为传统企业转型升级赋能，离不开大数据和人工智能技术，本文通过与专家对话，解读下一代大数据和分析技术如何更加深入的应用在商业场景，赋能商业决策。从数据分析技术的层面来看 ，哪些技术的发展是主要的方向趋势，可以让人工智能释放更大潜力，激活数据，创造价值。
近日，知名调研机构 Gartner 作出预测认为 ：增强型数据分析（Augmented Analytics）、增强型数据管理（Augmented data Management）、持续型智能(Continuous Intelligence)和可解释人工智能（Explainable AI）等是下一代数据和分析技术的主要趋势，并在未来3至5年内具有显著的颠覆性潜力。其实这些技术已经开始进入了广泛的实践，品友互动的数据专家详细介绍了这些趋势的功能体现，以及在品友核心数据产品中的应用。
增强型分析的“高维度”洞察，赋能决策智能
增强型分析（Augmented analytics）被认为是数据与分析市场内的下一波颠覆性技术。它利用机器学习与人工智能改变分析内容的开发、使用与共享方式。增强型分析的“增强”就是AR（增强现实技术）的“增强”。
品友互动CTO欧阳辰对增强型分析进行了科普和解释：”增强型分析有两方面的含义：一方面数据分析利用更多的算法模型和计算能力，产生更加深刻的洞察，帮助企业进行更“高维度”的数据分析，自动生成各种可采取行动的建议； 另外一方面，利用平台化分析技术，增强型数据分析大大提升了数据分析效率，降低数据分析的门槛，人人都可以像数据科学家一样，对数据进行多维度的自动钻取，自动加载各种模型进行深度分析。“
增强型分析的主要特征是，能自动执行数据准备、洞察生成与洞察可视化过程，在多种情况下无需专业数据科学家参与其中。基于增强分析的机器学习模型可以嵌入到企业各个环节的应用中，如人力资源、财务、销售、营销、客服、采购以及资产管理部门，可以优化所有员工的决策和行动，而不仅限于分析师和数据科学家。
品友基于AI的决策系统MIP（Marketing Intelligence Platform）正体现了这种数据分析能力，通过技术打通数据，帮助企业进行深刻的市场洞察，从产品定位、目标人群设定到概念测试，完成目标人群选择、创意选择、产品概念测试、媒体策略等环节的决策，解决营销中全链路的决策问题。品友互动创始人兼CEO黄晓南表示，许多企业决策者希望有一个更加清晰明确的一站式综合系统，帮助其进行决策，针对这一“痛点”，品友互动2018年与京东云联手打造了AI营销决策系统 “智麦”，构建一个完整的营销生态体系，通过双方在各自领域的领先优势，打通京东站内数据。解决“数据孤岛”问题、优化投放效率、增强投放的科学性和系统性指导，为企业提供高价值营销解决方案。
MIP产品架构图
另外 ，也有研究表明，增强型分析能力也将成为人机对话分析中的一个重要特性，这是更为新潮的一个范式，业务人员甚至能够通过移动设备和智能终端来接收并输出决策。例如，亚马逊 AI语音助手Alexa 的使用者可能会说: “Alexa，分析我过去三个月的销售结果，并给出优化方案”。
这种技术对数据不仅仅进行“高维度”分析，还可以简化数据处理的过程，帮助企业级的用户快速高效地做出日常决策，开展业务。
持续型智能激活数据背后商业价值
Gartner预计到 2022 年，超过一半的重要新业务系统将采用持续型智能(Continuous Intelligence)，使用实时数据来改善决策。 持续型智能采用了多种技术，包括之前提到的增强型分析，以及对事件流处理、优化、业务规则管理、机器学习等。
欧阳辰介绍，持续型智能就是把智能（Intelligence）进行大规模和实时的应用，比如消费者体验场景，我们将人工智能技术应用在每一次消费者与品牌主的触点互动中，包括触点的智能选择，互动内容的智能推荐，数据的实时反馈并参与建模计算，持续型智能帮助人们实现大规模个性化的生活方式”，欧阳辰解释说，这里所说的“智能“融合了数据、算法和云计算技术，这种智能会像涓涓细流一样滋润人们的各种生活方式和互动触点上，同时也会提升整个社会的商业效率。
持续型智能最主要的是要实现数据循环反馈，激活数据。想象一个数据的循环系统，如果数据量不够大，数据不流动，都无法形成持续型数据。 品友的数据管理平台（DMP）就能够通过数据逐层优化营销环节，沉淀真实的数据产生应用价值，提升顾客生命周期价值，打通内部的数据孤岛，实现全链路决策输出。
