【大数据】伊美尔COO张岩：数据变革驱动新业务增长

2017 年 11 月 29 日 产业智能官 张岩永洪科技

引言：2017年11月18日，在永洪科技举办的北京用户大会上，伊美尔控股集团COO&CMO张岩作了题为《数据变革驱动新业务增长》的演讲，介绍了大数据以及算法在医疗行业的应用实践。本文根据张岩演讲内容整理而成。

伊美尔是一家医疗美容企业，医美行业的领跑者，在全国有40家医院。我们在数据化建设过程中做的第一个总结是：“当我们想运用数据时，是希望利用数据来增值我们业务的发展。可是我们发现，真正的业务变化是由于我们的商业模式变了，由以前的销售漏斗模式转变成现在的社群营销模式。社群营销模式保障了一个消费者所发出的信息，能够跨更多的平台让人知道，而此时，我们基于业务，以数据为核心，更加强调的是用户的体验。”

伊美尔每年投资的广告费用巨大，大部分广告费投给了百度。随着百度投放费用的提升，转化效果反而越来越低。为了解决这一问题，我们想到了借助大数据来管理伊美尔整体的业务体系，以大数据+内容建设全新的企业数字驱动能力，提升投产比。

大数据平台优化KMS系统提升投放精准度

基于此形势，伊美尔建设了第一个大数据平台——知识营销系统（Knowledge marketing system），由三部分组成：

大数据话题挖掘系统：作为百度的重要客户，我们之间有很多的合作，整个挖掘系统跟百度做了整个数据体量的对接。基于大数据的搜索平台，我们会根据消费者在搜索相关医疗信息时，把他的整个阶段划分为SIVA，在这一模型下我们衍生出了语义分析模型；

大数据DSP投放系统：在语义分析模型下，可以知道消费者/患者在”点击”内容时候的需求，清楚了需求后，就开始了透过大数据分析指导DSP投放;

大数据传播分析系统：经过我们对汽车、旅行、药品、美容、快消品五个领域多方面分析，一个患者从能够接收我们所发出的信息，到达成交易时他所使用的渠道，平均需要10.4个传播渠道。可能需要电视、收音机、网络、自媒体等渠道的传播;

经过知识营销系统的分析，消费者从前端的点击情况到如何进来的，我们都可以进行评估，当我们在制定提升业务决策时，数据能告诉我如何去做。

知识营销系统（Knowledge marketing system）

大数据标签体系使企业精准洞察患者需求

有了知识营销系统之后，我们要做的另一件事就是完成基于医疗企业的数据标签体系。所有的数据标签体系来自于HIS系统（医院信息系统）、CIS系统（临床信息系统）、MIS系统（管理信息系统）、POS系统（销售时点信息系统）、CRM系统（客户关系管理系统），将这些系统中的数据导入到客户标签系统中，对标签维度和业务进行最合理的匹配，对我们的用户标签进行了四个维度划分：身份标签、偏好标签、潜在消费标签和忠诚度标签，从而建立客户属性+消费行为+群组特征的标签体系，精准识别传播对象。

大数据标签体系

客户画像系统显示消费需求，指导精准业务推介

有了标签之后，结合客户画像分析系统，这样完成了一个完整的用户画像，在整个用户画像里，我们发现价值体系体现出来了。图中是我们一个会员，她在一年里的消费经过画像之后，我们会发现这个用户在自己眼部整形的消费中，平均单价在一千八百元，一个季度会做1.4次，从她的消费金额来看，有48%的消费情况是低价消费，36%的消费情况是高价消费，我们据此可以判断出：这个用户要不就是有便宜就占，要不就对眼睛非常在意。她对鼻子的美化单价是五千元，我们可以看到她在中等价格出价几率是在65%，一个季度做0.6次的美鼻，我们可以看出她在鼻子上的消费还是比较实惠的。把她的情况综合一下我们发现，当我们要在年底对所有的患者用户来推她们的治疗情况时，就能够知道她在下一个季度的时间节点，哪个项目是她可能要来做的了，而且我们也能够知道这个人来做的时候，她的价格接受力范围，从而根据她的消费能力来推项目。

