以下為鄒存璐先生的演講實錄：
首先非常榮幸有這么一個機會，能作為嘉賓，作為相應主題的一個分享，剛才也聽了一系列嘉賓做了相關的服務創新的主題分享，實際上從剛才聽到的一些內容來講，大家不約而同都選擇了一些圍繞大數據、數據驅動一些創新內容。今天，我這邊分享的內容也是跟數據相關的，就是叫數據科學助力企業服務創新。東軟大家可能都了解，是作為一個全國最大的IT解決方案的服務提供商，東軟面對的這些企業，或者面對的這些客戶來講，更多的是傳統的大型的企業。在這里面，對于這種傳統大型企業里面，它們在這一輪，尤其是互聯網+的新聞，這一輪的創新模式的創新，這種沖擊之下，它們在這里面面臨的一些需求，面對這些需求，就是東軟接下來要進行的一個應對解決的一系列的問題。
商業模式的創新，包括從傳統的解決方案，外包人力資源的方式，向IP資產這種產品方面的努力的一些突破。今天的主題，我這塊是來自于東軟先行產品事業部，主要是做大數據產品一系列的研發，這次的主題是分享一系列的圍繞這個傳統大型企業里面的數據科學、人工智能方面創新的歷程分享，在這里面，今天的歷程主要是三個方面。
第一個圍繞數字化創新的探索歷程，接下來兩個都是一系列創新實踐的一些案例，包括對這些案例的理解和梳理，包括從大數據的轉變到因果關系，從傳統互聯網產生結構化數據到半結構化數據應用的點。第一個面臨的文化就是企業級大數據的服務創新應該怎么做？幾位嘉賓都分享不同領域的看法，有新零售業的，有做企業協同的，包括研究院旅游方面的創新，大概在六年前加入東軟的，之前我在做讀博之間做生物數據的分析，加入到東軟之后，面臨第一個問題，當時大數據正在起步，谷歌剛剛發布一些新技術，一些大數據生態的系統。當時，我們面臨的第一個問題就是圍繞大數據這個領域，我們要做哪方面的創新，要解決哪些客戶方面的痛點和需求問題，畢竟大數據的概念是非常大的，當時我們來看的，包括整個大數據的生態系統，生態院里，解決Iaas基礎設施的，包括大數據基礎平臺的，有一些是做基礎服務的，做用戶畫像的標簽輸送，有一些還做圍繞數據分析挖掘一些內容。在這里面，尤其像東軟面臨的是傳統企業，面臨跟互聯網新企業相比，在這種業務的探索方面，相對來說，在某一些方面是落后一些的，我們在應對這種客戶的需求的時候，經常會問的第一個問題就是：“我這塊有相應的企業級的數據，你幫我看看這塊有什么需求，怎么做一些創新的工作。”
這種服務來說，跟傳統東軟面臨的客戶需是截然不同的，東軟很早之前做人力外包的商業模式，比如說像日本企業的服務外包，很有可能客戶提出的需求非常的細致，直接給開發人員，就可以直接進行編碼，這種模式在大數據模式下是行不通的，自己也沒有搞清楚應該做什么。更多的是我現在有數據，數據質量不高，有一些企業在數據積累的階段，并沒有做好很好數據治理工作，數據質量的保證等等一系列工作。在這里面，微少大數據在傳統企業的創新，首先要解決的就是針對傳統企業的現狀，我們如何來幫助進行一些相應的規劃。為了解決這個問題，我們也是做了一番大的思考，從兩個方面來看技術的方面，對于我們接下來要做企業創新也好，或者相應創新產品也好。
第一，從技術角度發展來看。當時在一年左右，大數據概念初現是谷歌發表的三篇論文，有存儲系統，包括一些技術報價，這套技術是奠定了大數據基礎計算的路程，推動大數據的商業化和價值化最典型的應用就是推薦系統的誕生，是亞馬遜系統應用這種協同過濾的算法在網站上，結合用戶一系列的行為數據，我們可以做一些個性化的推薦。這是第一次能把數據挖掘真正跟用戶緊密的結合起來，能夠顯著的提高相應的收益率。當時亞馬遜公布的收益率，通過智能推薦引擎，整個銷售額提高到20%以上，后來除了商品以外，一個電影公司，從商品到虛擬的電影商品上面的推薦，又進一步推進了數據分析挖掘的在商業企業應用的場景。