黄晓南介绍，品友已经为许多大型知名企业搭建DMP提供数据服务，许多企业在搭建DMP时出于对数据安全的考虑，更倾向于采用本地部署，不愿意把数据放在云端，但这也失去了搭建DMP的意义，因为DMP是要激活数据价值，如果无法激活客户的第一方数据，也就无法激活数据背后的价值。
品友采用了前瞻性的混合式（Hybrid）解决方案，通过把客户的第一方数据加密后放到云端，与第三方数据整合，激活数据价值后。这样既确保了客户数据的安全性，同时又解决了算法的灵活性，激活数据背后的价值。整个实施的过程更加自动化、透明化、智能化。最后，所有的数据都沉淀下来，作为第一方的用户数据。
同时品友DMP也应用了增强型数据管理（Augmented data Management）技术，利用机器学习功能和 AI 引擎来制作数据管理类别，包括数据质量、元数据管理、主数据管理、数据集成以及数据库管理系统的配置和优化。增强型数据管理还自动优化数据审计流程，提升数据管理的自动化程度，提升数据运维管理的效率和智能程度。
人机同行，加速人工智能决策进化速度
可解释型人工智能（Explainable AI）是人工智能在商业应用中十分非常重要一个领域。
人工智能模型越来越多地被用于增强与代替人类决策，但实际上大多数这些先进的人工智能模型都是复杂的黑盒子，无法解释为何提出了某条具体建议或决策。
“目前，很多智能算法都属于黑盒运行，在商业决策场景中，常常会碰到可解释性的问题，一个由智能算法给出的决策建议是否合理、算法是否按照最初的设想进行工作、有没有什么特别的因素干扰决策结果，无法解释这些问题将影响智能决策的科学性。品友在设计商业决策智能产品时，我们充分考虑算法的可解释性，将复杂的算法模型与领域专家的知识体系进行有机的结合：领域专家设置优化目标和整体步骤，计算机算法实现局部的优化，并且白盒化特征的筛选以及计算步骤，对每一步骤中可解释性信息进行可视化，提供给领域专家查看，这样可以充分利用人与机器的各自优势，提升智能的可解释性、可改进性以及可操作性。”
品友DMP中有一个算法是人群的聚类(Cluster)算法，用户可以对算法进行灵活的参数设置，在聚类结果中，我们会将不同人群的特征进行降纬，例如二维或三维，而后通过可视化的投影(Project)评估各种算法结果，并为子人群打上自动标签，以支持进一步的优化。我们希望这个算法能够结合业务人员的知识，一起生成最适合场景的人群自动分类。
算法可视化也是可解释型人工智能的重要组成。可视化主要面向业务人员，需要更好的方式去理解人工智能的工作模型 ，实现人机同行，能把他们对业务的理解和洞察融入到可解释的人工智能引擎中，人和机器能够实现更好的协作 ，如果让人工智能完全以黑盒运行的话，不利于积累业务知识和反馈。
可解释性AI的目的是让专家更好地把知识反馈进来，人和机器同步的发展，专家知识能够用机器学得更快更准，方向更好，加速进化速度 。一方面，人的知识体系可以定义优化的方向和目标；另一方面，机器可以利用庞大计算能力，在设定好的目标下进行持续优化。两个方面可以有机的结合起来，以业务目标并行来做，这就是：人机同行。
知识图谱加速智能应用，赋能行业决策智能化
有分析师认为数字化颠覆带来的一项挑战——数据太多， 这同样也创造了前所未有的机遇。由云驱动的海量数据将实现更强大的处理能力，意味着现在可以大规模训练与执行算法，最终发挥出人工智能的全部潜力。
面对庞大的数据量，欧阳辰介绍，“品友曾推出了行业首创的营销知识图谱，该知识图谱整合营销专家的系统认知，以及系统中多年算法模型和数据，将营销策略通过节点和边进行建模，利用图数据库进行构建和索引，支持海量营销策略数据的结构化。品友通过大量的数据清洗，歧义消除，自动知识抽取等技术，把过去多年来的营销经验沉淀在知识图谱里，以支持更加精准的定向、效果的预估以及策略自动生成。“。
品友营销知识图谱
品友的的数据湖产品，帮助企业对接多方数据源，包括结构化数据、非结构化数据、视频数据、faceID等， 基于数据湖和数据平台，进行多方的应用和激活 。
同时，Gartner还预测，到2022年，75%利用人工智能与机器学习技术的新终端用户解决方案将采用商业解决方案而非开源平台构建。通过加入机器学习与自动化的服务级管理，数据管理手动任务将减少45%。
黄晓南表示，通过AI企业级服务产品全面赋能商业化企业进行全方位的智能决策，是品友互动的重要战略。因此品友也致力于商业人工智能与机器学习平台这方面的建设，“简单开源平台不容易解决企业业务，所以我们构建平台化的产品去解决针对不同场景和行业的问题”，行业专家去使用、并用好这个平台，才能真正发挥人工智能的优势。
