<mark id="oztn4"></mark>
0
| 本文作者： 木子 | 2019-12-20 10:58 | 專題：2019 AI 最佳掘金案例榜單 |
在雷鋒網剛剛公布的年度掘金榜單中，驀然認知獲得了“最佳智能中臺產品獎”，這是目前為數不多的中臺產品獎項。
近年來，大家都在講中臺，那么究竟什么是中臺？似乎有些明白但又解釋不清楚？或許還有朋友對這個概念依舊很陌生，接下來，我們先來簡單了解一下。
在中臺出現之前的傳統企業中，無論企業內部的項目結構如何復雜多變，但大多都還是分為“前臺”和“后臺”這兩部分。“前臺”即包括各種與用戶直接交互的界面，比如手機app；“后臺”則是面向企業內部開發運營人員的配置管理系統，比如商品管理等。
在這種傳統的前臺-后臺架構中，每個項目、組織都很獨立，這就造成了每個項目都在發明同樣的“輪子”，這不僅使得開發效率變低，也使得企業難以快速響應市場的需求變化。
（圖片來源于網絡，侵刪）
在這樣的情況下，為了提高開發效率，便有企業整合出了一個中間組織，為所有項目提供一些公共資源，而這個中間組織，就是我們所說的中臺。
據悉，最早做出中臺嘗試的是芬蘭的一家游戲公司——SuperCell，說起這個名字大家可能會有些陌生，但提起他們出品的游戲想必多數人都有所耳聞：部落沖突、卡通農場、海島奇兵、皇室戰爭……
該公司里，5-7個員工就可以組成一個獨立的開發團隊，稱之為cell。Supercell的中臺，指的是公司將游戲開發過程中公共和通用的游戲素材和算法整合起來，并積累了非常科學的研發工具和框架體系，構建了一個功能強大的中臺。這個中臺可以支持若干個小團隊在短時間內開發出一款新的游戲。
緊隨其后，國內互聯網公司也紛紛開始了各自的中臺戰略，比如阿里巴巴提出的“大中臺、小前臺”，華為提出了“平臺炮火支撐精兵作戰”戰略等。根據不同的維度，又可以把中臺分為業務中臺、技術中臺、數據中臺、組織中臺等。但無論如何分類，中臺的關鍵都離不開幾個詞：共享、增效、規模化創新。
在了解了什么是中臺之后，可能很多人會問，為什么企業一定要用中臺？它能給企業帶來哪些好處？
在回答這個問題之前，我們不妨先來看看目前企業面臨的現狀。
區別于傳統“以生產為中心”的經營模式，“以用戶為中心”才是數字化浪潮時代企業能否在市場競爭中存活下來的關鍵，這給企業的經營帶來了巨大的挑戰，不同于傳統工業化時代的競爭模式，如今企業的競爭能力已經從過去傳統的“制造能力”變成了“服務能力+數字能力+制造能力”。
如今，早已不是之前開發個產品就能獲取大量用戶的時代了，隨著各類企業的逐漸飽和，獲取用戶不再像從前互聯網時代剛興起時那么容易，而更難的是，如何留存住用戶？如何讓用戶在琳瑯滿目的產品中不被別家吸引？這就需要企業對自己的目標用戶擁有絕對的了解。
“以用戶為中心”，首先要做到了解用戶。
然而，隨著移動互聯網及IoT時代的到來，企業的各類營銷渠道也開始向線上轉移，用戶行為大量分散于線上、線下及各類終端設備中，且數據來源多種多樣，不僅各個渠道間的信息難以打通，即使渠道破壁，繁雜的異構數據不僅讓企業獲取數據變得難上加難，也使得企業難以有針對性的調整業務戰略。如何獲取并分析各個渠道的用戶信息成為了企業能否快速響應用戶，精準預測需求的首要問題。
最新的AI中臺要解決的，正是這樣的問題。
傳統的數據中臺實現了組織內數據標準的統一，為前臺業務提供了自動化、自助化的敏捷數據能力輸出，但這些都只是使業務方面感覺更加能用、易用而已，想要做到真正的好用，便離不開智能化的能力。AI中臺主要承擔了復雜的學習預測類智能需求，例如，如何理解現有的數據？這些數據傳達了什么？如何通過這些信息更精準的理解用戶意圖？如何輔助企業進行決策？這些都是AI中臺要解決的。
舉例來講，一家企業可能布局多個推廣渠道，在這些渠道中用戶的反饋信息將會被實時記錄下來，AI中臺可以通過NLP等技術將諸多異構數據轉換為同構數據，并生成用戶畫像及決策建議，進而將決策建議覆蓋到每個渠道去，反哺前端業務。
那么，榮獲“最佳智能中臺產品獎”的驀然認知，在AI中臺方面又做了哪些呢？
簡單來說，就是在數字化經濟時代下，企業的經營模式已經從原先的“以生產為中心”轉變到“以用戶為中心”，企業主們迫切需要跳過中間渠道商去真正了解自己的用戶是誰？他們想要什么？企業應該提供什么？
而在當下的物聯網時代，終端多樣，數據異構，想要向從前一樣僅從單一渠道便能洞悉用戶意圖，顯然是不可能的了。那么如何有效獲取各類渠道信息？如何根據繁雜的信息構建精準用戶畫像？如何做出更精準的營銷決策？是這個時代下企業們所面臨的首要問題。
而驀然認知要做的，正是幫助企業們去解決上述問題。
簡要些說，驀然認知的AI大腦中臺通過NLP技術“把異構數據轉成同構數據，非結構化數據轉為結構化數據”來統一企業全流程數據管理，為企業提供建議決策，幫助企業提升運營和變現能力。
具體來講，驀然認知的AI大腦中臺可以大體分為感知層、認知層和服務層。
感知層會將語音信號處理、圖像識別、手勢識別、觸控交互等多模態交互方式收集的信息進行統一的接入管理。
進而轉入到認知層，將這些信息轉化為統一語言表示，再通過自然語言處理技術對其進行分析理解，生成用戶畫像，進而實現精準的搜索推薦和智能決策。在這一部分，驀然認知既可以幫助企業運營，也可以為企業搭建自己的配置管理平臺，這樣一來，企業可以依據自身所需，根據其業務等內容來進行自定義配置和管理。在企業較為注重的數據管理方面，驀然認知也可以助其構建日志存儲分析平臺，通過它對沉淀的數據進行存儲、處理、分類加工及深度分析，以便于企業后續進行模型迭代、產品分析和可視化等。
在服務層，AI大腦平臺不僅可以進行各類設備的IoT控制，也可以方便快捷的接入各類第三方內容和服務，這里的服務不僅包括各類生活服務，也包含了諸如售前咨詢、電商、保險等各類企業服務。
1，幫助企業對數據進行分析處理并據此提供策略化建議，輔助企業營銷決策，反哺前端業務
驀然認知可通過多模態交互方式幫助企業收集用戶數據，包括語音、觸控、圖像等多種方式，并將異構數據同質化。以4S店為例，驀然認知在線上，將車企微信端、網頁端及其他線上營銷渠道數據融合；在線下，從店內的攝像頭、傳感器、呼叫中心獲取數據，“以用戶為中心”將售前、售中、售后、金融等全渠道信息打通，并將多種異構數據形式轉化為統一形式表示，打破各渠道間的壁壘，幫助車企及經銷商更加精準的預測用戶的需求和行為，輔助銷售人員更快獲客。
2，輔助企業進行技能配置、運營管理
如上文提及，驀然認知可以根據企業需要，為其搭建自己的配置管理平臺，幫助企業進行自定義技能配置、數據管理、運營管理等。舉例來講，驀然認知可以為企業搭建自身的運營平臺，根據企業的個性化需求，為其配備諸如用戶滿意度檢測、用戶高頻需求洞察、用戶分層精細化運營等技能，企業不僅可以通過這些來更清晰的了解自身用戶，也可以根據算法推薦的內容來對用戶進行實時管理、主動推送等。
3，提供完整私有化和定制化部署，解決企業個性化需求和用戶數據安全性問題
不僅可以提供企業通用AI中臺系統，也可根據企業的個性化需求提供私有化和定制化部署，實現企業對服務、內容、算法的高度自主可控和靈活管理，幫助企業實時對生產、銷售、管理等進行監管，解決企業個性化需求和用戶數據安全性問題。
在了解了這么多之后，到底哪些企業是切實需要的呢？
我們在上篇中曾經談到，中臺有幾個關鍵詞：共享、增效、規模化創新。既然涉及共享，倘若一家企業的項目或業務線十分單一，那么共享的意義便不復存在。所以需要運用到AI大腦中臺的企業通常會具備以下特征之一：
（1）正在或需要進行多業務擴張、多消費渠道觸達，難以通過單一渠道觸及用戶、管理用戶；
（2）內部組織結構復雜，希望協調各組織間的資源等；
（3）內部有多條產品線或多種業務形態，各業務單元之間存在重復的功能模塊；
（4）企業內部使用了多種管理系統，需要打破各個系統間的壁壘進行統一管理。
那么具備這些特征的企業通常分布在哪些行業呢？
根據愛分析的統計數據顯示，數據智能在品牌營銷、金融、政務、零售等領域處于相對成熟的階段，也就意味著這些行業對數據收集、監測、洞察、決策、重塑的需求更為強烈。
換句話說，品牌營銷、金融、政務、零售、醫療這些行業都將是AI中臺的極佳落地場景。
前面我們強調了驀然認知可以為企業提供完整的私有化和定制化部署，但倘若每家企業都要從頭開始進行定制，那么就要耗費大量的時間精力，難以快速滿足客戶需求。
因此，驀然認知建立了自身標準化的定制流程，可以做到快速適配不同企業。
AI中臺本身在行業中沉淀的技術能力是相通的，底層架構中絕大部分具有共通性，差異化則更多的是體現在前端業務，這就給驀然認知AI大腦中臺快速移植到不同的行業中提供了有力保障。僅通過一個已有案例，驀然認知便可構建出通用的底層數據模型及行業知識圖譜，并可快速移植到同類其他企業中去，幫助企業建立自身的知識圖譜和用戶畫像。
除此之外，驀然認知還擁有服務快速接入、終端靈活適配、數據安全可控、功能個性化定制等多重優勢。
目前，在AI大腦中臺方面，驀然認知已與TCL等企業達成了長期合作。而家電、金融、酒旅、快消等領域廣闊的市場規模，也確保了驀然認知有足夠豐富的場景來進行構建。隨著數字化的不斷深入，未來，場景和技術的深度融合將會使得AI中臺的作用被更加淋漓盡致的突顯。
專題