客户画像

除了给消费者推单一的治疗项外，通过预测算法，自动生成最符合消费者的完整疗程计划。从疗程计划里我们可以看到，在11月22号可以去推面部抗衰老项目，这位消费者的买单可能性达到77%，延续到12月份22日再推此项，成单率则达到了80%。

客户画像

除了基于预测模型来对整个业务进行提升外，我们还会做更深度的关联分析。比如我是一个客人，我有了这么多的治疗项，伊美尔通过对整个数据库的数据进行关联分析，则能够知道面部抗衰老项目的消费者还会再用什么产品，依据此产品又能推出第二个关联客群，也就是说我可以由消费者治疗项目关联治疗项，再推导出相关的客人。从而，我们获得了一个不光能够把整个治疗周期都做了，还能够推相关的第二周期治疗项目线索。

大数据关联分析系统

伊美尔的运营前端为呼叫运营中心，当我们把所有的广告信息在所有渠道传播出去之后，患者会把电话打到呼叫中心，呼叫中心接了之后把消费者的信息发到咨询中心，由咨询师来做精准分析，咨询完之后会将消费者的详情反馈至医务中心，由医生对咨询方案进行判断，然后再进行手术，最终的整个流程内容还要反馈至培训中心，从而对从前端呼叫到咨询到医务进行业务知识培训，提升服务水平。

数字视频已成为商业增长新模式。对于医疗美容这个行业，网红或者KOL对消费者的影响力是非常大的。基于我们的KOL评分模型，我们会从大量的直播网站，如虎牙以及几家国内比较大的知名直播平台做了后台数据的打通，利用大数据挖掘，精准的选择网红、KOL，创造销售亮点。

KOL评分模型

在谈到数据对于内容的生产层面，不得不提的内容自动化生成系统，它是我们跟一些公司合作的后台工具，只要在我想做的内容主题里面打出几个关键词，依据关键词，系统会从全网找出具有关键词的文章，再把这些文章的内容自动排列组合成短文，而且每个文章的排列顺序我们可以依据于今日头条、百度的搜索指标进行重新排序，也就是说作为一个非文字编辑人员只要通过关键词的排列组合，每天可以完成的文章数量是在几十篇。在以内容为王的营销时代，这种方式将主播主创人员的能力提到很高，同时把他们的工作能力降到最小，再通过一个公众号配上多个相关的辅助号，整个内容形式就可以很好的来占领这个市场了。

数据语义技术

在可视化效果的呈现方式上，我们通过和永洪的合作，将HIS、CIS、MIS、POS、CRM等系统业务数据导入到永洪的大数据平台上，通过可视化分析，除了能够看到业务的增长情况，我们的一线员工：呼叫人员、咨询人员、医护人员、客服人员，通过直观的可视化效果图，把我们的业务决策、产品决策、营销决策、竞争决策，都在大数据分析平台上进行，从而快速做出决策，实现提升效率、降低成本的终极目标。

永洪助力伊美尔实现数据化运营

AI与大数据分析结合，就像给大象装上翅膀

来源：永洪科技

本文来自中国软件网刘学习

“啤酒与尿布”的故事非常经典。

在某些特定情况下，“啤酒”与“尿布”两件看上去毫无关联的商品经常会一同出现在购物篮中，这一销售现象引起了美国沃尔玛超市管理人员的注意。

为了搞明白原因并利用它，当时的管理人员采用的方法是实际调查。终于发现，有婴儿的美国家庭中，负责照看婴儿的年轻父亲到超市采购时，在购买尿布时往往会顺便为自己购买啤酒。

