專家洞察智能分析大行其道金融企業(yè)認(rèn)知商業(yè)智能轉(zhuǎn)型之路IBM商業(yè)價值研究院談話要點金融企業(yè)在分析海量數(shù)據(jù)中面臨的挑戰(zhàn)在分析爆發(fā)式增長的數(shù)據(jù)時，金融企業(yè)面臨著四大挑戰(zhàn)：分析工具門檻過高、分析模版更新緩慢、分析方式挖掘不深、分析工作依賴人工。認(rèn)知商業(yè)智能可創(chuàng)造新一代的分析體驗認(rèn)知商業(yè)智能可以為金融企業(yè)化解海量數(shù)據(jù)分析挑戰(zhàn)，創(chuàng)造新一代的分析體驗：交互更簡單、使用更靈活、分析更流暢、推薦更懂你。金融企業(yè)構(gòu)建認(rèn)知商業(yè)智能之五層架構(gòu)金融企業(yè)可以從五層功能架構(gòu)著手，構(gòu)建認(rèn)知商業(yè)智能：平臺基礎(chǔ)、知識管理、智能查詢、可視化交互、增強分析。

金融企業(yè)在分析海量數(shù)據(jù)中面臨的挑戰(zhàn)隨著認(rèn)知智能和云計算技術(shù)的日益普及，金融企業(yè)能以更快、更低成本的計算能力獲取海量數(shù)據(jù)，包括大量風(fēng)控、信用評估等結(jié)構(gòu)化客戶數(shù)據(jù)，以及從年報獲取的股東、對外投資和控股信息等非結(jié)構(gòu)化數(shù)據(jù)。但是，金融企業(yè)在分析這些海量數(shù)據(jù)時，面臨著以下四大挑戰(zhàn)：1.分析工具門檻過高分析工具使用的技術(shù)門檻過高，將大多數(shù)業(yè)務(wù)人員拒之門外。同時，工具入口分散，處理一項業(yè)務(wù)工作需要在不同的分析系統(tǒng)中獲取信息，降低了工作效率。2.分析模板更新緩慢以技術(shù)為主導(dǎo)的商業(yè)智能（BI,BusinessIntelligence）已經(jīng)無法跟上快速發(fā)展的業(yè)務(wù)變化，部分分析系統(tǒng)支持的預(yù)置分析模板有限，無法滿足業(yè)務(wù)擴展可能性，需要有一種支持?jǐn)?shù)據(jù)實時計算、業(yè)務(wù)靈活可配、由業(yè)務(wù)驅(qū)動的分析方式。3.分析方式挖掘不深金融數(shù)據(jù)爆發(fā)式增長，數(shù)據(jù)多樣、復(fù)雜，孤島化，且單一數(shù)據(jù)價值不高，所以處理金融業(yè)務(wù)時需要串聯(lián)大量多源異構(gòu)數(shù)據(jù)。當(dāng)前的分析方式缺少對數(shù)據(jù)關(guān)系的深度探尋，數(shù)據(jù)深層價值挖掘不足。4.分析工作依賴人工信息格式不統(tǒng)一，結(jié)構(gòu)碎片化，存放位置分散。而業(yè)務(wù)經(jīng)理在業(yè)務(wù)操作處理過程中仍依賴于人工信息檢索。為此，IBM提出認(rèn)知商業(yè)智能(CognitiveBusinessIntelligence,簡稱CognitiveBI)方案，該方案能夠無縫接入企業(yè)核心業(yè)務(wù)系統(tǒng)中，通過快速直接的對話，幫助業(yè)務(wù)人員完成高效的信息檢索和數(shù)據(jù)分析工作。這種創(chuàng)新的分析體驗即將成為“認(rèn)知型企業(yè)”的常態(tài)。1認(rèn)知商業(yè)智能為金融企業(yè)創(chuàng)造新一代的分析體驗從傳統(tǒng)商業(yè)智能到敏捷商業(yè)智能，再到認(rèn)知商業(yè)智能的破繭而出，金融行業(yè)的商業(yè)智能呈現(xiàn)易用性越來越增強，并逐步貼近業(yè)務(wù)用戶的發(fā)展趨勢（見圖1）。