我国商业智能的发展环境、应用理论和未来趋势

牛艳莉

内容摘要：本文根据我国商业智能的背景，从流通业的角度出发，分析了商业智能与营销服务结合。本文认为，从政策环境上看有《“互联网+”人工智能三年行动实施方案》等多项政策规划的支持，从经济环境上看我国正在进行供给侧结构性改革，企业具有强烈的效率提升动机，从技术环境上看我国大量的研究涌向了商业智能。

关键词：商业智能 人工智能

如今在人工智能、大数据等科学技术的发展下，商业智能能够在特定环境下发挥其自动化和智能化的作用。商业智能（BI）的建设已经是是许多组织的首要任务，BI的优势正在迅速吸引更多的支持者。不同组织正在努力了解内部和外部资源所产生的迅速增加和多样性的数据量。因此商业智能已成为许多组织竞争的重要基础，在过去几年中一直被国际领先企业列为高级管理人员的重大议程项目之一，成为了学术界和实务界关注的话题。

在过去的研究中出现的主题是，组织内部使用的商业智能必须适应于使用它的问题空间或决策环境，而这种匹配是商业智能成功的关键。然而，以从业者为导向的学术研究表明，大多数企业的商业智能应用没有提高绩效，因为企业并没有把他们的商业智能和决策环境联系起来，商业智能的决策环境与商业智能的功能存在不匹配的现象。商业智能的绩效指商业智能实现了组织利益，不同企业的企业目标不同，导致了这种商业智能的功能需求也不同。而目前我国的互联网技术的迅速渗透下，大数据驱动了商业智能的新一步发展。

我国商业智能发展的文献综述和环境分析

王惠敏（2015）认为，精准营销、价值链和服务模式创新是未来商业的发展趋势，谢梦怡（2016）研究了基于OLAP技术来分析了以商业智能提升零售业的路径，戴欢（2017）研究了基于商业智能的数据分析系统设计。宋丹和黄旭（2016）认为，我国的商业智能市场需求增速较快，而供给能力和服务质量还存在严重的滞后性，并提出了对商业智能未来发展的路径建议。冯超颖和尹航（2017）提出了企业应当借助大数据和商业智能的结合，从而提升企业的管理效率。可以看出，近年我国商业智能是学术界的一个关注点，从已有的商业智能发展历史来看，商业智能在未来具有良好的前景。接下来本文进一步通过政策环境、经济环境、技术环境和投资环境来分析商业智能在我国的发展。

从我国商业智能的政策环境来看，我国自2015年商业智能开始发展以来，在国家政策已经制定了不少规划，在2015年国务院发布《关于积极推进“互联网+”行动的指导意见》当中，已经将人工智能列为了“互联网+”重点产业布局，鼓励智能家居、智能终端、智能汽车、机器人技术的发展。而在2015年7月的《关于运用大数据加强对市场主体服务和监管的若干意见》显示，意见提出政府部门应当借助大数据技术来增强政府部门的治理效率，并且需要根据大数据技术来重构治理模式，从而提高政府服务水平和监管能力水平。而在2016年开始，国家的十三五规划已经将智能制造和机器人列为了“科技创新2030项目”工程，并且人工智能也在《国民经济和社会发展第十三个五年规划纲要》中被列为了重大工程，在《“互联网+”人工智能三年行动实施方案》中也提出国内需要培育人工智能产业，政府会投入资金支持和建设人工智能的标准体系和知识产权保护。除此之外，在2017年的全国两会上人工智能也被纳入了我国政府工作报告。因此，在政策环境上商业智能已经到达了一个在政府资金、政府需求、知识产权等多方面政策支持的发展机遇。

从我国商业智能的经济环境来看，我国在过去是通过工业化进程推动了经济急剧增长，但是在2010年以后资本和劳动力都流向了产业价值较低的生产部门，这令我国的经济增速遇到了瓶頸，过去重发展轻环境的经济结构急需优化，目前国内的经济增长还处于“稳着陆”的阶段。在2016年国家推行供给侧结构性改革背景下，高附加值和知识密集型产业将会得到更高的发展空间，而粗放型的企业发展模式已经不再适用，而专业化、精细化的企业发展模式更适应经济结构调整的需要。在这个背景下，商业智能促进了高附加值和知识密集型产业的成本优化和效率提升，更专业化的商业智能技术将更容易得到国内产业市场的欢迎。

从我国商业智能的技术环境来看，我国的人工智能领域的学术论文在国际水平领先。根据艾瑞咨询的数据显示，在国际人工智能顶级学术会议中，在AAAI会议中我国学者总共提交了2571篇研究成果，并且企业与高校的产学合作更为频繁。