另一方面，從數據發展的趨勢可以看到，整個的大數據的發展的熱潮，到互聯網化的趨勢來說，是一個必然的結果，看整個數據發展的歷程，最早的起源應該是來自于天文學，很早之前，人類第一次是從天文里面，通過望遠鏡觀測到行星運行的軌跡，做一些分析和預測，預測太陽、行星系的軌跡行為做一些天文方面的內容，通過這個方面的發展，整個數據分析挖掘，一片繁榮之后，接下來到了一個微觀的世界，由于很多基因數據不斷的發展，相應的DNA采樣的數據成本的降低，對DNA、蛋白質數據的產生，圍繞數據分析的技術開始向生物技術轉移，這個也是我在讀博期間做的內容，通過一些疾病因素的分析，包括大家現在一直在生物學里面做一些探究，一些疾病跟基因的表達，哪些基因表達會容易導致疾病，生物用藥的時候會影響相應的疾病的一些治療。另外，隨著這種生物技術，尤其是互聯網的發展，在互聯網上面產生了大量的行為的數據，產生了一系列的內容數據，包括互聯網相應技術的提升之后，采集到用戶在互聯網一系列的操作行為，這些有系列推動，圍繞互聯網方面的發展，說到個性化推薦，提供一系列個性化推薦服務。下一個階段就是圍繞這種物聯網信息的發展，最近工信部推薦NBLT相關技術的基礎建設，圍繞物的建設人工智能、大數據的發展會圍繞物聯網的趨勢上進軍。
從技術的角度來看，從大數據相應的技術里面，跟傳統的分析技術到底有什么區別，在互聯網這一輪大數據技術之前，有了一系列的BI商業智能的技術，從純技術上考慮，大數據能處理的數據量很大，能進行相應的框架的橫向拓展，比傳統BI的傳統量容納的數據量會更多一些。除了量以外，處理的緯度更多了，在互聯2.0技術采用以后，像微信、大眾點評、美團點評，有大量文本數據的產生，這些傳統BI商是不會做這種處理，更多是針對結構性的數據，針對這個能力來說，有一個相應技術的產生，推動這種文本數據挖掘一些潛在的價值，又增加了一個緯度，傳統企業里面，80%的數據都是文本數據，我們很多做的客服系統，做一些咨詢的時候，都是非技術化的數據，經過這種語音轉文本的技術處理，轉變成半結構化的文本數據，這里面蘊含了大量的價值，沒有被傳統的BI挖掘出來，這個大數據相關的技術給了一個新的活力。
第三個就是時效性的問題，大數據產生這種分布式的計算和分布式流的計算技術，有一個顯著的增高。下面也是總結，從業務的角度，傳統BI和高級分析的技術差異的區別是什么。傳統的BI的商業智能更多是圖形化的表達，描述你過去發生了什么，最終是一個輔助決策，最終還是要給人看，人根據這種相應的數據報告做最終的決策。新一輪就是第三階段到第四階段就是預測未來會發生什么，和決定未來要怎么做，這個內容是大數據梳理效能提升的一個典型的特點。
有一個典型的例子，在傳統里面，面對傳統金融銀行的企業，里面是他們在用商業智能是最早的一批用戶，他們是最早非常關注企業相應內部的數據的管理，尤其是傳統金融、銀行里面相應資金比較雄厚，早期里面對這個投入比較前傾一些，整個的處理流程是這樣，所有銀行的分行，會把數據用戶交易信息的相應數據的采集，總行做數據倉庫和BI系統的建設，分行把數據收集匯總到總行，總行做分析和預測，哪些用戶有這種流失的風險，經過這種分析之后，會形成這樣一個客戶流失的列表，這個列表會下發到支行里面，支行根據客戶列表客戶，都有相應的客戶經理，根據這種客戶名單進行一個比對，發現有潛在流失客戶的可能，做適當的關懷，我們了解這個周期下來大概是幾個星期，可以想象幾個星期的周期下來，這個客戶早就流失掉了。