如果把这件事放在今天，完全不用花十几天的工作日做调查，仅利用深度分析工具，十几分钟就能找出了答案。

“这个故事的实质其实就是商品的交叉销售，放到今天就犹如电商网站的商品推荐。研究这种关联关系的方法就是购物篮分析，购物篮分析可以帮助我们在门店、网站的销售过程中找到具有关联关系的商品，以此推动销售额的增长。”永洪科技咨询总监符鹏飞在11月18日的北京用户大会上，面对记者时对这一问题进行了解释。

永洪科技咨询总监符鹏飞

采用了当今的大数据分析工具的一站式、敏捷性特性，与搅动世界发展的AI技术结合，让大数据分析更容易了。

AI与数据分析结合正在改变产业格局

技术社会发展的引擎正由互联网逐步转换为AI。以前，企业面临互联网化的挑战，互联网+引领潮流。现在，AI的崛起正改变着企业间的竞争力，吃螃蟹者正领先进入“人工智能时代”。

符鹏飞认为，大数据分析领域应用AI还属起步阶段，一切都处于探索期，但是效果却令人惊奇。永洪旗下Yonghong Z-Suite套件就包含了具备AI能力的深度分析模块，目前已经支持90%以上的常用算法，到今年底将支持95%以上的常用算法。截至目前，已有不少客户已经在这一平台上开展自己的AI工作，并取得了一定的成果。

要对数据进行更深度的应用，需采取深度分析算法或数据挖掘算法，通过机器内部的算法自动对数据规律进行运算，并对结果进行预测，该算法不预先对数据的分布和变量间关系做假设。

符鹏飞对BI和AI进行了简单的类比。BI是用历史数据，进行数据特征的提取，发掘其规律性，“告诉你已知的”。具备AI能力的深度分析应用则是用历史数据进行自我提炼、深度学习、分析，进而建立模型进行预测，“告诉你未知的”。

从使用对象上看，BI使用者以前大都是具有专业技能的“高富帅”，而用具备AI能力的深度分析的则可以是企业的普通人，既可以是IT技术人员，也可以是业务人员。

符鹏飞认为，目前大数据分析对AI技术的应用可分为两类：一是走一体化路线，如永洪科技，整合BI与AI，向用户提供使用更简单、效果更好的平台型产品；另一类则是提供整合AI的工具类产品，定位更专业，更偏重专业技能人才应用。

引入AI，深度分析的核心能力是预测变化

企业积累了大量的业务数据，亟需功能强大的数据分析工具，揭示数据规律，为企业的经营决策提供可靠信息。传统的数据分析只局限于反映企业过去和现在的经营状况，管理者无法从报表展示中直接得出问题结论，企业的数据也无法发挥真正的价值。

改变从AI开始！

永洪科技在深度分析中集成了复杂的统计算法和机器学习技术，能够从海量数据中挖掘具有潜在价值的关系、模式和趋势，构建数据模型，做出预测分析，帮助企业及时了解自身问题，发现市场机会，做出科学的经营决策。

符鹏飞向记者演示了用户深度分析的原理和应用步骤：

第一步：通过平台提供的计算力，对接需要的数据；

第二步：自服务准备建模，完成数据准备的过程，处理干净数据之后可以作为数据深度分析的入口；

第三步：选择算法，通过深度分析的可视化工作流，用户可将数据集拆分为测试集和训练集，选择特征列和目标列，构建算法模型，对模型进行训练、得出模型参数，利用测试集对模型评分，调整参数/特征、使模型更具准确性；

第四步：最终应用于数据集和可视化报告，得到预测分析结果。

Yonghong AI产品架构

符鹏飞介绍说，永洪深度分析既提供经典统计方法，如一元线性回归、逻辑回归、K-means 聚类、HoltWinters 时序分析、关联分析、决策树，满足用户常用分析场景，简单可视化操作，即可轻松构建模型，完成预测分析；又支持用户调取R 包函数，定制分析算法，充分发挥R 中更丰富、更高级的统计分析与预测分析功能。

