企业采用人工智能进行数据分析应用的研究

廖清垚

摘要：近年来，随着经济的发展及社会文明水平的提升，大数据应用和人工智能逐步走入我们的生活，例如：人工智能国际象棋和围棋、普通使用的实名身份验证、购物平台推送你感兴趣的产品、siri、天猫精灵、小艾等等。这些大数据应用目前还都是互联网企业和国企中应用较广泛。大多数企业普遍还是按照原有的模式经营，随着经济的快速发展，人们的需求快速变化，企业的生产及管理逐步落后于快节奏的社会环境，带来的直接影响就是产品滞销、创新能力下降，严重制约着企业的生存与发展。如何将人工智能和大数据应用到企业经营中成为本文研究的课题。本文分为部分，第一部分介绍人工智能辅助系统构成简述人工智能的背景及意义，组成部分和实施过程。第二部分论述人工智能给企业管理带来的变革和工作方式的改变。未来的人工智能并不是代替决策者成为管理者，而是人工智能与人相互配合，为管理者提供更多的帮助。

关键词：大数据分析；人工智能；企业经营；企业管理

1 人工智能辅助系统的构成

1.1 研究的背景及意义

1.1.1 研究的背景

人工智能（Artificial Intelligence，AI）从上世纪五六十年代就正式提出，经过70多年的发展经历了无数科学家的不断努力已经取得了突飞猛进的发展，在我们的生活中人工智能已经无处不在。人工智能对于大多数人理解为通过计算机模拟一个虚拟或者人形机器人，就像电影《AI》、《她》、《I，robot》电影一样可以跟我们对话智商和情感与人类18岁相当。

如今人工智能已经成为我们生活的一部分，与我们生活最为密切的几个事例包括：

1）谷歌翻译，2016年9月谷歌翻译更新算法后翻译水平已经与我们的引文表达相当接近，你可以轻松读懂翻译结果几乎没有歧义。[1]

2）天猫精灵和小艾为代表的人工智能设备已经可以和人进行简单交流和执行人类发出的大多数指令。

3）美图秀秀，拍照后自动修图、加入各种元素、手绘等功能让我们发挥出艺术的天性。

以上是面向大众的AI应用，目前人工智能在企业中应用还是刚刚起步阶段，管理者普遍采用员工产生数据，计算机系统收集存储数据，中层管理者分析数据进行汇报，决策者听取汇报做出决策的半自动化模式。随着数据量的增加人工处理数据已经越来越繁重，在海量数据和快速变化的社会环境中效率成为最突出的管理瓶颈。管理者如何在海量信息中分辨出关键因素做出正确决策会变得更加艰难。这就要求对人的素质越来越高，同时带来管理成本的增加，也不能保证提高工作效率和避免決策失误，在海量信息面前决策者变得更加迷茫。一方面管理者希望得到更多的信息防止决策失误，另一方面海量信息面前到底哪些是重要的？这些信息之间有什么关联？如何处理海量信息得出正确的结论，成为困扰管理者的一对双胞胎。

信息滞后也是影响企业管理决策主要因素，管理者很难得到全面的实时数据信息，因为这些信息大部分需要人工处理和查找，即便现在BI系统的报表已经非常强大还是需要人工操作和数据处理才能完成。

1.1.2 研究的意义

首先，人工智能在企业应用中起到辅助决策作用，自动处理海量数据和提出决策建议，从而提高管理者工作效率。这里可以理解为人工智能辅助管理模式。

然后，即时性：人工智能与生俱来的海量存储和快速计算能力是人类无法比拟的，决策者可以随时询问人工智能当前自己关注的信息。管理者只需要发出查看指令系统就可以完成数据查找、加工、可视化处理、呈现结果、数据解读等一系列工作。在这种高效信息获取的管理模式中，管理者只需对决策建议进行选择和补充，大大提高管理人员工作效率。

最后，在人工智能辅助管理模式中。管理人员主要从事创造性工作，将复杂计算、分析、知识库维护等工作交给人工智能处理。

1.2 系统的组成部分

1.2.1 硬件组成部分

人工智能系统硬件大体分为两部分：云端处理和用户终端。

（1）云端：云端采用GPU解决方案部署神经网络计算服务器

（2）用户端：用户端可以是手机、平板电脑、会议室投影仪、麦克风、PC机

1.2.2 软件组成部分

人工智能系统软件大体分为六个主要部分：

（1）语音识别：用来实现人机对话功能。

这个组成部分替代原有的键盘鼠标输入模式，实现人机对话场景，提高管理者的工作效率。

（2）数据仓库：加工及存储原始数据。

微软英国公司首席技术官Wignall表示，“我们所说的良好数据意味着其具有一定质量和数量。良好的数据仓库是人工智能处理的必须的原材料。

（3）数据可视化：将原始数据加工成可视化报表，汇总重要数据。

数据可视化被广泛的应用在BI（商业智能）领域，将商业只能成熟的产品集成到人工智能系统中作为结果可视化一个组成部分。用图形的方式来表征数据的规律，让决策者一目了然发生了什么事情，从中得到正确的判断。