早期的傳統(tǒng)商業(yè)智能工具以構(gòu)建固定式報表為主，由數(shù)據(jù)部門開發(fā)，可以為業(yè)務(wù)人員快速了解日常運營情況。而以Tableau為代表的敏捷式商業(yè)智能，提供了自助式分析工具，輔助企業(yè)快速完成數(shù)據(jù)準(zhǔn)備、查詢和探索，能夠基本滿足業(yè)務(wù)突發(fā)性的分析需求，實現(xiàn)數(shù)據(jù)分析對業(yè)務(wù)決策的“準(zhǔn)實時”響應(yīng)和支持。進(jìn)入到認(rèn)知商業(yè)智能階段，基于自然語言理解的理念徹底改變了商業(yè)智能的交互方式。分析工具不再停留于事后的分析和反思，而是能無縫集成于前端業(yè)務(wù)中，幫助業(yè)務(wù)人員通過簡單的對話與數(shù)據(jù)建立連接，快速且直接地完成數(shù)據(jù)探索。認(rèn)知商業(yè)智能同時能夠進(jìn)行知識管理和持續(xù)學(xué)習(xí)，分析業(yè)務(wù)關(guān)鍵問題。圖1商業(yè)智能發(fā)展階段第一階段：傳統(tǒng)商業(yè)智能線上化｜可視化｜多渠道第二階段：敏捷商業(yè)智能自助式分析｜指標(biāo)可擴展第三階段：認(rèn)知商業(yè)智能智能交互｜嵌入分析｜廣泛洞察來源：IBM商業(yè)價值研究院分析

新一代分析體驗的認(rèn)知商業(yè)智能，具備以下四大特征：交互更簡單：基于自然語言的自助查詢、交互式互動體驗可以降低數(shù)據(jù)分析門檻。使用者不再局限于專業(yè)的數(shù)據(jù)分析人員，而是開放給所有前端業(yè)務(wù)人員，真正實現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務(wù)、釋放企業(yè)生產(chǎn)力的目標(biāo)。數(shù)據(jù)分析的場景不再以個數(shù)來計，而是以群來處理的多維分析如同將千百個字符組合成各種華麗哲思的文章。未來的工作中，業(yè)務(wù)人員可以方便地使用自然語言來進(jìn)行數(shù)據(jù)探查、業(yè)務(wù)分析，無需掌握各種數(shù)據(jù)庫腳本語言和系統(tǒng)平臺操作流程。使用更靈活：用戶無需依賴于分析模板，認(rèn)知商業(yè)智能內(nèi)部的動態(tài)查詢機制已經(jīng)準(zhǔn)備好接受用戶各種各樣的分析提問，通過解析用戶的自然語義，完美匹配到底層變化的數(shù)據(jù)。靈活動態(tài)的查詢方式更加適應(yīng)市場的突發(fā)性和多樣性，分析工具不再落后于市場變化，從而能夠幫助企業(yè)及時洞察商業(yè)機遇。例如，系統(tǒng)在支持信貸分析場景后需要補充租賃業(yè)務(wù)場景，無需重新再建設(shè)一套系統(tǒng)，可以在原系統(tǒng)基礎(chǔ)上補充數(shù)據(jù)標(biāo)簽和映射關(guān)系，語義分析模型一鍵訓(xùn)練即可使用。分析更流暢：商業(yè)市場各類信息繁雜，分析工具各有特點，在分析過程中嵌入多種工具已是司空見慣。認(rèn)知商業(yè)智能可以將各類分析工具嵌入一體，用戶在整個分析過程中不會中斷。更加流暢的分析提升了工作效率，帶來更多商業(yè)靈感，避免多系統(tǒng)信息查找的繁瑣。推薦更懂你：基于自然語言交互的方式，認(rèn)知商業(yè)智能可以更加自然地識別出用戶的信息關(guān)注點，結(jié)合用戶群體和市場突發(fā)事件的關(guān)聯(lián)性，為用戶提供更加準(zhǔn)確的推薦服務(wù)。認(rèn)知商業(yè)智能還可以對用戶關(guān)注的信息進(jìn)行主動預(yù)警，生成邏輯描述清晰、信息展示豐富的報告，并自動向用戶推送。