還有一個場景就是互聯網實時競價的系統，包括DRP也是生態系統里的一環，根據互聯網采集的行為數據，包括剛才說的眾盟里面WIFI的探針，形成一些用戶畫像，在互聯網的網頁里面，都有一些廣告位置，這個是按照相應的價值來進行出售的，每一次用戶進來之后，會根據用戶的畫像的特征，向不同的廠商進行展示，會根據匹配度進行價格的信息比對，我就出1塊錢買這個廣告位，展現給客戶，覺得匹配度更低，我就出更低的價格，每一家廠商出價格之后，最后競價高者展現在客戶面前，在這個運行時間效率大概是在毫秒級。可以想象，星期到毫秒級的差異，典型的一個問題，如果達到了毫秒甚至秒級的時候，就不會有人的因素參與進來，有人的參與就不會達到即實的決策。這個傳統智能更多在第一第二階段，數據科學是高級分析，我們能做出相應的決策。
數據科學并不是一個全新的學科，或者理念。實際上他是一個復合型的學科，傳統里面，我們更多是偏一些技術的人員都知道，都偏向于計算機科學技術、數學統計信息更多，大數據相關的技術，在商業環境里面的應用，就是領域知識的結合，沒有這個知識的結合，很難把相應數據背后的價值進行挖掘出來，傳統里面，更多在技術里面強調技術牛人，現在更多強調的是技術商人的概念，怎么把技術跟現有的業務進行一個有機無縫的對接，體現商業價值。
實際上在這里面，我是2011年加入東軟，那時候大家都在做HDFS，解決一些大數據低廉、高效查處的功能，更多的是圍繞數據的挖掘，定的整體的發展路線還是圍繞數據里面的一些價值，也就是現在咱們說的人工智能，當時探索之路，由于東軟是解決方案的提供上，本身來說，之前沒有自身業務的運營，現在來說，東軟也是在做相應的轉型，有了一系列自己的產品，有了一些商業模式運營的內容，所以，當時來說，要解決分析應用的時候，更多的時候你的數據從哪里來，當時我們有很多的一些合作的客戶，讓他們這些有一些相應的數據，包括東軟內部有一些運維數據，還有企業協作的場景，基于這些場景，我們做了一系列的，像亞馬遜這種個性化推薦的內容，圍繞企業內部這種協同辦公的數據，發現企業內部的一種意見領袖，他們的影響力做了一些分析，通過這些應用場景的分析，我們進一步的抽象，形成一種新的工具平臺，機器學習的平臺，文本挖掘的平臺，又進行一些新應用的拓展，有向物聯網的拓展，還有預測性維護、異常檢測、效能優化的場景。
從探索來講，經過這么多年的實踐，總結下來，包括一些報告也提到，現有企業級大數據相關數據驅動的模式來說，核心的業務就是人、業務、物，很多智能場景都是這三者有機的合同和融合的應用。具體來看一下，在這里面，首先是人跟業務，非常典型的就是剛才提到的個性化的推薦，就是智能業務的產生分析人和業務系統之間交互的數據，提供個性化業務辦理流程優化，提高業務處理效率，就是個性化推薦，他們來做這個內容，在業務辦理過程當中，我怎么提高效率，尤其是這種海量的信息里面，我怎么加速用戶找到他感興趣的東西，需要的東西這都是人跟業務之間結合的場景。
另一個場景實際上就是物跟業務，這個是比較未來的場景，現在來說，尤其是現在的手機，移動設備的增加，這個場景離我們也不是太遙遠了，就是智能設備基于傳感器采集到環境信息，進行智能自主控制的決策，比如說設備智能自主效能的優化。甚至來說，剛才我們講到的，很多現在的業務怎么促進人在環節里面的體驗，那么，從未來的角度來說，很多的一些場景，這種決策購買的內容，很多是由物，智能設備來下達的，大家都開汽車，很多的汽車，到達一個里程數量的時候，進行一個傳感器監測的時候，可以看到保養的時間，汽車可以根據自身的狀態，向4S店自主發送相應的請求，請求一些相應保養的服務，這樣由物直接產生業務的場景會越來越多，這種業務的辦理跟人的業務辦理的時候有很大的不同，物自主消費的時候，更多是理性消費，會促進新一輪業務模式的改變。
另一個就是人跟物的，在座的都有穿戴設備的，包括心率、心跳，拓展人行為的特征的數據，從而提供一些智能信息推送的一些決策，可以根據心率、心跳、血壓提供一些健康的預警，提供一些急救自主的場景。人與人實際上就是現在看到這種社交化網絡的場景，基于人與人之間的網絡，進行一些機能的發現，跟協同也是其中的一個問題，大型企業有幾百人員工，新項目里面，找相應的技術專家，東軟里面有兩萬多人，高層和下面員工的時候，這個項目適合誰來做，誰做這個最合適，如何發現一些專家的技術的發現，通過社交的關系，來做相應技能的發展方式。
