为什么AI+BI在中国仍是泡沫？

作为时下最热门的信息技术，AI浪潮正在席卷人类生产生活的方方面面。与此同时，不少人将视角转向了AI与BI（Business Intelligence，商业智能）的结合。

虽然眼下AI的数据问诊虽然仍处于一个初级的发展阶段，但是BI领域，从企业到服务商都已经摩拳擦掌，开始了BI+AI的融合进程。（详见钛媒体前文：BI+AI是企业级“算命”吗？）

今年，企业级服务领域出现的数起重磅并购，6月初，在不到一周时间里，BI与分析领域连续发生两起重大收购，将“AI+BI”的概念推向高潮。

6月6日，谷歌斥资26亿美元收购商业智能软件和大数据分析平台Looker，收购完成后Looker将并入谷歌云部门。这也是谷歌母公司Alphabet继2014年用32亿美元收购智能家居公司Nest以来金额最大的收购案例，也是谷歌历史上继摩托罗拉（125亿美元）、Nest（32亿美元）以来的第三大收购案。 6月10日，Salesforce宣布以157亿美元的全股票交易收购Tableau，旨在夯实其自己在数据可视化以及帮助企业解读所使用和所积累的海量数据的其他工具方面的工作。

但是笔者认为，当前AI+BI的模式在中国仍是泡沫。接下来本文将围绕AI、BI、AI+BI的概念及应用场景，详细分析当前AI+BI模式在中国的应用壁垒。

明晰AI与BI概念

什么是AI已经有很多讨论，在此不再赘述。而谈及AI的应用，则可以从技术和行业两个层面来看。

技术层面主要有人脸识别、视网膜技术、无人车等计算机视觉相关应用；苹果“Siri”和阿里“天猫精灵”等语音技术应用；谷歌的神经机器翻译系统；还有“Deep Blue”和“AlphaGo”等决策系统。

上升到行业层面的话，像金融行业的风险监控、医疗行业的纳米机器人、零售行业的零售机器人、安防领域的图像识别、电商行业的智能客服等，都是当前相对成熟的应用场景。

BI的概念相对来说不那么普及。

BI，即Business Intelligence，中文称为商业智能或商业智慧。

1996年，Gartner集团正式将商业智能定义为：一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。

从概念诞生到现在的几十年间，BI的价值和使命并未发生根本的变化，依然是将数据转化为有用的信息，让企业的决策有数可依，变化的只是BI所使用的技术，而BI的发展也就是体现在技术上。

目前，BI的核心技术主要包括数据存储、数据ETL、数据分析、数据挖掘，以及数据可视化分析。随着数据量的激增和应用场景的复杂化，BI在技术上也有所补充，例如Hadoop和Hive等大数据技术的出现就很好的弥补了BI处理大数据的能力。

相应地，随着技术发展和对用户需求的响应，BI正在由传统向自助发展。2013年以前属于传统BI阶段，该阶段的产品以IT为主导，在大数据量的处理上拥有较好的性能和稳定性，但是数据分析的能力和灵活性比较差。

2013年至今是自助型BI的高速发展期，也是传统BI的衰退期。采购成本低、项目周期短，以及IT驱动向业务驱动的转变让敏捷型/自主型BI产品登上舞台。由于各企业的信息化水平参差不齐，因此两个阶段的BI产品并不是替代关系，他们将会长期共存，直到信息化基础条件发生根本的变化。

什么是AI+BI？

顾名思义，AI+BI模式就是AI与BI相结合，这种新模式的出现主要有三个方面的原因。

（1）AI+BI模式具有很好的应用前景、价值和场景

从概念和理论上来说，AI+BI模式是有价值有前景的。AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AI+BI模式通过将AI嵌入BI，构建基于AI的BI平台，利用AI的智能让BI系统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。

从具体场景上来说，AI+BI的模式的确能让一些BI场景更深入，产出更有价值的知识。

对于结构化的数据，BI系统可以应用一些准确度更高的机器学习算法，得到更精确的分析结果。例如市场营销，采用AI+BI模式就可以在用户分群的基础上，得到更精细的针对每个用户的分析结果，从而给出更精准的个性化营销方案。还有金融领域的风险监测，AI+BI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。

对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理BI系统的复杂业务场景。例如AI+BI模式能够通过语音技术录入数据，控制驾驶舱和数据大屏的制作等。还有智能客服系统，不需要手动收集客户问题再分配人员解答，通过语义理解和自然语言处理等技术分析客户问题，实现实时、自动回复客户。

（2）作为企业融资、炒作的噱头

一种新模式的出现往往万众瞩目，也让不少企业借此找到融资和炒作的噱头。AI+BI模式在一定程度上也是被企业作为卖点来吸引投资人和客户。像自然语言生成、增强数据发现等很多AI企业都还在探索的功能，一些BI企业却宣称已经实现，并在产品发布现场通过前台发言人讲话，后台人工控制的手段伪装成通过语音技术实现了功能。