例如，當(dāng)系統(tǒng)發(fā)現(xiàn)業(yè)務(wù)員比較關(guān)注某個客戶時，會將該客戶的重要信息進(jìn)行主動推送。2金融企業(yè)構(gòu)建認(rèn)知商業(yè)智能之五層架構(gòu)IBM在過去幾年，幫助很多金融企業(yè)構(gòu)建了認(rèn)知商業(yè)智能。總結(jié)這些成功實踐，IBM認(rèn)為可以從五層功能結(jié)構(gòu)著手，全方位釋放企業(yè)數(shù)據(jù)價值(見圖2)。第一層：平臺功能采用云部署方式，提供方便快捷的管理和安全性保證，構(gòu)建認(rèn)知商業(yè)智能的平臺基礎(chǔ)。云上部署：認(rèn)知商業(yè)智能基于容器化技術(shù)的云部署，采用云上構(gòu)建、部署、管理分析應(yīng)用程序，并結(jié)合IBM的混合云技術(shù)，可以大大提高運維效率，減少運維錯誤，避免兼容性問題，從而節(jié)約企業(yè)成本，并彌補云數(shù)據(jù)與企業(yè)內(nèi)部數(shù)據(jù)之間的溝通鴻溝。安全管理：認(rèn)知商業(yè)智能平臺要保證安全性，建立用戶認(rèn)證與用戶訪問審查機制。同時，管理要具備易操作性，圖2認(rèn)知商業(yè)智能的五層功能結(jié)構(gòu)

不但要支持知識的增刪改查操作，還要保留各種修改記錄、使用記錄，便于后續(xù)追查、行為研究以及影響評估。系統(tǒng)報告：認(rèn)知商業(yè)智能平臺可以提供豐富的報表功能，對各種記錄數(shù)據(jù)進(jìn)行展示。第二層：知識管理提供多數(shù)據(jù)源支持，建立統(tǒng)一的知識模型，提升數(shù)據(jù)可靠性和可用性。知識建模：根據(jù)企業(yè)業(yè)務(wù)活動的各類主體和事物，抽象出主體描述的特點、標(biāo)識和數(shù)據(jù)，并對多數(shù)據(jù)源進(jìn)行數(shù)據(jù)整合、口徑統(tǒng)一，并按照分組和層次結(jié)構(gòu)進(jìn)行組織，映射到具體的業(yè)務(wù)場景，便于對各式各樣業(yè)的務(wù)問題進(jìn)行回答（見邊欄案例：保險知識建模，開啟認(rèn)知商業(yè)智能之路）。數(shù)據(jù)源連接：數(shù)據(jù)既可以在云上，也可以為企業(yè)私有。可以是結(jié)構(gòu)化數(shù)據(jù)，比如關(guān)系型數(shù)據(jù)庫、知識圖譜等，也可以是非結(jié)構(gòu)化數(shù)據(jù)，比如政府文件、公司政策、郵件報告等。可以平臺直接訪問，也可以通過API間接獲取。數(shù)據(jù)存儲加載：準(zhǔn)備好的數(shù)據(jù)可以存儲于關(guān)系型數(shù)據(jù)庫、數(shù)據(jù)倉庫、知識圖譜等，能夠被系統(tǒng)直接訪問。增強分析高級分析自動洞察數(shù)據(jù)故事可視化交互多輪對話數(shù)據(jù)可視化嵌入式分析智能查詢動態(tài)查詢機制自然語言處理自然語言生成知識管理知識建模數(shù)據(jù)源連接數(shù)據(jù)存儲加載平臺功能云上部署安全管理系統(tǒng)報告來源：IBM商業(yè)價值研究院分析3知識建模構(gòu)建分析知識庫，自然語言處理提升用戶體驗第三層：智能查詢認(rèn)知商業(yè)智能提速分析的關(guān)鍵在于借力人工智能，建立動態(tài)查詢機制，支持業(yè)務(wù)的千面需求。動態(tài)查詢：數(shù)據(jù)分析的需求紛繁復(fù)雜，來自于多種業(yè)務(wù)線的數(shù)據(jù)需求對數(shù)據(jù)維度、指標(biāo)、分析粒度提出千變?nèi)f化的需求。