采用AI，让永洪深度分析用起来更简单

“AI+大数据分析并不是高不可攀，每一个人都可以使用，只要你有需要。”符鹏飞说，这就是永洪科技在深度分析方面树立的一个新的“易用、实用”的标杆。

在永洪科技一站式数据分析平台Yonghong Z-Suite V7.5 版本进行了功能模块化升级，深度分析作为一个独立的功能模块，拥有全新的操作界面，实现更专业的机器学习功能。符鹏飞介绍，它的优势体现在五个方面：

第一，降低 AI 应用门槛。企业业务发展和决策中，经常需要预测型和建议型的指标辅助。以往，这个过程往往由于专业性通常是由专业数据挖掘工程师完成，这个门槛能不能降低，由非专业的数据挖掘工程师或者普通的业务用户来完成？永洪自服务数据准备功能，更便捷的完成数据治理。而可视化操作页面，业务用户通过拖拽式完成深度分析应及模型校验。

第二，提升计算性能。永洪MPP集市通过分布式计算，支持大数据规模的机器学习算法，包括kmeans聚类、逻辑回归算法等。在机器学习的过程中，数据查询、模型训练、模型评分都可以基于MPP计算。分布式计算的应用将数据计算的巨大工作量分散在多台服务器上，保证了大数据规模机器学习的处理性能和响应速度。

第三，实现数据分析与应用一体化。永洪深度分析与敏捷BI构成一站式分析平台。用户在数据连接模块连接并准备数据后，可直接利用高质量的数据进行数据建模，实施数据模型，预测分析数据，制作数据报告。从构建深度分析模型到可视化报告分析，各功能模块之间无缝衔接，一站解决所有数据问题。核心是：自服务数据准备与深度分析结合，深度分析算法产生的数据结果可以被BI应用复用，BI与深度分析结合，做联动与深度分析。

第四，可扩展，包括算法支持与算法扩展。不熟悉R 语言的分析人员，可以利用预定义的常用分析算法，能快速上手，自助挖掘数据、预测形势。对专业的数据分析师，支持定制分析算法，R 深度用户可访问有权访问的任何R 包，构建深度分析模型，自由灵活的预测分析数据。

当然，不得不提可视化分析。可视化的工作流帮助用户实现自服务建模。轻松拖拽操作节点，形成完整的工作流，即可完成数据集拆分、特征列选择、模型构建、模型训练、模型评分的完整过程。同时，永洪深度分析与敏捷BI 相结合。用户在制作报告时，可直接使用构建的深度分析模型，通过可视化图表的形式展现分析预测结果，输出可视化数据报告，便于业务人员进行可视化评估。

在核电站设备检测预测这一重大项目中，核电站柴油机及各控制系统使用了大量的继电器，在运行过程中可能会出现部分继电器不可靠。为了提高继电器的可靠性，需对继电器进行预防性维修，及早剔除不合格或者接近不合格的继电器。通过对测点收集的数据进行预处理及探索，并根据历史积累的训练数据建立分类模型，从而更智能地判断继电器是否合格。实践证明，这种模型分类效果良好，不存在明显的欠拟合或过拟合现象。

永洪科技利用AI的深度分析方案已经在电力、制造、金融、交通、公安、物流等行业得到的应用，发挥出了巨大的能量与作用。不过，AI在数据深度分析上应用才刚刚开始，潜力和能量绝对值得想象。

新形势、新格局，基于汽车金融大数据业务的风控新手段

来源：张曜钦 永洪科技

引言：2017年9月2日，在永洪科技举办的深圳大数据峰会上，长久启恒COO张曜钦作了题为《新形势·新格局·汽车金融风控新手段》的演讲，介绍了汽车金融领域，大数据在风控、管理、运营等方面的应用实践。本文根据张曜钦演讲内容整理而成。

1. 关于长久启恒

长久启恒是国内专业的汽车金融数据科技公司，将10余年积累的大量行业数据，进行梳理和挖掘，通过数据建模，以在线可视化呈现方式，为金融机构、汽车厂商提供更多元化的咨询服务产品。