（3）研究咨询机构的预测

AI+BI模式的出现也离不开一些研究咨询机构的预测报告。

例如Gartner在2017年7月发布的《Hype Cycle for Analytics and Business Intelligence, 2017》报告中就表明，未来的BI将以增强分析为主要着力点，增强数据发现、自然语言生成等技术将会在2-5年内达到高峰。值得注意的是，Gartner的预测偏向于整体的趋势，然而不同国家、地区的BI发展不尽相同，如今这些技术仍处于发展阶段，至少在我国是这样。

图1- Gartner 2017年分析和商业智能炒作周期

看似美好，实则泡沫？

虽然AI+BI吸引了大量企业的关注，但是就“目前”和“中国”来说，AI+BI模式的可行性和应用能力仍然存在不少问题。

（1）AI和BI存在本质区别，BI拥有自己的发展路线，而AI目前并不是BI的核心功能

AI与BI存在本质上的区别，BI的目的是将数据转化为知识来辅助决策，AI则追求以更智能的算法得到更精确的结果。

BI的发展路线是以数据为基础的，主要是数据的管理和分析。虽然AI技术的范围非常广，但当前BI系统中真正能用上的无非是一些处理文本、图像等非结构化数据的AI技术。但是除了一些特定行业，大部分的企业很少会有文本处理和图像处理的需求，绝大多数BI系统需要处理的仍然是结构化的数据。

针对结构化的数据，AI与BI的交叉只在于机器学习和数据挖掘，而且这种交叉也极小。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。所以说，AI并不是BI的核心功能，AI+BI的模式当前无法成为BI市场的主流。

因此，笔者认为AI+BI的发展现状和趋势可以用下图表示。

当前在中国，AI与BI仅存在极小的重合部分，随着AI技术和BI系统的不断成熟，AI在BI中的应用将会越来越多，二者重合的部分也越来越多，但是因为它们存在本质上的区别，因此不会完全重合。预计在2025年左右，BI将开始迈入智能化阶段，到2030年，BI的智能化也将进一步扩大。

图2-AI+BI的发展现状和趋势

（2）AI技术并没有完全成熟，在BI中的应用存在障碍

AI在现阶段并没有非常智能，有不少技术仍然不成熟。根据Robert Sternberg的智力三因素理论，智力分为成分智力、经验智力和情境智力。人工智能要做到智能化，就需要在这三个方面都有很好的发展，然而目前的机器学习、深度学习等，更多的是经验智力，在成分智力和情境智力上还有非常大的差距。

Gartner 2018年8月发布的《Hype Cycle for Emerging Technologies, 2018》表明，知识图谱、智能工作空间、智能机器人、对话式AI平台等智能技术，预计还要5-10年才能达到高峰。

图3- Gartner 2018年新兴技术炒作周期

对于BI来说，应用不成熟的AI技术反而可能会带来一定的消极影响。

例如前面提到的个性化营销，如果企业有10000个用户，每个用户都有不同的方案，那就是10000个方案，那么方案实施的工作量和复杂性可想而知，而且这种极致个性化的必要性也值得思考。

再例如智能客服的场景，在AI技术没有完全成熟的情况下，智能客服只能解决一些简单的问答问题，如果客户截图反馈技术问题，智能客服目前还不能给出解决方案。在语言录入方面，也会受到口语、方言，以及噪声等因素的影响。

另一方面，当前AI的适应性也会影响其在BI中的应用。

目前AI依赖于大量经验的学习过程，当数据量较少的情况下，结果不一定能够保持很高的准确率，并且随着企业数据的数量增加和类型增加，AI能否很好地适应这些变化也无从得知。而且AI的专业性也使得AI方法不具备良好的迁移性。

（3）当前中国企业的BI建设对AI需求极小

对于中国的企业来说，目前将AI引入BI的需求是非常小的，这和中国企业的BI建设现状是分不开的。

首先，除去BAT、JMD等较大的一些互联网公司，国内的信息化水平整体还是落后于国外尤其是美国的，新兴技术的需求普遍存在滞后。

最近，帆软数据应用研究院对1000多家企业进行了BI功能需求调研。调研结果表明，在企业2年内最需要的BI功能中，图像处理、语音工程和文本分析等功能排在最后。并且，企业未来3~5年将会应用的BI功能也呈现相同的结果，只是比例有所上升。所以说，我国企业的BI建设在未来5年内将仍然以数据管理和分析为主。

图4-企业2年内BI功能需求

图5-企业未来3~5年BI功能需求

其次，根据笔者多年的BI项目经验，很多企业在BI项目实施过程中的一个普遍问题是数据治理。BI和AI都需要良好的数据支撑，但是目前中国的大部分企业因为业务信息系统多而杂，非常容易被数据孤岛、数据标准不统一等问题困扰。底层数据如果治理不好，将会严重影响后续的分析决策，更不要去谈决策的准确率了。

在这样一个背景下，企业贸然将AI应用到BI上，只能是竹篮打水，人财两空。

因此，企业首先最需要的是将BI系统建设成熟，而AI+BI模式当前在中国并没有特别明显的需求，只是对极少数企业的锦上添花。

当然，理论上来说，AI+BI理论上是未来一个非常不错的趋势，应用得当能为企业带来意想不到的价值。但是就目前、就中国而言，AI+BI的模式看似美好，实则泡沫。（本文首发钛媒体）

作者 | 帆软软件副总裁杨扬，编辑 | 赵宇航