動態(tài)查詢機制需要滿足各種數(shù)據(jù)組合分析的要求，輔助業(yè)務(wù)，抓住瞬時變化的商業(yè)機會。自然語言查詢與自然語言生成技術(shù)：用戶可以使用語音或者文字輸入，后臺通過自然語言理解技術(shù)，精準(zhǔn)識別用戶的分析意圖，定位分析指標(biāo)和維度，自動進(jìn)行數(shù)據(jù)表關(guān)聯(lián)、過濾條件添加、計算邏輯執(zhí)行、數(shù)據(jù)源判斷，組裝成完整查詢語句，進(jìn)行數(shù)據(jù)庫查詢。整個過程基本控制在1秒鐘內(nèi)完成，實現(xiàn)對業(yè)務(wù)需求的實時響應(yīng)。第四層：可視化交互以人機對話為主要交互方式，分析結(jié)果以文本、可視化圖表、知識圖譜等形式展現(xiàn)，提供一站式分析體驗。多輪對話：認(rèn)知商業(yè)智能提供智能而流暢的可視化交互體驗。用戶口語化提問分析需求時，自然語言理解并正確解析出查詢的實體、屬性和約束條件，并由此判斷查詢方式。同一說法有多種含義時，需根據(jù)上下文準(zhǔn)確判斷用戶真實意圖。用戶采用省略性說法時，能夠自動補充省略要素。用戶意圖不明確時，需要采用多輪問答進(jìn)行澄清或推薦（見邊欄案例：智能問答平臺，構(gòu)建智慧大腦）。數(shù)據(jù)可視化：形成正確分析意圖，并通過動態(tài)查詢機制，反饋呈現(xiàn)多樣化的展示效果。針對信息查詢和判斷類意圖，直接回答文本。針對數(shù)據(jù)分析類意圖，展現(xiàn)可視化圖表并支持多輪對話進(jìn)行數(shù)據(jù)的逐層下鉆分析。針對關(guān)聯(lián)關(guān)系分析類意圖，則反饋知識圖譜，簡單直觀地幫助用戶尋找信息洞察。嵌入式分析：認(rèn)知商業(yè)智能支持內(nèi)嵌多種分析工具，通過特定分析意圖觸發(fā)，為用戶提供完美的一站式分析體驗。

保險知識建模，開啟認(rèn)知商業(yè)智能國內(nèi)某頭部保險集團(tuán)旗下有眾多保險產(chǎn)品，理賠要求復(fù)雜且相近，銷售經(jīng)理需要花費大量時間來為客戶進(jìn)行介紹，大大降低了產(chǎn)品銷售效率，影響對客戶的友好度。IBM為該集團(tuán)提出人機對話系統(tǒng)的解決方案。首先，使用圖數(shù)據(jù)庫來構(gòu)建專業(yè)領(lǐng)域知識庫。基于保險產(chǎn)品、投保要求、理賠條款、操作方式等知識的關(guān)聯(lián)結(jié)構(gòu)，分析產(chǎn)品的不同屬性、輕重疾的理賠差異等復(fù)雜關(guān)系。在分析梳理工作過程中，借助IBM知識圖譜加速工具IKE(IBMKnowledgeEnabler)，識別各類數(shù)據(jù)并進(jìn)行串連組織，融合匯總到人、事、物、組織等實體、屬性、時空、語義、特征串聯(lián)為邊的關(guān)系網(wǎng)中，形成行業(yè)知識圖譜庫。通過豐富的可視化形式，為用戶再現(xiàn)真實世界對象之間的錯綜復(fù)雜的關(guān)系，讓數(shù)據(jù)更加容易被人和機器理解與處理。其次，使用自然語言理解、深度學(xué)習(xí)模型等人工智能技術(shù)，識別保險客戶提問的實體、關(guān)系、意圖，給出客戶滿意的回復(fù)。IBM的解決方案讓保險客戶通過對話方式快速理解產(chǎn)品信息，同時降低集團(tuán)在這方面持續(xù)投入的成本。該方案實施后，系統(tǒng)可以支持的業(yè)務(wù)場景數(shù)量超過4000個，并支持系統(tǒng)嵌入到多個入口，方便各種場景下的用戶使用。