从我国商业智能的投融资环境来看，目前商业智能产业的行业集中度较低。根据艾瑞咨询的数据显示，2015年是近五年来融资次数最多的一年，达到了33次，而2016年的融资次数达到31次，以天使轮融资、A轮融资与B轮融资居多，而服务于金融企业的商业智能的融资成功率较高（见图1）。

商业智能的应用理论

（一）商业智能的功能分析

商业智能运用如商业、安全、金融、营销、法律、教育、科学、工程、医学可视化、生物信息学、健康信息学、人文、零售、电信，虽然商业智能在企业中广泛应用于标准业务和电子商务，但商业智能应用程序在许多领域都在增长。通过对流程进行实时监控，企业也能够快速利用这项功能来防范商业欺诈。手机欺诈检测的样本被用于收集事件并进行分析以检测正常或欺诈行为的使用模式。商业智能理论和实践的许多特点都存在：数据集成、实时分析、信息保护机制、协作和团队合作。

数据集成。Dayal等（2009）分析了商业智能系统中的数据集成流所需的需求、当前技术的局限性、挑战以及应对这些挑战的框架。如今商业智能的目标是促进技术的最优设计和使用，以满足新的和不断变化的业务需求，解决方案可以是一种分层的数据集成流程生命周期方法，随着更复杂的集成流程设计，创建自动化或半自动化技术来帮助从业者处理复杂性是十分重要的。

实时分析。Nguyen等（2005）提出了一种基于事件驱动的信息技术基础设施，从而运行商业智能应用同时实现实时分析业务流程和操作。“感知与响应的服务体系”（SARESA）为此提供实时监控的过程，让企业能够快速利用时间敏感性较强的商业机会。商业智能系统的实时分析需求不是传统商业智能系统的一部分，它包括数据时效性、连续数据集成、分析和主动决策引擎，并且具有高可用性和灵活性。如前所述，手机欺诈检测的样本被用来浏览体系结构的方法。呼叫详细记录（CDR）聚集事件和分析检测正常或欺诈行为的使用模式。

信息保护机制。Finneran和Russell（2011）提出企业能力的识别和构建需要业务持续过程和管理报告的生成能力。而为了优化业务，企业需要通过制定标准措施和跟踪历史来度量和管理销售额的趋势分析。最后，控制信息流的工作被划分为管理和保护，这意味着需要数据治理的持续框架，使企业的数据可信度提高，并保护企业内部传递的信息。

团队协作。Berthold等（2010）认为，企业的普遍缺点是缺乏分析数据的业务上下文信息，很少强调强协作的数据，缺乏有效或及时地集成外部或非结构化信息的方法。商业智能系统允许企业用户以协作的方式制定策略，将信息获取反馈到企业用户手中。它是通过灵活的数据模型、可伸缩的数据存储、业务配置方法、信息自助服务环境和集成的协作环境完成的。通过使用这些方法，企业用户具有用于特定和协作决策的体系结构。

（二）商业智能应用的环境支持

随着计算机技术的进步，能够以较低的成本获取和存储的数据量越来越大。任何在线信息网站或设备都能采集到新的数据，包括电子商务网站、RFID标签、网站、电子邮件、博客等，本文从结构化和非结构化和数据类型、数据库、数据挖掘和云数据来介绍商业智能的应用。

结构化和非结构化和数据类型。从广义上来看，数据可以分为结构化和非结构化类型的数据，Park和Song（2011）认为随着现代企业的内部数据和外部数据的迅速堆积，结构化和非结构化的数据对于商业智能的无缝分析显得极为重要。特别是大多数有价值的业务信息被编码在非结构化文本文档（包括Internet网页）中时，需要专门的文本OLAP分析工具提供解决方案，通过以结构化关系数据相同的方式来对文本文档进行多维分析。而文本挖掘和信息检索是处理文本数据的主要技术。企业应当建立包含结构化和非结构化数据的商业智能平台，将信息检索、文本挖掘和信息提取技术与OLAP技术结合起来，将成为实现有效的商业智能平台。

数据库建设。商业智能所提供数据的主要来源是从数据库中收集的，如今数据获取的成本低并且十分方便，而且数据获取量往往较大，一般达到了10到100TB量的数据。实时数据库的优势是使用半结构化多维建模，数据库需要收集和存储由最终用户提取和分析的大量数据，而数据仓库的灵活性如何影响其使用。

数据挖掘。数据挖掘技术提供了对历史数据与实时数据进行广泛性和复杂性分析的支持，这为商业智能构建预测模型提供基础。涉及数据挖掘的方面包括模型、属性、接口、设置、过程和远程和分布式数据。而目前数据挖掘面临的两个主要挑战，包括了设立标准体系，用于清理、转换和准备数据挖掘的数据。

