2018 年 1 月正式上线，开始为 Groupama Italy 的客户提供支持。他们的重点一直放在通过开 发平台和优化数据，获得正确的基本信息。Groupama Italy 在 3 年前仅售出了 30,000 份基于车载通信技术的保单，而现在则 接近 500,000 份，他 们 35% 的 投保车辆是互联汽车。在这个过 程中，该公司的赔付率也得到了改善。该团队现在通过车载设备 获得海量的新数据，这在以前是根本无法想象的。用前副 CEO Yuri Narozniak 的话说，“ 在数字经济中，数据就是新的 黄金”。 这个车载通信系统让 Groupama 能够更有效地发现事故，尽快提供援助，更快地开始和完成理 赔。如果车 辆在奇怪的 时间或沿不 寻常的路线 行驶，Groupama 团 队还可以检 测到盗窃行 为。 他 们甚至可以挽救生命，因为该系统能够侦测到撞车事故并立即向救援团队报警。车载通信技术帮 助 Groupama 提供更为主动的服务，不但能预防事故，还能让客户更为满意。 G-Evolution 的总经理 Pedro Bernardo Santos 表 示，这只是变革的开端。还有大量的机会可以进一步 运用 Watson 和人工智能。现在 G-Evolution 可将车 载通信数据与事故声明数据匹配，用于训练算法，使 人工智能可以根据事实自动做出理赔决策。目前这个 过程仍由人工完成，但索赔理算师拥有了数量更多、 质量更好的数据。例如，车载设备可以让索赔理算师 看到事故前一天和后一天发生了什么，提供有价值的 背景信息，帮助快速区分真实索赔和欺诈性索赔。这 些基于证据的决策以及不断扩大的数据集提供了更多 可供学习的数据，可用于训练机器学习算法。 “ 在数 字经济 中，数 据就是 新的黄 金。” Yuri Narozniak ， Groupama Italy 前 任副 CEO，G-Evolution 前任 CEO “ 还有大量的机会可以进一 步运用 Watson 和人工智 能 提供了更多可供学习 的数据，可用于训练机器学 习算法 。” G-Evolution 的总经理 Pedro Bernardo Santos 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 18 拓展 G-Evolution 要真正拓展 G-Evolution 及其车 载通信服务 业务模式， 需要在所创 建的平台上 叠加更多功 能。这 需要更多的投资，聘请大量数据科学家和开发人员，构建和训练算法，以便更高效地利用数据、 分析和人工智能。为了拓展自己的愿景，G-Evolution 计划： 第一步：推广到整个集团。全球 Groupama 集团中，有 80% 的 企业位于法国。出于声誉 和投资原因，各个企业的总部有必要利用 G-Evolution 的方法进行扩展。 第二步： 推广到其他保险公司。这种拓展方法包括了通过数据实现经济效益的战略，首先 推广到其他汽车保险商，然后拓展到房产险、寿险和健康保险等其他保险类型。 Yuri Narozniak 作为富有远见的 CEO，引领 Groupama Italy 踏上车载通信技术发展之旅；现 在，他正领导法国母公司的一项业务，帮助将数据和技术所带来的业务价值推广到整个集团。 客户经验教训 G-Evolution 的总经理 Pedro Bernardo Santos 分享了在建立 G-Evolution 的过程中 学到的一 些重要经验教训。尽管这些经验教训反映了该企业的独特经历，但与许多其他企业通过转型之旅 所总结出的实用经验有异曲同工之处。这些经验教训包括： 对于目标要 有清晰的愿 景，但是必 须循序渐进 地展示迭 代 成 果。如果在 展示成果之 前，过于深 入地探究潜 在投资需 求 的 细节，可能 会失去支持 。因此，既 要坚持愿景 ，又要循 序 渐 进地展示成果。通过成果让人信服 尽快证明项目潜力 和 投资回报。 非常明确地与利益相关方进行事先沟通和持续沟通。对于参 与项目的各方，包括 Groupama 、G-Evolution 甚至是 IBM ，转型都是一个不断学习的过程。应将转型视为持续学 习的经历，通过沟通消除孤岛效应。 “ 如果不进行拓 展，那么你只是业 务加速器，而不是 转型媒 介。” G-Evolution 的总经理 Pedro Bernardo Santos 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources 让人工智 能成为 杀手级数 据应用 | 19 如果不进行拓展，那么你只是业务加速器，而不是转型媒介。在一年内，G-Evolution 和 Groupama Italy 就实 现了基准目标 开发自己的车载通信系统，显著改善数据质量，以 及推动 Groupama 在意大利的新业务。 但是，G-Evolution 的下一步是将业务效益拓展到意大利和汽车保险领域以外。这种拓展 能力最终决定了业务影响的规模和速度。 不要低估对人才的需求。要利用可供学习的数据来训练算法，创建更多的产品和服务，就 需要保险公司通常不具备的人才 开发人员和数据科学家。可从服务提供商合作伙伴那里 临时获得相关人才，但有些人才必须在内部培养，这样才能最有效地将固有的流程专业知 识与技术专业知识结合起来。要整合这些资源，还需要转变企业文化，摆脱传统习惯的束 缚，促进整合以及提高灵活性。 定义未来的业务运营 (Defining Future Business Operations) 2018, HfS Research Ltd | hfsresearch | horsesforsources