旗下的金融科技信息平台，结合汽车担保品监管网络优势和金融科技管理工具推广获客，支持银行/金融机构实现资产穿透式管理，通过大数据分析、风险控制模型等进一步评估用户的信用情况，实现后端规模化资金支持。

2. 汽车行业新形势

汽车行业销量主要受以下因素影响：

1）受政策形势影响：汽车行业受政策影响较大，不同政策出台对市场形势格局有着不同程度的影响。具体受新能源补贴政策、节能减排政策、限牌政策、限购政策、人口政策等影响，最终会导致不同的产品车型在销售端遇到一些障碍。

2）受风险形势影响：乘用车销量呈小幅增长，增速减缓。

汽车行业风险形势

从2016年1月开始，截至目前，在批售领域，互联网金融平台的市场份额从0上升至16%，增速非常惊人。

而在多方参与汽车金融批售领域，已经形成相互交叉支撑格局。三方监管深入业务中，监管方秉持公平与公正，为多方提供服务，逐渐成为数据集散源。

3. 汽车金融行业新格局

在汽车金融批售业务领域有三种主体参与竞争，第一种是生产方；第二种是渠道方；第三种是资金方。监管方作为中间通道，同时为三种主体提供服务。

生产商主要是给渠道商提供车源，监管方可获得的是厂商授权数据，输出的是风险数据；资金方为渠道商提供资金，为监管方提供监管授权，监管方输出经营业务数据和风险分析数据监管方为渠道商提供监管服务和增值服务。监管方逐步成为四方数据集散中心。四方参与到汽车融资市场中，相互支持，共同把握市场风险和市场的稳定。

在大数据技术平台应用于汽车金融领域前，汽车金融在借贷方面会遇到诸多问题。松散的人工经验定义；低效率的静态计算；僵硬的传统报表；从而导致汽车金融平台在资金放贷方面风险极大。随着物联网技术以及大数据技术平台的成熟，长久启恒摒弃了原来人工核查，使用了天眼和蓝牙保险箱技术，保障了数据实时传输到数据中心，从而实现了无人监管，提升效率、降低成本的终极目标。

长久启恒拥有上万家经销商的数据积累，积累了大量的样本数据，有力的支撑研究风险样本风险表现规律。通过建立大数据风控模型，为行业提供实时的风险预测模型工具。

在可视化效果的呈现方式上，长久启恒通过和永洪科技合作，对用户的数据进行了清洗、过滤、建模和最终的分析，给客户呈现的是经过加工后的可视化效果图，而不是传统的一张张报表。

永洪助力长久启恒实现数据化运营

4. 汽车金融风险控制新手段

长久集团作为国内领先的汽车供应链集成服务商，为汽车供应链金融提供一体化解决方案。长久启恒在数据获取方面是通过物联网技术，它是长久启恒获取数据的重要方式之一。在垂直领域，长久启恒的所有数据来源于内部。在物联网技术领域的研发中，经过三年的研发，从“人工盘库->长久盘库宝->长久蓝精灵->长久车管所-天眼 ”，以上技术为数据中心提供了实时的数据传输，保障了数据分析的实时性，从而提升了企业的运营效率。

长久启恒的技术革新历程

汽车金融行业每日实时产生大量数据，面对庞大的数据量，长久启恒最终选择了随机决策森林算法模型，并分析了2014年-2015年发生的倒闭经销商跑路的风险因子，通过把随机决策森林模型应用到全国的两万多家的经销商业务系统中，从而实时获取数据的同时实时加工分析，最终将可视化分析效果图呈现给终端用户。

汽车金融行业的数据模型

对于汽车金融领域，核心模型是抗风险模型，投资回报模型。对于金融汽车银行而言，足不出户便可查询财务数据。对于在经销商的管理方面，长久启恒非常欣赏Yonghong Z-Suite V7.5的GIS地图，通过这一功能可以详细了解经销商的地理位置分布情况、经营状况以及库存量。

