将AI融入大数据服务，「00 后」企业百分点正在让机器进行智能决策

百分点推出行业 AI 决策系统 DeepMatrix，能实现智能、快速、精确的 AI 决策。

撰文 | 藤子

「未来人类所有的决策都会不可避免地依赖机器。」百分点董事长兼 CEO 苏萌说。

以汽车召回为例。中国是汽车拥有量最多的国家，国家质检总局缺陷产品管理中心会决定哪款汽车应该销毁。

然而，做汽车召回的决定并不容易。汽车召回对汽车厂家来说是致命性打击，需要慎之又慎。按照传统召回方法，每个季度，缺陷产品管理中心都需要通过会商制度召集专家，花费 2-3 天评比所有信息。比如，汽车的问题具体是什么，严重程度如何，故障率相比市场如何，是否有人恶意投诉等等。汽车拥有量大，信息太多，完全依靠人力，工作繁重且效率低下。

两年前，百分点开始为国家质检总局提供智能决策产品。按照传统方法，需要 15 人工作 200 小时，现在做出召回决策只需 1 人，花费 2 小时。苏萌介绍，两年以来，百分点智能决策产品处理了 1000 多起汽车召回案例，协助完成 5000 多万辆汽车召回。

百分点成立于 2009 年，是一家大数据技术与应用服务商，产品线涵盖大数据技术层的操作系统、管理层的用户画像标签管理系统和应用层的推荐引擎、分析引擎和营销引擎，创建了行业应用模型库和行业知识图谱库，客户涵盖金融、公共事务、智能制造等领域，如光大银行、新华社、华为等 2000 家企业。

以动态知识图谱技术为核心，百分点在 12 月 14 日发布行业 AI 决策系统 Deepmatrix，聚焦零售、制造、媒体、公安、政府决策等领域，为它们提供智能、快速、精确的AI决策。

知识图谱之上，智能决策还需要一系列工具

「要使 AI 能够进行决策，核心在于研究人如何做出决策。」百分点技术副总裁及首席架构师刘译璟说。在他看来，人做决策时，通常有三个步骤。首先是感知，比如感知环境，如宏大的宇宙，具象的美食，抑或是经济、人际关系、理论知识等。其次是认知，将感知综合成认识或知识。在这之上，再进行判断。

「基于数据，再加上 BI 和 AI 技术，希望我们的系统也能实现这样的功能。」刘译璟说。

具体来说，在认知环节，刘译璟认为，先要打造知识体系。而要打造知识体系，就要抛弃技术化的数据，比如数据库的表、字段、数据的类型、结构、编码等，因为业务人员很难理解，也不需要关心，他们只需要关心指标和维度即可。

但刘译璟认为，人的知识是模糊的，比如某一个人好像喜欢某样东西，好像这一词就表明了模糊性。因此需要将模糊的概念加上概率值，反映到知识体系中，使整个知识体系与现实世界更加接近。由此，细致地描绘现实中的业务知识，使业务人员能够直接查看业务中的关键要素，在这些业务知识上讨论自己的业务问题。

光有知识还不够，刘译璟认为还需要动态的知识图谱。「我们希望在一个数据化的知识图谱里把现实中的行动、相互的关系都能够表现出来。」刘译璟举例，比如线上的交易行为、移动支付的行为、社交关系等，如何表现出来？这就需要动态知识图谱技术。

「知识图谱是数据体系，动态知识图谱是我们自己的技术。无论是现实世界的数据，比如人的行为，还是机器产生的数据，我们都会统一通过数据融合，使它们成为同一种数据结构，同一种语义的数据。再输入动态知识图谱，通过整体映射，将现实世界转化成数据化的知识。」刘译璟介绍具体的做法。

此外，百分点在所有知识里都加入时间、空间维度，借此从多个角度、维度观察现实世界，由于内置了时间和空间知识，因此也能进行时间序列分析和地理位置分析，挖掘事物相互的关系，以及潜在的业务含义，进行推断，并作出预测。刘译璟介绍，这些基于动态知识图谱的技术同样会应用于 DeepMatrix。

应用动态知识图谱有着明显的好处。想要形成新的知识，并不需要从最底层开始，进行数据处理和融合，只需修改本体映射即可。「每一个关系、标签、属性，都有一个概率值，所以我们能做动态推论，哪怕有一些关系或者属性在最初阶段没有设计到这个系统，通过动态推断，也能了解到这些实体之间应该有什么样的关系，具备什么样的属性。」刘译璟说，「由于内置了时间和空间，也可以动态地看待每个实体、每个概念。」

如果只有知识并不足以支撑整个智能决策。在知识图谱之上，还需要系列决策工具，比如通过搜索，直接搜索现实世界，对现实世界中的关系网络、实体快速进行统计分析。

DeepMatrix 作为一个行业决策系统，如何将技术应用于行业，刘译璟表示，他们会将行业领域业务专家的知识输入业务模型，再整体输入DeepMatrix。刘译璟认为，这些都是 DeepMatrix 拥有智能决策能力的基础。

安全分析、政府决策、全媒体服务、智能营销、智能制造，DeepMatrix 具有五大应用场景

沿袭百分点以往将产品做成整体解决方案的思路，DeepMatrix 同样是一个整体解决方案，在架构上分为三层，最底层是大数据操作系统，负责所有数据的接入、处理等。中间是百分点自主研发的智能认知引擎，应用了智能交互、自然语言处理、智能标签、动态知识图谱等技术。最上层是各个子系统，比如安全分析、政府决策、全媒体服务、智能营销、智能制造。

