未来财经网 服务财经领域从业者
首页 /  财经看点 / 内容详情

400亿的业务决策智能市场,何时诞生千亿AI公司 | 爱分析调研

财经看点 时间:2022-03-29 23:15:11 匿名用户

调研 | 姜明星 王鹏

撰写 | 王鹏

前言

据统计,2010年以来,已披露AI厂商融资总金额超过1万亿元,但截至目前AI上市公司数量很少,而且为投资者带来的回报也不甚有吸引力。

究其原因,主要是因为AI厂商侧重技术研发,缺少与业务的深度融合,单一依靠底层技术带来的IT预算难以实现利润规模化增长。随着AI技术与业务融合的逐步深入,AI对于企业的赋能从前端简单的营销应用,向着深水区的中后台经营管理延伸,对于企业经营管理决策效率的提升效果愈加明显,企业付费的意愿变得更加强烈。

作为AI与业务深度融合的典型市场,业务决策智能不再局限于IT预算,而是有机会获取业务预算,具有广阔的市场空间。根据爱分析统计,2025年中国业务决策智能市场规模将达到429亿元,预计将诞生千亿级的AI上市公司。

1、业务决策智能市场规模增速明显

业务决策智能是指面向企业业务智能化需求,构建基于海量数据的汇聚、治理、分析和应用体系,通过AI与应用场景的深度融合,为业务提供决策支撑,其核心要素包括数据治理、AI能力构建、业务智能化。

企业要想实现业务决策智能,需经历三个阶段:

第一阶段,数据治理是企业业务决策智能的基础。数据治理主要包括两方面,一是打通系统壁垒,实现数据联通,消除数据孤岛,提升企业在数据的全面性、完整性、一致性等方面管理能力;二是能够对数据进行清洗、融合、比对,提高企业数据质量,增强数据可用性,为上层业务应用提供支撑。

图1:业务决策智能发展阶段

第二阶段,AI是业务决策智能的技术支撑。随着企业发展,数据量越来越大,业务越来越复杂,单纯依靠专家经验已难以满足企业需求,AI凭借其强大的算法及模型构建能力,在企业中的作用越来越明显。随着机器学习应用的日益成熟,通过构建机器学习平台,能够实现模型开发调试、模型训练等模型全生命周期管理自动化。目前,该技术已经在金融、制造、电信等行业的部分业务场景中广泛使用,进一步推动AI自动化发展。

第三阶段,业务智能化是终极的价值体现。对于AI的应用,企业从单点业务场景应用逐渐扩展至其他场景,从智能营销、智能客服等简单的应用场景,逐步向经营管理决策深水区渗透,如智能审计、全面预算管理、智能运营等。这些场景复杂度更高,涉及到的业务和部门多,业务逻辑更为复杂、且需要大量行业Know-How积累,难度更大,因此,目前仅有少数企业在AI经营管理决策方面进行了尝试。

例如,在山景智能协助下,某银行实现了经营情况预测。通过业务决策智能,可以预测31家分行次年某一阶段是各自盈利还是亏损,甚至可以细化到具体科目以及具体的子业务,帮助银行进行业务决策。

除了向经营决策的深水区渗透,业务智能化阶段,企业逐步沉淀数据模型,形成模型集群,再基于业务逻辑对模型集群进行调度,实现跨业务线的模型打通,可以进一步提升对业务决策的智能支撑作用。

从预算投入方面来看,企业数据治理与AI能力构建的资金主要来自企业的IT预算,IT预算每年增幅较小,市场规模增速有限。业务智能化阶段资金主要来自业务部门,预算规模会随着业务效益增长而增加,未来甚至有可能基于效益增长情况,与厂商进行业务分润,因此蕴含着巨大的市场空间。

据爱分析统计,2021年中国市场业务决策智能的规模174亿元,预计2025年将达到429亿元,复合年均增长率高达35%。

图2:业务决策智能市场规模(亿元)

2、业务决策智能在金融行业的应用价值显著

从实践来看,业务决策智能在金融领域的应用相对成熟,尤其是银行业,更是走在前列。现阶段,领先银行已完成数据中台搭建,具备了较强的数据治理能力,与此同时,通过搭建机器学习平台,逐步构建了AI能力,此外,在应用层面,也开始探索智能化应用。

例如中国工商银行,已构建数据治理平台,支持数据多维度分析,同时也搭建了机器学习平台。随着底层技术的构建趋于完善,工行开始注重技术与业务融合,2019年搭建起在智能风控、智能客服、智能营销等业务应用,提升了业务创新能力。