Yonghong Z-Suite GIS地图助力长久启恒实现经销商管理

后记

张曜钦在演讲最后总结道：“Yonghong Z-suite平台的优势，在于能够将多个模型整合，最终通过可视化呈现给用户，实现了宏观视角态势分析。交互式界面分析，全局多图联动，协作讨论等操作。用户权限背靠背的管理，所有用户独立帐号管理，保证数据安全性。实时预警功能，多种途径接受突发风险事件的预警，及时通知风险。模型在线计算，自主输入风险因子，使用模型运算，获得计算结果和可视化分析报告。DIY报表生成，通过直观的拖拽式操作，即可融合多源数据，生成清晰简洁的数据分析报表。”

DT浪潮下，大数据在交通管理中的应用实践

来源：侯长林 永洪科技

作者 | 侯长林，海颐软件智能交管产品部经理、济南交警科学研究所大数据架构师

来源 | 2017永洪科技济南大数据峰会

非常荣幸有机会给大家分享一下我们在智慧城市、智慧交通方面的大数据应用案例。今天为大家演讲的题目是《大数据环境下的交通管理》，主要包括以下三个方面：

第一：交通管理现状以及我们在交通管理领域所面临的一些问题；

第二：作为问题主要面临的单位，我们的解决思路；

第三：分享几个典型案例。

一、交通管理现状及问题

现在的交通管理的现状，主要是分成两大体系：

第一大体系：交警行业

包括做车辆和驾驶人的全生命周期管理、道路安全管理、交通秩序的整治、管理以及疏导，违法以及事故的处理、预防等。这是公安这条线上，公安交警行业所要管理的。

第二大体系：交通局

交通局管理的主体有道路建设、路政管理、水路管理。公路局作为交通局的一个单位，主要负责公路建设、公路养护、规费征收还有路政管理等。这涉及交通管理整个领域，是多个单位共同进行管理的。

公安交警作为管理的主体，主要管理人与车以及人驾驶车在道路上面对的事情。目前，全国驾驶员有3.68亿，山东省有2600万。同比增长在8%左右。这块济南是228万，同比增长9%，略高于全国的平均水平。山东省作为一个车辆和驾驶员大省，在全国范围内排名第二位。

全国的机动车已经突破了3亿，山东省有2300万辆，整体增长率在7%左右。济南有193万，同比增长14.25%，远远高于全国的整体水平。

道路通车里程，全国有469.63万公里，山东省占到1/18，有26.6万公里。济南作为全国道路交通的枢纽，包括铁路枢纽、公路枢纽，交通管理领域有很大压力。在这种情况之下，我们面临哪些问题呢？

交通拥堵是我们面临的首要问题。昨天，高德联合几个权威机构发布了全国交通拥堵的延时指数，单从这个指标来看，济南市交通延时指数达到了2.136，已经代替了北京成为了首堵。

其次是交通事故频发。2017年第一季度，我们通过122接警平台、泉城行+App、103.1车主服务广播、公共服务平台、保险行业等各个大数据平台，收到了包括大小事故49503起数据，这些事故主要集中在市区。

第三方面是交通违法激增。2017年一季度发生130.9万起，同比增长18.72%，增长率非常高。我们推测，可能是随着信息化、抓拍违法、智能化等技术手段不断提升，发现了很多以前没有发现的违法行为；随着车辆保有量和通车里程增加，这个数据会随之逐年增加。