再未來一個就是物與物之間的協作，這個是一個新的理念，就是社交化物聯網的概念，未來來講，就是物與物之間的自主構建社交化的關系，并通過網絡推理發現進行協作完成業務目標。最終來說，實際上是三者的大融合，進行互相的協作的場景，這個有一個典型的場景例子是什么呢，就是剛才汽車的例子，人跟汽車還有一個智能的保險，或者理賠的業務，這三者之間可以協作產生新的模式，比如說未來的智能汽車，可以根據駕駛員的習慣、里程數進行一個智能的投保業務的辦理，現在這種保險大家都知道，就是固定的年限，按照去年的出險的次數進行定價，不管你車的里程數是什么樣的未來保險業務可能跟價值習慣，是一個駕駛的習慣這些信息，更多提供一個合理的報價，你是一個激烈的駕駛員，就要付出更多額外風險的報價，或者是成本吧。當事故發生以后，智能的汽車設備會采集到人的體能信息，可以向醫院發生一些求助的信息，同時可以根據碰撞的內容，向保險業務進行自動的索賠，這三者來說，可以進行一個大的融合，產生更多新的商業模式。
實際上從企業的整體圍繞數據分析和挖掘來看，各行各業都有，現在我們看到的實際上是一個碎片化，盡管我們看到很多的大型企業里面，都有這種數據分析的一些模型，但是即使是同一個行業里面，不同家的公司，業務里面的差異還是很大的，怎么去解決？很多像互聯網，尤其像互聯網創新公司，我做一點，把這一點做透了，就能保證企業的生存率，大企業很難做到這樣，互聯網那套的邏輯，之所以能成立，因為基數非常大，一個小的比例的用戶，由于你的基數比較大，服務的人群還是比較多，獲得的利益還是比較多一些，像傳統的大型企業來講，每一家客戶里面，個性化、定制化的需求很多，很難滿足共性的內容，還有一個大的基數。東軟應對的策略，就是利用一系列平臺的產品跟業務的應用相結合，實際上在平臺里面有一個高級分析的產品，就是知識服務平臺，做一種個性化的推薦，做經營者的營銷，做一些客戶的營銷。做一些故障的診斷、一些性能的診斷和優化。
圍繞一系列的產品里面，我們做了一系列的案例的實踐，從總結下來就是兩大方面。一個是從關聯關系到因果關系，另外一個就是從結構化數據到半結構化數據。關聯關系和因果關系就是啤酒跟尿布的故事，發現購買啤酒的商戶，很可能同時購買尿布的內容，在現實里面，我們常常很多的一個場景會混淆關聯關系和因果關系的差異，關聯關系是知道這兩個事件會共同發生，不知道這兩者之間誰影響誰，因果關系我們能發現誰是因誰是果，誰是影響另外一個因素的關系。如果你有了一個關聯關系的時候，實際上可以做到相應的預測，如果有因果關系，在預測的基礎上可以做到相應的控制，能影響干擾這個因，就可以作用到相應的果。從大數據的角度，從數據挖掘的角度是一個很難挖掘定位的地方，把因果關系弱化掉了，只關心關聯關系，我是關心預測，不是關心控制，因果關系是很難定義的，這里面經常舉一個例子，在古代的時候，很多的部落，都會迷信，迷信什么呢，比如說，崇拜一些動物，或者物體，比如說有一些部落崇拜雞，當一打鳴的時候，太陽會升起來，這就是關聯關系和因果關系混淆的一個場景。還有一種方法可以干預某一個事項的發生，干預這個事項發生之后，另一個因素會不會發生改變，我們把雞殺掉，太陽照常升起，就可以把這個因素去掉，所以很多的因果關系在現實里面很難挖掘，更多的是強調關聯關系的場景。
場景的應用是公安犯罪分析預警系統。在這里面有一個典型的關聯關系推的，哪些特征，哪些出行軌跡的行為特征，你更有可能是犯罪的同謀，或者犯罪行為。還有很多學術文章的發表，單單從人臉的微表情的特征，從證明照里面可以進行識別，那個學術文章達到98%左右，這個文章還是非常有爭議的論文，這個是典型的關聯關系，不是你有這個行為導致你犯罪，而是犯罪人群有這樣一些共同的特點和內容。