4智能問答平臺，構(gòu)建智慧大腦國內(nèi)某頭部多元化金融集團(tuán)面臨的業(yè)務(wù)挑戰(zhàn)是：采購和自建了多種分析工具，數(shù)據(jù)來源分散且結(jié)構(gòu)復(fù)雜，子公司系統(tǒng)化能力參差不齊，數(shù)據(jù)提取過程繁瑣、手工工作量大、時效性低。為了實現(xiàn)對復(fù)雜業(yè)務(wù)進(jìn)行多維分析、實時計算、動態(tài)查詢，該集團(tuán)與IBM合作，共建多元金融業(yè)務(wù)的“智慧大腦”方案。如何梳理復(fù)雜業(yè)務(wù)并對底層數(shù)據(jù)關(guān)系進(jìn)行知識建模？怎樣通過提問分析出目標(biāo)，并識別出用戶提問的意圖？是否可以進(jìn)行數(shù)據(jù)表關(guān)聯(lián)、自動添加過濾條件、判斷分類和排序操作，解決意圖的混淆歧義？這些都是要面對的挑戰(zhàn)。在經(jīng)過充分的業(yè)務(wù)分析后，IBM為其梳理出清晰的業(yè)務(wù)關(guān)系脈絡(luò)，構(gòu)建出基本的知識結(jié)構(gòu)。借助IBM的AI資產(chǎn)智能問答平臺CAA(IBMCognitiveAgentAssistant)，它不但具備智能問答的能力，更具備與后臺流程自動化和工業(yè)自動化相整合的能力。系統(tǒng)通過自然語言理解、動態(tài)搜索引擎分析，將用戶目的從自然語言轉(zhuǎn)為數(shù)據(jù)庫查詢語句，將實時計算結(jié)果形成可視化結(jié)果展現(xiàn)給用戶。經(jīng)過IBM與該金融集團(tuán)團(tuán)隊6個月的不懈努力，共同實現(xiàn)了200多個業(yè)務(wù)場景的數(shù)據(jù)分析，準(zhǔn)確率達(dá)到90%以上，實時計算的響應(yīng)速度基本在1秒鐘左右，服務(wù)于旗下銀行、證券不動產(chǎn)等多種金融業(yè)務(wù)，讓基層客戶經(jīng)理也能高效地利用數(shù)據(jù)以獲得洞察。

第五層：增強分析1預(yù)設(shè)多種高級分析模型，解決復(fù)雜的分析需求。增強分析包括多種分析預(yù)測的高級模型、猜測用戶意圖的自動化洞察和分析數(shù)據(jù)結(jié)果的數(shù)據(jù)故事講述等。高級分析：如果分析場景過于復(fù)雜，生成查詢語句并展示結(jié)果會比較困難。這時可以在判斷出意圖以后，直接引用預(yù)先制作的展示豐富的分析報告。自動洞察：用戶詢問一個問題以后，通過歷史數(shù)據(jù)統(tǒng)計分析、輿情熱點關(guān)聯(lián)、人工預(yù)先配置等多種方式，結(jié)合用戶畫像，自動給出和此問題相關(guān)聯(lián)的其它問題，方便用戶點擊獲取。數(shù)據(jù)故事：為用戶展示一個結(jié)果之后，對比同條件歷史數(shù)據(jù)、同時期同業(yè)或同級別對標(biāo)公司數(shù)據(jù)、行業(yè)或地區(qū)平均數(shù)據(jù)等，并結(jié)合各種指標(biāo)數(shù)據(jù)、公司重大事件以及內(nèi)置業(yè)務(wù)知識邏輯，給出此數(shù)據(jù)的合理解釋。5行動指南為了幫助金融企業(yè)開啟認(rèn)知商業(yè)智能之路，IBM結(jié)合實踐經(jīng)驗，提出以下行動指南：明確業(yè)務(wù)目標(biāo)，避免偏離真實的業(yè)務(wù)需求。團(tuán)隊需要進(jìn)行充分的內(nèi)部溝通，形成清晰的業(yè)務(wù)目標(biāo)。是否一定要通過AI+BI的方式來解決？對產(chǎn)品和方案進(jìn)行深度思考后，再予以行動。梳理金融業(yè)務(wù)場景，持續(xù)沉淀，找準(zhǔn)痛點，集中發(fā)力。