二、我们的解决思路

以上谈了我们面临的现状和问题，以下是我们的解决思路：

第一：信息化、智能化；

依靠大数据手段，提升我们信息化的联动水平、智能化水平，包括后续的智能化决策，准确的事故预防，以及精确违法打击几个方面。

第二：互联网+、移动化；

现在每个行业，包括制造业、传统行业、政府，都脱离不了互联网，因为每个人和互联网移动化越来越紧密了。

第三：管理向服务转变；

作为交通管理部门，不能单纯作为管理部门，要逐渐向服务部门去转变，和人民站在一个体系里面。互联网移动化与我们从管理到服务的转变是息息相关的。

要做到这以上三大方向，有三个关键点：

第一：做好信息融合

1）信息融合也就是融合内外部的信息：包括我们交警内部数据、公安的数据、保险的数据以及包括互联网现在滴滴、百度、高德所发布的一些公开数据；

2）数据融合还要有统一数据标准：不同平台、不同单位的数据，需要有一个统一数据标准为我们平台所用，为我们去做分析；

3）有了统一的数据标准，就能打通很多行业和企业之间以及和政府之间的信息孤岛

4）数据质量：在很多传统行业里面，数据质量相对比较低。包括现在智能化的设备、智能化抓拍设备、卡口等，这些时钟是否准确，抓拍数据识别率是否够高？数据质量问题，需要我们进行解决。

第二：协同共享

实现交警内部，或者交通管理部门内部的不同应用，包括行业外的协同共享。我们会提供给交通局以及社会征信单位个人的交通征信数据，会提供给互联网公司，去提高车辆的道路通行效率。

在协同共享里面，目前所面临的是信息安全和增强隐私保护等问题。我们在济南做大数据行业内、行业外与信息共享这块，会对所有数据做公共的动态脱敏和动态加密的处理，来保护信息安全和增强隐私保护。

第三：精准决策

有了信息融合和协同共享，最终目标是想要实现精确决策，因为数据是要为决策做依据的。

决策第一是精准决策，科学治堵；第二是准确实施事故预防；第三是精确打击交通违法；第四是个性提供公众服务。为此，我们现在在做一些努力。

接下来将围绕以上这几个关键点，分享一下我们在这几点上是怎么做的。

在信息融合这一块，最开始提到了大数据平台。大数据并不等于Hadoop，Hadoop只是大数据平台里面的一种技术实现方式，里面还有MPP、NoSQL数据库等。我们现在使用的永洪科技的后台是用了一个MPP数据库，这也是属于大数据的一部分。

信息融合过程，最左侧是数据源，中间有数据统一接入平台，然后是数据质量管理平台，这两块主要组成了我们的数据治理平台，然后把各行业数据做一个统一标准，对数据进行清洗转换，也就是ETL的流程，从而提升数据质量。

之后进入实时数据处理引擎，最后进入交通管理信息数据仓库，以及模型算法库作为一个公共组件，这三部分成为基础能力层。再往上是公共资源服务组件，里面有可视化工具，数据探索工具，交互处理引擎，资源分级管理，数据脱敏加密，计算能力共享。这些保证可视化、交互能力的共享，以及保证我们数据的安全。

关于数据可视化以及数据探索工具，在济南我们做架构设计的时候，选择Yonghong Z-Suite做我们的工具。因为它有两个特点，比较适合我们现在的应用场景：

1）特点一：数据可视化

在数据可视化领域内，国内的厂商里面，我认为永洪科技的性价比比较高，它的界面，交互性，友好度是行业内比较领先的。

2）特点二：数据探索工具

永洪提出“释放数据价值，人人都是数据分析师”这一概念，正好契合了我们现在的思路。目前公安以及交警设立了情报部门，他们是依据我们的数据还有自己的想法去探索、去挖掘里面的东西。因此，我们利用永洪科技的工具，构建后台模型，然后提供给他们构建好的工具，他们通过自己的拖拽式操作，得到自己想要的数据。

以上就是我们的数据融合和共享。

三、案例分享

下面我们做几个案例分享：

案例1：精准决策，科学治堵

第一：分析原因

对于拥堵现状，有很多方面的原因。我们提出“侧重某个重点原因，去集中治理。后来发现拥堵现象主要集中在市区。随后我们就分析，产生这个拥堵的原因是什么呢？随后发现是由于事故和交通违法所造成的，也就是交通秩序不规范。然后我们从重点违法出手，分析这些重点区域，重点交通违法就是违停；违停侵占了非机动车道；非机动车把道路占领了，这样道路通畅度就降低了。