另一個，做風洞實驗的，我們軍工的客戶，飛行器和導演的客戶，會進行風洞的實驗進行試吹，來調一些造型和設備的制造優化的內容，在這里面就是一個典型，我們要追求的是因果關系，要找到哪些參數會影響相應的標準的指標，或者一些內容，在這里面的案例，發現一些預測優化，來幫助他們在導彈里面或者飛機制造里面做一些產品優化。
還有一個軌道交通的客流量的預測，要發現哪些因素會影響客流量的增長或者減少，這里面更多的是向一些地鐵的客戶，除了交通，起來很多政府機關對客流量也是非常關注的，我們接觸的公安的一家客戶，他們對客流量的預測感興趣，原因是什么呢？去年舉辦過馬拉松的重大活動，對客流量預測沒有把控好，導致很多選手跑到選手之后，大部分都是走回家的，這里面由于沒有做好相應預測的工作，沒有預測工作就沒有相應合理資源的安排，導致相應內容的影響。還有旅游景點，游客量暴增，會發生一些危險事件，像天氣的因素、事件的因素等等一系列的因素，會不會能夠影響相應客流量的增加或者減少，這個和政府等等一系列公共交通所關注因素非常的一個重要的點。
另一個是我們跟互聯網電影渠道的廠商做一些合作，這種廠商在新片上映的時候，都對電影內容做全國院線的布局，這個電影知道哪個電影、導演、信息，能不能知道在哪個地區，很多的電影在東北比較受歡迎，跑到南方就一片冷門，任何一個題材有一些地域性的特征，根據這些數據，我們能否預測出來不同院線的信息，通過票房信息的預測，可以進行合理票房、院線的布局排版，做一些相應營銷的活動。
另一個圍繞今天的會議，大連最大的一個會議中心，在這個會議中心來講，對耗電部分就是中央空調系統，能效比的優化是一個恒久話題，在一個非常復雜，中央空調系統COP從3.5優化到5.2，很多中央空調的設備、壓縮機等等這些設備，涉及到每一個冷卻塔要開多大功率、開多少個冷卻塔，每一套中央系統出廠之前會有一些邏輯進行相應的控制，不會根據當前這個設備安裝的位置，包括現在客流量的內容做一些調整，實際上可以根據一些動態的信息，來進行一個自主的運維，發現一個最優的參數，提升能效比的運轉。
最后一個就是從結構化數據到半結構化數據，主要是圍繞一系列文本數據價值的挖掘，最典型的是客戶的洞察服務，像電信行業，我們有很多的客服的系統，咱們在打服務電話的時候，都會有錄音的提醒，這些錄音的數據，經過語音轉文本的技術，轉化成文本，這些文本數據蘊含了非常大量的信息，對于一個商品評價的信息，對商品意見的傾向是好還是壞，對哪一部分最感興趣，都是產品優化和生產、設備生產里面重大的依據，通過一系列的熱點發現一些用戶的傾向。
還有一些電信行業，受互聯網沖擊最大就是傳統出版商，用戶拿到報紙之后，所有的信息都斷開了，不知道用戶讀者對你內容感興趣的內容程度是哪一點，對信息內容的意見是什么樣的，這里面的例子幫助他們做了一系列的在線的爬行技術，發現用戶一些的評論、匯總，發現讀者感興趣的點，提供給編輯來對未來出版物做一些相應的依據，這個實際上是新聞客戶端，也是咱們經常在用的，像新聞頭條，它里面做了大量個性化新聞的推送，這個是央視的新聞客戶端，更多的是做里面新聞的推送，里面涉及到一系列的產品，包括文本分析，還有用戶的興趣偏好，根據用戶的興趣跟文本內容的結合，來做相應個性化文章的推送，提高相應用戶的體驗，讓讀者更容易發現他們感興趣的文章內容。
最后，通過這一系列的內容，進行在線的智能問答，很多這種常見的問題，可能用自動化的方式來進行，京東里面都有這種服務的內容，可以進行提問，進行相應的智能的問題回答，這個客戶更多是用傳統的政府企業，像稅務方面的一個信息，可以做一些常規的稅務信息的問答和用戶回答。今天主要分享的就是這些內容，大家關心更多的內容和服務，可以觀眾我們東軟先行產品的官方公眾號謝謝大家！