（4）决策支持：支持管理者对半结构化、非结构化问题进行决策。

将各层级产生的数据进行模型分析，进行多维度更加综合的分析计算，从而发现其中的规律和趋势，为管理者的决策工作提供必要的数据支持。

（5）专家系统：模拟人类专家解决领域问题，为管理者提供参考。

专家系统可以为管理团队提供全面的知识体系，管理团队面对管理问题时专家系统具备启发性和快捷性，经够不断的学习实现团队整体管理能力的提升。

（6）人工神经网络：对数据进行分级优化。

人工神经网络在人工智能系统中具有自我学习自我完善的能力，可以模拟人类的思维模式和推理模式，为管理者提供更有价值的信息。

1.2.3 实施的步骤

1.2.3.1 实施人工智能辅助管理模式的前期准备

（1）企业已经拥有自己的数据库系统，并且有较准确的数据记录。

（2）企业管理层明确需要解决的问题。

1.2.3.2 开发步骤

开发顺序采用由简到难逐步推进的过程，可以按照以下步骤进行推进。

（1）语音识别：语音识别目前已经比较成熟，采用现有语音识别产品作为人工智能系统的交互是比较可靠的方案，可以实现低成本和通用性。

（2）建立数据仓库：将企业现有大量数据数*-据进行进一步的数据挖掘，作为查询和分析的基础，他具有效率高、数据准确、扩展性强、面向主題的特点，数据仓库也是人工智能系统第一步。

（3）数据可视化：第一阶段数据仓库完成后将数据加工成可视化成果，可以直观看到数据结果进行决策分析。在这个阶段是大量知识积累和分析模型还是以人工处理为主要手段。

（4）决策支持系统：决策支持系统是把数据仓库、数据挖掘、模型库、数据库实现有效的辅助决策。这个阶段主要针对管理者面临的结构化程度不高、说明不够充分的问题进行辅助建议。管理者根据系统建议得到启发得到做出较为正确的判断。

（5）专家系统：专家系统可以模仿人类专家的思维方式进行决策，主要核心为知识库和推理机，通过知识获取功能将行业内专家团队和管理层知识进行存储形成完备的知识库体系。在这个阶段整体可以实现初步智能化管理，人工智能参与企业的管理。

（6）人工神经网络：人工神经网络在这个阶段的主要是将专家系统和决策支持系统得到结果进行深度加工，输出更加精准的结果。

人工只能系统在开发和实施过程中一般遵循由简到繁过程，企业要对对人工智能战略投入进行详细的规划和实施，这样才能让系统发挥更大的作用。

2人工智能辅助系统如何改善企业管理

2.1现有管理模式

2.1.1 现有企业基本管理模式弊端

现有企业管理从组织架构合理模式基本都采用三层到四层管理，逐级汇报的模式，管理滞后、信息不完整的弊端较为突出。

数据和信息都是自下而上逐级人工整理，数据的准确性和真实性都受到人为因素影响。管理者基于滞后、准确度相对较低且不全面的信息基础上做出正确决策是很困难的事情。

2.1.2现有企业管理的基本措施和成效

由于存在这些弊端企业也在积极采取措施弥补，主要由以下几点：

（1）加强企业信息化建设，引入商业智能系统，建立自己的OA系统，各种ERP系统，但这些系统都是各自为战，成为独立的信息孤岛。反而加重了统计和分析工作量。

（2）奖励和绩效考试等措施，这些措施还是无法解决数据和加工处理过程中人为参与。决策者仍然无法得到全面的建议，对于中小企业这些管理上的不完善可能是致命的。

（3）会议讨论中决策者听取汇报后才能知道发生什么事情，经过讨论后做出决策，决策者是否正确只有实践后才能知道。

2.2人工智能辅助管理模式

2.2.1改变数据获取模式

管理者可以随时随地发布语音命令询问智能系统目前的经营状况，除了经营分析报告智能系统会跟进管理者的要求提出数据分析趋势情况，造成这些现象的原因等信息。

数据获取不需要等待下级报告，管理层可以自由知道各级数据的真实情况，分析结果也来源于专家系统的和决策系统的精确计算给出多种解决方案和可能结果。[2]

2.2.2工作模式的改变

各种统计和分析的繁重工作由人工智能系统完成，同时人工智能辅助管理给出了多种选择和趋势。管理者的工作从复杂的决策分析中解脱出来，只需要对建议进行选择或补充。做出选择后对方案进行详细规划和分工，制定好计划。人工智能辅助管理可以配合管理层完成复杂的管理工作，大大提高了管理者的工作效率和决策的正确性。

人工智能已经紧密和我们生活在一起未来的管理智能也会和管理者共同高效工作，成为管理团队重要的一员。

参考文献

[1]于新东.人工智能发展的思辨认识与应用对策[J].环球市场信息导报，2017，（24）：15-20.

[2] 杨泽雪，韩中元. 基于数据仓库的决策支持系统[J]. 哈尔滨师范大学自然科学学报，2004，（6）：67-69.

（作者单位：北京十一学校）