第二：制定策略

根据上一原则，我们在市区新增了20条违停道路，增加了停车违法的查处力度。

第三：跟踪执行

通过我们制定的策略，然后发布到每一个指挥中心，是否按照我发布的计划去执行，执行的效果如何，都显示在我们的大数据平台里面，一目了然。

第四：效果分析

济南交警科研所是一个开放性思维的单位，它现在和滴滴、百度、高德都有数据交互和信息共享。下图是高德在2017年第一季度发布的，我们设置市区里面禁停道路有很多实现了提升。虽然现在济南还很堵，但是我相信在不久的将来，拥堵的治理情况会逐渐好转。

案例2：交通配时优化

全国有很多地方在做交通配时，我们现在也在做一些尝试。通向火车站的明湖西路和明湖北路，我们做了一些优化，然后通过视频检测，检测路口实时流量以及交通状态，加上外围数据包括卡口数据、互联网数据，做了从点到线再到面的协调。

实现到点这个步骤之后，进入了实时调节信号灯的周期，然后减少路灯的空放时间，提高道路路口车辆通行效率。路口流量我们经过测试后，平均提高了8.2%左右。

案例3：精准实施事故预防措

事故的发生有很多不确定性，从而造成我们在交通管理部门指挥决策的时候，不知道如何去做。后来我们通过整个体系，从源头进行数据采集。指挥中心在接警的时候会做对现场的信息进行采集，然后派民警到达现场，处理事故的同时将现场环境信息以及现场隔离、绿化带、照明条件等条件下的信息，全部采集到大数据平台来。

之后，结合事故车辆和当事人的信息，对他的交通违法、交通行为，以及描述的一些标签，把这些数据放到我们“交通事故时空特征预警分析模型”当中，结合事故预防措施库，制定好措施，推送到我们的指挥中心；告诉指挥中心具体在哪个路口查什么车，在哪个路口设置交通护栏等一些具体措施。

根据措施的制定，最后会有一个效果的跟踪，同样环境下，这个地方当采取措施之后，同类事故发生的效果怎么样，以便后期我们制定出精准化的事故预防措施。

案例4：精确打击交通违法

我们发现交通违法越来越呈现知识化，也就是说这些违法人员越来越聪明了。为防止此类情况，我们对每一个人会有一个精确的刻画，通过他的行车轨迹、电子眼抓拍数据、“泉城行”+App、公众服务平台等数据，放到“车轨时空联控模型”里面。这个模型会通过数据画像，会判断车辆是否是套牌。如果是套牌车，它会输入到我们智能交通管控平台，也就是说这个平台是我们大数据平台的布控模块。最后，结合济南市现在成立的快速反应骑警队，迅速布控。对交通违法驾驶人这块，我们通过画像数据生成黑名单，通过人脸识别，最后查证，进行布控，最后抓获。

例如下图，传统查处车辆是我们先查看车辆信息，然后核实开车的人；而现在，我们通过人脸识别，判断此时开车的人驾驶证是否已经过期，或者已经被吊销。然后检测此刻他名下这辆车，是否是本人驾驶，如果是本人驾驶，我们结合我现有的布控平台，以及快速骑警队，实施快速抓获。

案例5：个性提供公众服务

现在济南对于公众服务推出了一个公众服务平台，包括“泉城行”+App、微信公众号。我们现在后台是通过大数据支撑，以及互联网数据，做到交通违法的随时查询、违法缴纳、快速便捷、咨询发布以及听取对我们的诉求和投诉等。交通快处、关键信息推送、就是个性化推送，以及电子抓拍的预警提醒。现在我们想努力把重点路口实现违章停车，在10分钟内给大家发布预警提醒。

今天就给大家分享到这里，谢谢大家！

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。