不只是報表，永洪BI融合AI增強分析實現數據深度賦能業務決策

隨著企業數字化轉型基礎建設的逐步完成，如何釋放數據價值成為了關鍵問題，眾多企業不斷探索更高效的數據賦能業務方式，以應對新的挑戰，推動企業科學發展。于是，企業通過數據智能驅動業務增長的需求愈發明顯。

 

BI的快速發展，其能力已經從最初的報表可視化功能，逐漸演變為基于數據賦能企業發展，敏捷化、智能化成為了主題，BI+AI成為了趨勢，賦予了企業業務決策支持更多的可能性與準確性。

 

正如全球領先的信息技術研究和咨詢公司Gartner所指出，分析及商業智能平臺不再因數據可視化功能而有所區別，平臺的差異化已經轉移到對數據增強分析的支持程度，如利用機器學習（ML）和人工智能（AI）幫助業務人員和數據分析師實現比手動更加高效的數據準備、分析和決策。

 

永洪BI深度融合AI增強分析能力，秉承產品整體的“面向業務的可視化分析”的定位，強調“AI平民化”，讓零基礎的業務人員也可以實現數據洞察，讓AI真正走進業務。

 

建立在BI優勢基礎上的AI增強分析

 

當前AI應用的挑戰主要在于三個方面：

 

1、數據質量。很多企業的數據混雜，數據的質量和一致性差，可靠性、可用性無法得到保障，很大程度上影響AI模型輸出結果的精準度。

 

2、分析模型。系統需要將人提出的抽象問題翻譯成為可執行的計劃或者具體可操作的算法，才能得出最終的結果。這就需要建立各種分析模型，對于業務人員門檻較高。

 

3、應用效果。大多產品僅支持一些簡單預測，或是僅有部分數據分析模型，甚至只是具有相關模塊卻無應用場景，導致無法落地使用。

 

永洪科技有著市場領先的BI產品能力，永洪科技一站式大數據BI平臺，全面覆蓋數據分析過程中的各個環節，包括數據采集、清洗、整合、存儲、計算等，從而幫助企業構建高質量的數據體系，其可視化能力、敏捷易用性、數據準備能力、高性能處理能力等都可讓AI借力。

 

以此，永洪科技使BI+AI相輔相成，極大地提升了產品能力和使用效果：BI幫助企業從數據中獲得洞察力，而AI則可以使洞察更為精準化、自動化、智能化，實現科學的決策與預測。BI滿足了企業在結果監控、問題診斷、決策支持上的需求，AI則滿足了業務預測、問題預警、探究數據背后的關聯關系等深層次需求。

 

讓每個人輕松上手的智能化

 

工具的最終目的都是切實提升使用者的效率。企業運用AI、使AI真正產生效果的關鍵在于讓業務人員成為主導，而非停留在專業技術人員層面。

 

為了降低使用門檻，永洪BI以“AI平民化”為理念，實現了低代碼、拖拽式、流程化操作的高級數據分析功能。

 

對于零基礎的業務人員，永洪BI提供了Auto Model功能，可以通過界面上一步步地提示，以拖拉拽的方式直接進行調參和創建模型，自動進行數據處理、調參訓練。以此實現數據洞察，解決業務問題。

 

對于專業的數據分析師，永洪BI內置了數據探索、統計分析和業界常用的回歸、分類、聚類、關聯規則、時序預測等類型的20種以上的算子及詳細的超參數配置，滿足專業分析師更加精細化的數據挖掘使用需求。同時提供類似R語言或者Python的接口，可以直接撰寫腳本來運行，滿足定制化的需求。

 

 

永洪科技認為，智能化最理想的狀態，是企業提出一個業務問題，系統可以通過企業內部和外部數據的分析得出的結果，自動給出答案。于是開發出了許多簡潔易用的功能，例如：

 

數據問答可以讓用戶使用文本輸入問題，系統以可視化的方式進行自動展示答案；

 

數據解釋可以對數據影響較大的因素進行自動統計和分析，比如從不同的因素分析部門員工離職的原因，找到影響較大的原因作為數據分析參考；

 

數據洞察則自動給出用于發現業務數據增長、減少的原因，比如發現西部市場比南部市場銷售增長，就可以一鍵選擇數據洞察，發現背后的原因。

 

 

 

除此之外，永洪BI在AI易用性的細節上不遺余力，例如有些節點會出現使用相同變量的情況，可以通過復制、粘貼功能，實現字段的快速添加，節省時間。

 

以此，讓業務人員不只停留于數據報表本身，而是洞察數據背后的原因，對問題進行針對性的解決，從而實現科學決策，驅動業務增長。

 