百分点智能安全分析系统 Deep Finder，将客户的所有数据接入大数据平台，通过动态知识图谱的技术构建出知识，在知识之上构建客户能使用的前端系统，比如搜索、分析、风险识别等。此外，还构建内容、模型管理等后台管理系统，用于公共安全领域，比如反恐、安防等。

举个例子，如果搜索「今天十二点在安贞桥通过的白色别克车」，系统会通过自然语言理解翻译成直接的语句，分析这个时间、这个地点交通卡口的车牌号以及车牌号对应的属性。搜索结果的呈现方式也与普通 2C 搜索引擎不同，如果搜索一辆车，呈现方式就是一辆车，如果搜索一个人，呈现方式也是一个人。

然而，现实世界错综复杂，任何物体在现实世界中都相互联系，为了应对这种情况，Deep Finder 会把个体置于整个关系网络分析，相比简单分析亲属关系，Deep Finder 更关注「两个人通电话」或者「发生了资金转账」，通过这种隐秘的数据将两人进行联系。同时，也会将个体和关系置于历史和空间中进行分析，清晰地知道何时、何地，何人做了何事，他与何人有何种关系，那人又会做何事。通过交互式的分析，以此还原现实世界，让分析人员快速了解现实世界。

百分点集团研发总监黄伟认为，通过搜索入口和分析工具，虽然能够进行事后分析，快速抓取线索。但是，与其事后抓到线索，不如去预防。这就需要所有的数据，机器智能就派上了用场。

黄伟介绍，使用规则引擎，他们将客户、分析人员的宝贵经验输入系统，让系统处理重复性工作，提高效率。再通过推理引擎实现基于知识图谱之上的推理。比如，查找「爷爷」，系统就会了解查找的是「爸爸的爸爸」。此外，还能基于现实世界，进行物理性的推理，比如某个物体在某个时间点只能出现在一个地方，不然这个人就不是同一个人。

「我们还能通过机器学习引擎，使用业务累计的标注数据，搭建预测模型，让机器根据这些数据，分辨出什么样的人具有什么样的高危概率，从而进行预防。」黄伟说。

百分点智能政府决策系统 Deep Governor 的架构同样有三个层次。底层是统一的数据管理平台，中间层是使用大数据和动态知识图谱、自然语言处理、商业建模等人工智能技术构建的支撑服务层。最上层是系统应用层，涵盖包括模型管理、指标管理、报表管理的基础应用，在基础应用上则是涵盖人口规划、国家宏观发展规划、区域发展规划等决策应用。

而支撑这些应用的是大量行业专家的决策知识和 6 大类 50 余种社会经济发展的综合决策模型，前者涵盖人口学、经济学、社会学等多个学科，后者包括系统动力学模型、微观仿真模型、资源供需分析模型、GIS 多重置叠模型等。

最终，这些宏观的数据以及关系到决策的重要因素，用可视化、实时交互的方式展现在技术图层上，进行政府决策模拟并比对调整后的效果。

百分点智能全媒体服务系统 Deep Editor 包括内容生产、内容传播和用户经营三个部分。最底层是全媒体的资产服务管理，支撑全媒体全流程的媒体资源的自动化管理和使用。中间层则是基于当前阶段不同时段媒体的影响力，让机器去决策、规划出适合当前的传播策略。然后是全生命周期的用户画像和经营系统，基于多渠道的信息聚合形成全面的用户画像。

百分点智能营销系统 Deep Creator 同样具有三大特征。

如今，消费者的行为非常碎片化，它既可能出现在线下门店，也可能出现在电商平台、微信端的语音电话，如何打通多渠道的多元异构的数据，形成实时的、动态的消费者标签，深刻理解消费者的行为和偏好，Deep Creator 则能通过深度自学习对消费者进行准确认知。

「我们基于 GPU 的高性能的算法，自动提取消费者的超高维的行为特征，同时将业务的规则和经验作为 AI 学习的边界，减少 AI 学习的负担，提升 AI 学习的效率。所以，建立动态的消费者知识图谱是一件 BEYOND AI 的事情。」百分点首席数据科学家杜晓梦说。

杜晓梦介绍，未来营销人主要的工作在于构建各种不同的营销场景，例如获客场景、客户活跃的场景、客户流失的场景、转化的场景和传播的场景，Deep Creator 则用 BI 构建场景，AI 自主学习进行决策判断。

同时，基于捕捉的消费者实时行为，系统会进行场景化判断，决定在什么样的场景下，用人工智能进行主动互动，什么样的场景通过短信，什么样的场景通过邮件触发，什么样的场景需要人来实时和消费者进行互动。此外，系统还会把所有的营销流量进行随机分流，从而测试不同的营销互动的策略的有效性。「这些都是 Deep Creator 自主决策的结果。」杜晓梦说。

智能制造大数据系统 Deep Sensor 则是针对制造行业，对各种设备进行全生命周期实时管理，利用数据分析实现实时设备健康预警等智能化远程运维。

往期文章

大公司：微软、亚马逊、阿里、百度、腾讯、英伟达、苏宁、西门子、浪潮

创业公司：商汤科技、依图科技、思必驰、竹间智能、三角兽、极限元、云知声、奇点机智、景驰科技、思岚科技、追一科技、海知智能、出门问问、钢铁侠科技、体素科技、晶泰科技、波士顿动力、弘量研究、小源科技、中科视拓

人物报道：吴恩达、陆奇、王永东、黄学东、任小枫、初敏、沈威、肖建雄、司罗、施尧耘

自动驾驶：传统变革、Uber、图森未来、速腾聚创、驭势科技、全球汽车AI大会

应用场景：金融、医疗、法律、新零售、网络安全

商业地理：加拿大、匹兹堡、瑞士