云数据。云虚拟化允许虚拟服务器在云中托管，最终提供低成本的硬件和软件，同时提供更好的资源利用。随着信息咨询企业朝着以云计算为基础的产品，将为商业智能产业提供更高的可伸縮性和更低成本的灵活性。

我国商业智能的未来发展趋势

广告营销的应用分析。商业智能可以完成基于个性化推荐系统的精准营销模式，在广告营销中商业智能的应用空间庞大，商业智能通过用户数据来进行建立用户画像或市场细分，比如上网特征、购物偏好、搜索关键词等，并且根据产品属性与用户需求进行匹配，通过决策模型来实施定向广告投放。其中，精准营销和个性化推荐是学界研究最多的两个领域，精准营销是以优惠短信、优惠券等促销策略来让目标客户产生响应，而个性化推荐是根据时间、方式和产品的合理性，对用户进行咨询服务，比如“猜你喜欢”的推荐页或推荐栏。

电子商务的应用分析。在电子商务的实践中，不同用户群体的价格敏感性程度存在差异，并且需求变化存在季节性变化，不同商品需求的替代关系与互补关系更容易产生，商业智能可以用于商品组合优化、弹性定价与智能促销来完成收益管理，以及通过交易数据、用户行为数据和竞争对手数据进行多维分析，通过合适的消费场景来为用户提供服务产品以及建立促销优化模型，这在差异化定价、动态定价和组合定价的实施中尤为明显。

供应链优化的应用分析。商业智能通过运筹学模型提高供应链效率和柔性，供应链分为入库和出库。在供应链系统中的入库环节中，商业智能能够根据商品的历史数据来对易碎、易损坏的商品进行预包装，对销售量进行预测而设立预库存；在供应链系统中的入库以后，借助商业智能来完成最优补货以及仓库间调货的方案，并且优化拣货过程和货物摆放，以及配送路线、路径优化和车辆调度。另外，通过商业智能对有强生命周期特征的商品来采取对应的促销策略，避免仓库积压货物导致的效率低下。

智能客服的应用分析。客服行业属于劳动密集型产业，往往需要大量的人力来完成工作。但是在我国移动互联网高速发展的背景下，人们对人员服务的需求频次越来越高，并且对于服务质量具有较高期望，而与用户需求矛盾的是，我国客服行业的需求具有季节性特征，对于爆炸性的需求增长难以满足。而且，客服员工的工作时间不规律，往往令该行业的从业人员的生活质量较低，招聘工作难以展开，从而我国客服行业一度缺乏有效数量。另外，大量用户借助客户服务来使用查询业务，往往可能因为职责归属而产生争执，造成了客服人员的资源浪费。商业智能能够通过APP、微信等智能终端软件来和用户进行交流，能够自动化解决用户的困难，比如业务咨询、语音导航等结构性较强的服务，这提高了客服的运营效率，并且避免了客服员工的个人原因而产生的不满意服务，商业智能能够使客服更为标准化、统一化。

综上所述，未来商业智能的应用具有更广泛的空间，本文根据我国商业智能的背景，为我国企业发展提出以下建议：

首先，企业可以获得海量多维度的数据，比如网络流量数据、运营商数据、通讯数据等，这为机器学习技术的应用营造了发展空间，商业智能的应用也变得更为广泛；其次，商业智能能够支持数据的可视化分析，帮助数据更容易被理解，营销人员能够更有效的认知数据，而且能够建立运筹学模型，对企业内部的人力资源、财务资源等资源提供更有效的配置，能够通过营销策略、定价策略、库存策略等实现自动执行；再次，商业智能能够对语音、图像、语言、触觉等进行识别，并且具有机器思考能力，对于消费者行为的观察能够更为细致，在市场营销领域的运用将会更为广泛；最后，本文提出了广告营销、电子商务、供应链优化和智能客服与商业智能的结合，从精准推荐、智能定价、库存优化和智能客服的角度阐述了商业智能的应用。

参考文献：

1.冯超颖，尹航.基于大数据的传统企业智能管理模式分析[J]. 商业经济研究，2017（11）

2.戴欢.基于商业智能的数据分析系统的设计与实现[J]. 科技广场，2017（2）

3.宋丹，黄旭.信息科技视角下商业智能的发展现状、趋势及创新应用[J].科技创新与应用，2016（23）

4.谢梦怡.基于OLAP的零售业商业智能管理解决方案[J].黑龙江科技信息，2016（2）

5.王惠敏.大数据背景下电子商务的价值创造与模式创新[J].商业经济研究，2015（7）