優質體驗的背后是強大性能的支撐

 

AI需要有強大的數據處理和計算能力支撐。永洪科技10余年的數據技術能力，為AI增強分析堅定了堅實的基礎。

 

1、一站式數據處理

永洪BI區別于其他BI產品，在產品架構初期便采用了一站式的理念，無論是自助式BI功能還是復雜報表制作功能、ETL數據清洗功能，都是放在一個平臺上，讓用戶一站式完成全流程數據分析任務，極大降低了實施、集成的成本。

 

永洪科技在BI中集成AI深度分析模塊，從而可以使系統實現各流程的無縫對接，直接生成洞察結果，降低AI應用的難度。

 

 

2、高性能處理能力

性能強大的平臺，可以壓縮數倍AI模型訓練的時間，讓企業更快的應用AI的價值成果。

 

永洪BI自主研發了VooltDB高性能計算引擎，擁有列式存儲，分布式計算等技術，能夠實現億級數據秒級響應。可將AI的算法改造為可支持分布式計算的形式，以適配VooltDB的計算引擎。以此支撐AI實驗、建模，快速產出。

 

 

3、多種措施增效提速

集群部署：一些BI產品的深度分析的計算只能在單個機器上運行，當并行實驗數量較多，數據量較大時，用時很長且影響性能。永洪BI自主研發的Python計算服務工具DM-Engine支持在Linux系統上集群部署和負載均衡，新加入的節點只需少量參數配置即可快速與現有集群節點組網，具有可靠性、高容錯性、可擴展性等優點。

 

 

后臺實驗：一些實驗持續的時間較長，在此期間即使可以進行其他操作，也會給瀏覽器造成負擔，可操作性和體驗較差。永洪BI支持后臺實驗，在創建實驗后，可以選擇后臺運行，方便進行其他操作，降低瀏覽器負擔，提升工作效率。

 

 

子流程節點：復雜的實驗流程，會在頁面上形成很多的工作流。子流程可以幫助節省頁面空間，使工作流看起來更簡潔；可以獨立存儲，被其他工作流引用，也可以適應更復雜的實際業務分析。既可以拖入其他節點連成工作流，也可單獨運行查看結果。

 

案例——庫存智能預測與優化

 

在某大型石化公司的案例中，運用了永洪科技的BI+AI進行庫存的智能預測與優化。

 

痛點：

1.        在資源配置過程中沒有考慮各省油庫庫存是否合理，只是按照該省下月預測銷量及銷售計劃直接配置資源。如果各省當前的庫存量不合理，這種狀況會一直持續下去，無法改進；

2.        資源配置與油品配送分離，二者容易產生沖突，導致資源配置計劃執行到位率下降；

3.        按月配置并配送油品，周期太長，對市場變化應對速度慢。

 

目標：

1.        建立資源配置與物流配送一體化優化機制；

2.        在滿足市場需求的同時合理優化庫存；

3.        建立拉式供應鏈模型；

4.        提升一配業務運營效率；

5.        按旬進行資源配置與配送。

 

方案：

整個方案分為庫存優化和庫存管理兩個部分。

 

庫存優化的分析報表主要分為三大類：

1.        優化性能健康報告，主要用于監控整個優化模型的性能；

2.        庫存績效監控報告，用于監控追蹤供應鏈網絡各個環節的庫存性能；

3.        優化情景分析報告，生成優化情景分析的對比報表。

 

在分析過程中，要根據優化對象和情景的不同，定義和收集輸入數據。輸入之后，通過兩個步驟完成庫存策略優化：首先是通過需求分布模擬在不同可用庫存之下可達到服務水平，然后通過模擬出的服務水平，結合庫存的成本期望的最低服務水平，完成對庫存量的優化篩選。

 

 

庫存管理主要是物料的出入庫分析，以及整體庫存的盤點，分析目的主要是通過庫存物料的科學保管，減少損耗，方便存取，使庫存達到合理的水平上，減少資金占用。

 

庫存管理和庫存優化相輔相成，通過數據分析平臺，設置合理的庫存管理策略，在保證及時交貨的前提下，使庫存達到最優值，降低庫存成本和風險。

 

 

在這一的邏輯之上，通過永洪BI，構建了庫存需求量的預測分析模型，以月度為單位進行預測，首先進行資源配置的優化，然后進行補貨優化、調度優化，最后形成調整調度的完整計劃。

 

數據應用進入實質化階段，諸多企業的需求不再僅僅是報表，而是獲得更加深入的數據洞察，實現科學的預測與決策。數據增強分析將成為成功企業的必需品，為企業釋放數據價值做出實質性貢獻。

 

 

 

 

 

?