真實而準(zhǔn)確的業(yè)務(wù)需求是認(rèn)知商業(yè)智能成功的基石。考慮企業(yè)內(nèi)部是否有業(yè)務(wù)場景的積累，尋找真實的業(yè)務(wù)痛點。如果企業(yè)已建設(shè)了客服系統(tǒng)或者BI分析類系統(tǒng)，可以將積累的需求問題進(jìn)行需求分析、語義分類。如果沒有相關(guān)問題積累，則需先進(jìn)行少量收集來嘗試啟動。在梳理業(yè)務(wù)場景過程中，可以借助IBMAI資產(chǎn)知識圖譜加速工具IKE(IBMKnowledgeEnabler)來加速業(yè)務(wù)知識圖譜構(gòu)建。簡單方便的托拉拽操作，可以在短時間內(nèi)完成業(yè)務(wù)圖譜搭建。同時內(nèi)置圖算法，將復(fù)雜的業(yè)務(wù)關(guān)系轉(zhuǎn)換為直觀的可視化呈現(xiàn)，挖掘業(yè)務(wù)價值點。考慮如何實現(xiàn)靈活查詢、實時計算、智能分析。一方面，認(rèn)知商業(yè)智能對底層數(shù)據(jù)有更高要求：數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一、數(shù)據(jù)準(zhǔn)確性高、數(shù)據(jù)模型設(shè)計合理、存儲符合數(shù)據(jù)關(guān)系、數(shù)據(jù)更新頻率滿足應(yīng)用層使用要求等。另一方面，認(rèn)知商業(yè)智能對問答計算性能、查詢靈活度的要求遠(yuǎn)超一般對話系統(tǒng)。IBM的資產(chǎn)智能問答平臺CAA(IBMCognitiveAgentAssistant)處于業(yè)界領(lǐng)先地位，可以助力企業(yè)完成轉(zhuǎn)型。采用IBM車庫方法TM，快速開啟認(rèn)知商業(yè)智能轉(zhuǎn)型之路。請用戶和團(tuán)隊一起參加設(shè)計思維工作坊(DesignThinkingWorkshop)，用同理心找到客戶需求，用頭腦風(fēng)暴重新定義問題，用思維碰撞捕獲更多靈感，最終形成解決問題的方法和原則。

需要思考的重要問題–在企業(yè)數(shù)據(jù)化管理和分析的應(yīng)用中，貴企業(yè)存在哪些挑戰(zhàn)？–面對復(fù)雜業(yè)務(wù)，您計劃如何構(gòu)建認(rèn)知商業(yè)智能？–您是否打算聯(lián)手經(jīng)驗豐富的合作伙伴，加速向前推進(jìn)？6備注和參考資料“MagicQuadrantforAnalyticsandBusinessIntelligencePlatforms.”Gartner.11February2020./doc/reprints?id=1-1Y7VEZB3&ct=200128&st=sb選對合作伙伴，駕馭多變的世界IBM，我們積極與客戶協(xié)作，運用業(yè)務(wù)洞察和先進(jìn)的研究方法與技術(shù)，幫助他們在瞬息萬變的商業(yè)環(huán)境中保持獨特的競爭優(yōu)勢。IBM商業(yè)價值研究院IBM商業(yè)價值研究院(IBV)站在技術(shù)與商業(yè)的交匯點，將行業(yè)智庫、主要學(xué)者和主題專家的專業(yè)知識與全球研究和績效數(shù)據(jù)相結(jié)合，提供可信的業(yè)務(wù)洞察。IBV思想領(lǐng)導(dǎo)力組合包括深度研究、專家洞察、對標(biāo)分析、績效比較以及數(shù)據(jù)可視化，支持各地區(qū)、各行業(yè)以及采用各種技術(shù)的企業(yè)做出明智的業(yè)務(wù)決策。訪問IBM商業(yè)價值研究院中國網(wǎng)站，免費下載研究報告: