讓AI/ML技術扎根行業激活企業的全新商業價值

2023-01-11 16:36:57來源：中關村在線

數字經濟時代，數據無疑是關鍵的生產資料，對企業發展有著重要的指導意義，而如何有效挖掘、處理、分析、管理這些數據資產，則是擺在企業面前的一道難題。成立于2004年的ElectrifAi是一家人工智能和機器學習解決方案供應商，專注于提供“Last Mile AI”，希望通過實用的AI/ML技術從根本上改變客戶的業務模式，增加營收、降低成本、控制風險。“我們會用先進的AI/ML模型算法，與具體的業務場景或痛點相結合，建立一座橋梁，可以快速、高效地解決客戶的問題，這就是我們定義的‘Practical AI’，希望為企業帶來實實在在的業務產出。”ElectrifAi中國區總經理、全球大數據分析副總裁、全球人工智能戰略總裁孫嫻在接受采訪時談到。

ElectrifAi中國區總經理、全球大數據分析副總裁、全球人工智能戰略總裁孫嫻

(資料圖片)

ElectrifAi服務于銀行/保險/投資、零售、制造等領域，可以提供超過1000個被市場驗證的預先訓練的機器學習模型資產（模型工廠），能夠快速部署，加速數據到價值的鏈路，降低企業試錯風險，有效提升ROI。通過對企業共性需求的挖掘，ElectrifAi沉淀了基于SaaS服務的AI產品和算法中臺Signal Hub，可以根據企業所處的業務階段制定相應的方案實施策略，幫助客戶夯實基礎能力，聚合數據資源形成場景化的決策鏈，借助AI/ML模型獲取實際收益。ElectrifAi會先明確客戶的需求優先級，例如是提升營收、風險管控還是降低成本，之后進行數據的清理和標準化操作，將模型算法與行業經驗相結合，融入客戶獨有的數據、標簽、字段等信息，有針對性的調整或定制模型來解決相應問題。

ElectrifAi的模型資產具有行業屬性，覆蓋銀行、保險、制造、消費、零售、電商等領域，可以通過多種模型的協同效應解決供應鏈、需求預測等復雜的問題。在模型工廠中，ElectrifAi融入了機器視覺（目標檢測、跟蹤和定位）、加強學習、深度學習等能力，例如，加強學習在前端營收上形成了一套完整的方法論，可以結合客戶的反饋不斷優化模型和策略，直至達到最優解，迭代的頻率可以周或天為單位，在一個月內達成目標，深度學習則主要體現在機器視覺和自然語言處理的應用。在新數據加入的時候，ElectrifAi會評估其與已有模型的關聯性，并進行初步分析找出相應的特性，發揮出對模型增益的作用。在加強學習時，會嘗試把新數據放到模型中觀察有效性，或在閉環迭代過程中監控模型效果，以得到最優解。

通過使用預訓練的模型，結合為業務場景定制化的解決方案，客戶可以快速看到反映在業務上的商業價值，而不必對已有的技術架構做過多的改變。對于全新的業務場景，ElectrifAi會和客戶攜手共建，借鑒已有的行業經驗快速構建對應的解決方案。同時，ElectrifAi也會在圖像識別、文本挖掘、機器視覺等應用時運用開源的模型算法，在大規模通用模型的基礎上根據個性化需求進行定制的二次開發和訓練。

在金融行業，ElectrifAi會幫助企業搭建數字化經營的管理體系。在業務場景化方面，以基于場景化的營銷方式獲客，提升存量客戶的粘性，定位重點客群進行產品創新；在數據平臺化方面，打通數據孤島，在數據上形成完整鏈條，建立數據中臺和客戶360洞察體系；在科技智能化方面，利用大數據和AI技術賦能業務，建立智能風控、智能定價、智能推薦、智能客服體系。

ElectrifAi在銀行業的核心能力主要體現在兩個方面，一是貫穿零售金融風險管理全生命周期的風控解決方案，例如貸款前的客戶審批（申請、初始額度分配、客群定制化、反欺詐等），貸款中的客戶監控（固定/臨時額度管理策略、分期費率差異化定價、實時交易授權、欺詐交易授權決策等），貸款后客戶催收（催收評分卡、差異化催收處置策略、失聯修復策略等）。二是成熟的機器學習建模技術定位客戶生命周期階段，在不同的業務階段結合機器學習模型給出相應的應對措施，包括針對性獲客、精準營銷、流失預警、客戶激勵等等。

這些全生命周期的能力將通過客戶洞察平臺形成數據-洞察-客戶響應的閉環反饋，首先是全渠道的私域/公域數據整合，找到并識別客戶，通過唯一客戶識別號構建客戶線上線下全渠道的行為軌跡，利用測試學習的機制量化每一次營銷活動的投產比，根據客戶反饋持續進行閉環迭代，優化活動的設計和發放，達到最優解。ElectrifAi幫助國內某保險金融公司打造了精準獲客營銷體系，利用數據分析技術和機器學習模型（有監督&無監督）為每個客戶設計了基礎型和洞見型的標簽，提供360度畫像，包括客戶的購買需求、富裕程度、品牌忠誠度等信息，幫助企業提高生產力、縮短業務上線周期。國內某股份制銀行的信用卡中心在ElectrifAi的幫助下，在移動APP上根據客戶的行為軌跡、行為特征、個人偏好等進行個性化推薦。

近年來，供應鏈數字化發展迅速，不少企業都建立了計劃系統、采購系統、生產系統、配送系統等信息化平臺，把管理對象和工具數字化，隨時隨地了解供應鏈的狀況。在此基礎之上，管理決策也實現了數字化，把業務沉淀的數據通過算法賦能形成智能供應鏈，提升運營水平。“我們希望通過AI對企業經營的賦能，幫助企業在運營管理、供應鏈優化等場景提供數據決策支撐建議，包括利用數據進行精準預測、智能決策、優化網絡架構、優化配送路徑、判斷用戶喜好等等。”ElectrifAi中國區聯席總經理、產品與解決方案副總裁楊海愿表示，“從營銷去刺激企業增長到了天花板時，供應鏈會是非常好的突破口，可以幫助企業降低成本，提高競爭力，并且通過供應鏈的優化，會吸引到更多的忠實客戶。”

ElectrifAi中國區聯席總經理、產品與解決方案副總裁楊海愿

楊海愿介紹稱，供應鏈的優化可以從六個維度實施：建立規范預測體系，提升預測準確性；建立在預測基礎上的成品備庫優化，提升成品庫存周轉率和市場需求滿足率；優化庫存分配及過程庫存管控，提升流通庫存周轉；優化倉儲及終端分配、配送路徑，提升配送實效，降低配送費用；優化倉庫的設置點位，降低運輸成本，提高服務水平；優化終端品類及補貨、營銷決策，提升售賣營收和產品動銷率，降低缺貨比例。

在零售領域，供應鏈和營銷結合得愈發緊密，產銷協同就是其體現之一，可以把庫存控制在相對合理的水平。這一過程中，ElectrifAi希望通過算法建立產銷平衡系統，與營銷平臺實現自動化對接。例如，ElectrifAi幫助某客戶建立了以客戶為中心的營銷活動。每一個優惠券、營銷活動和商品SKU都通過ElectrifAi創建的標簽進行定制化，并根據客戶的需求和人生階段，以產品種類的粒度按周發放。ElectrifAi從一年發送的電郵和郵件定制化營銷活動中，為客戶提升了5800萬美金的銷售營收。

在中國市場，ElectrifAi會提供端到端的解決方案和數字化轉型咨詢，把最佳實踐、行業經驗融入通用數據模型、認知標簽特征、預訓練模型等資產，支持前端的業務場景實施，形成閉環的優化機制。“我們非常看好中國市場，也愿意花非常大的精力去投入，把多年積累下來的國內外先進經驗帶給國內的客戶，加速數字化轉型的進程。在戰略層面，我們會繼續深耕國內市場，要在大數據、人工智能和機器學習的賽道上，占有一席之地。”孫嫻說。

標簽：人工智能