总体来说,银行已经开始向第三阶段-业务智能化阶段迈进,人工智能在银行领域应用越来越广泛。早期,银行智能化应用主要集中在智能风控、智能营销、智能客服、反欺诈等方面,领先银行已经逐步探索管理决策等深水区场景。

以某头部城商行为例。随着我国经济发展迈入新常态,再加上疫情的影响,银行业整体增速呈下降趋势,与此同时,大行业务下沉进一步加剧了竞争。因此,城商行需要依托本地化优势,进行差异化发展,实现错位竞争;同时,基于自身组织的灵活性,借助大数据和人工智能技术提高新品创新、客户服务、营销等能力,增强客户粘性,提高自身竞争力。

为此,在山景智能的帮助下,该行构建了数智一体化平台,通过与原有数据仓库和数据湖的集成,将智能定价、机器人座席主动营销、催收、产品发售结果预判的全营销链条进行了打通,并建立了核心交易数据、产品数据、渠道数据的全景实时营销地图。

此外,借助山景智能企业业务决策智能服务总线,将数据挖掘、深度学习、专家知识库相结合,为银行的业务创新、客户服务精细化提供了智能、精准、可视的业务决策自动化工具平台。

图3:业务决策自动化工具平台

通过该平台建设,该行理财产品从设计到正式上线时间由3-4个月缩短至15天,获客及营销成本下降66%,该产品客户复购率高达86.7%,业务盈利规模提升了6-8倍,有效地增加了客户的粘性,提升了辖内客户的服务体验。

3、山景智能具备“数据+AI+业务”端到端一体化服务能力

业务决策智能需要深厚的技术能力和人才支撑,通常情况下,为了更好更快地达成目标,企业通常会借助第三方厂商的力量。对于提供不同阶段服务的厂商,能力的要求有一定差异,这就要求厂商具备相应的能力。

图4:厂商关键成功要素

目前,AI厂商提供的服务主要集中在数据治理、AI能力构建阶段。例如,以平台为中心的决策类人工智能技术型厂商,凭借较强的底层技术、算力、算法能力,通过搭建机器学习平台,帮助企业构建AI能力,但是由于技术平台的通用性特征,难以与业务进行紧密结合。

随着领先企业的需求逐步从第二阶段向第三阶段过渡,企业更需要厂商具有深入的业务理解能力,并且能够提供从数据治理到AI能力构建、再到具体业务应用的一体化能力。目前大多数AI厂商暂不具备这样的能力,仅有部分厂商,由于聚焦在某一领域持续深耕,通过与客户共创,积累了大量行业经验,构建了一体化的能力,山景智能是其中的典型代表。

山景智能是一家AI赋能的企业业务超自动化解决方案提供商,能够面向企业提供“数据+AI+业务”端到端一体化解决方案。同时,山景智能深耕金融领域,尤其对银行业务有着深入的理解。

一方面,山景智能的产品包括Stella智能数据中台、Nebula智能AI中台、Awake智能业务中台,面向企业业务需求,能够提供一站式连接数据、AI、业务的端到端一体化能力。通过三大产品联动,能够更加高效地进行数据处理、模型搭建,更好地实现业务智能化。此外,基于AI能力,能够实现数据自动化、AI自动化和业务自动化,进而实现业务的超自动化。

图5:山景智能产品体系

另一方面,基于银行业的持续深耕,山景智能对银行各业务领域均有较为深入的理解,围绕各业务场景,构建并沉淀了大量的数据模型。在此基础上,围绕具体业务线,基于业务逻辑进行模型调度,通过众多的实践案例积累,沉淀为各种数字员工,依托于对流程的理解,对其进行优化,提升业务效率。

截至目前,在金融领域,山景智能已经在营销、风控、运营三个方面,完成了16个细分场景数字员工的构建,包括信贷、理财、支付、审计等数字员工,服务能力进一步增强。

图6:模型与业务编排调度

此外,在继续深耕金融行业的同时,未来,基于底层基础能力模块的通用性,山景智能将逐步向能源、制造业等行业进行拓展。

综上所述,随着AI与业务融合的逐步深化,业务决策智能对于企业经营效率的作用将会进一步显现,需求也将会呈现爆发式增长,相关厂商的价值将会进一步放大,这也为投资者提供了更具价值的投资机遇。

标签: #财经看点

郑重声明:图文由自媒体作者发布,我们尊重原作版权,但因数量庞大无法逐一核实,图片与文字所有方如有疑问可与我们联系,核实后我们将予以删除。

猜你喜欢

联系我们 关于我们 版权申明 未来财经网 粤ICP备2020119651号