當一站式的永洪BI融合了AI增強分析，到底能有多強？

BI的快速發展，其能力已經從最初的報表可視化功能，逐漸演變為基于數據賦能企業發展，敏捷化、智能化成為了主題，BI+AI成為了趨勢，賦予了企業業務決策支持更多的可能性與準確性。正如Gartner報告所指出，分析及商業智能平臺不再因數據可視化功能而有所區別，平臺的差異化已經轉移到對數據增強分析的支持程度，如利用機器學習（ML）和人工智能（AI）幫助業務人員和數據分析師實現比手動更加高效的數據準備、分析和決策。

為什么是BI+AI？

BI的目的，就是幫助企業從數據中獲得洞察力，而AI則可以使洞察更為精準化、自動化、智能化，實現科學的決策與預測。BI滿足了企業在結果監控、問題診斷、決策支持上的需求，AI則滿足了業務預測、問題預警、探究數據背后的關聯關系等深層次需求。二者相輔相成，最終達到釋放數據價值、賦能企業經營的效果。

在實際的AI應用過程中，主要挑戰存在于以下三個方面：

1、數據質量。數據的質量以及數據的一致性，會很大程度上影響AI模型輸出結果的精準度。然而在實際業務中，很多企業的數據層次不齊，多來源于企業中的不同部門以及外部數據，數據的可靠性、可用性無法得到保障。

2、分析模型。由于人提出的問題是抽象的，就需要系統將抽象的問題翻譯成為可執行的計劃或者具體可操作的算法，從而才能得出最終的結果。這就需要建立各種分析模型，對于業務人員門檻較高。

3、應用效果。許多企業反饋AI應用難度大，有些產品僅支持一些簡單預測，或是僅有部分數據分析模型，甚至只是具有相關模塊卻無應用場景，導致無法落地使用。

而AI在應用方面的問題，恰恰是BI的優勢。BI的可視化能力、敏捷易用性、數據準備能力、高性能處理能力等都可讓AI借力。這也正是在一站式BI平臺中融入AI增強分析的優勢。

所謂一站式BI平臺，就是全面覆蓋數據分析過程中的各個環節，包括數據采集、清洗、整合、存儲、計算、建模、訓練、展現、協作等，讓用戶可以在一個統一的平臺上完成全流程數據分析任務，極大降低了實施、集成、培訓的成本，幫助企業輕松構建數據應用。

永洪BI區別于其他BI產品，在產品架構初期便采用了一站式的理念，無論是自助式BI功能還是復雜報表制作功能、ETL數據清洗功能，都是放在一個平臺上。

永洪科技認為，智能化最理想的狀態，是企業提出一個業務問題，系統可以通過企業內部和外部數據的分析得出的結果，自動給出答案，這便需要系統有一站式的架構。

因此，永洪科技在BI中集成AI深度分析模塊，從而可以使系統實現各流程的無縫對接，直接生成洞察結果，降低AI應用的難度。

能用起來的AI才是智能化

Gartner認為，由業務人員主導分析流程更適應AI時代特點。

針對AI應用難的問題，永洪BI結合自身優勢，構建了“BI+AI”的應用體系。以“AI平民化”為理念，可以全流程可視化建模。其中內置了5種類型，14種插件化算子，覆蓋業界常用的數據處理、機器學習算法，用戶通過拖拉拽的方式可以直接進行調參和模型。對于專業用戶，永洪科技提供類似R語言或者Python的接口，用戶可以直接撰寫腳本來運行，滿足定制化的需求。

一站式的永洪BI，將數據準備、數據處理、深度分析、可視化等能力集為一體，使BI與AI融和，提升數據賦能的效果。

可視化能力：AI模型處理結果需要查看解讀，缺少好的可視化輸出會降低數據的“易讀懂性”。豐富的圖表類型和展現形式，是永洪BI的擅長點，同時各圖表組件之間還可以通過配置快速切換，實現探索式分析，并且內置多種動態計算方式，幫助業務人員快速洞察數據，挖掘業務問題。

敏捷易用性：雖然AI算法的理論基礎專業性要求很強，但算法的應用并不復雜，也不應該復雜，因此關鍵是降低算法應用的使用門檻，讓大量非專業的業務用戶也能上手使用。這一現象與當年的BI類似，BI經過發展逐步降低了使用門檻，新一代敏捷的永洪BI在易用性上已經做了很多創新，同樣可借力于AI，達到“AI平民化”的目的。

數據準備能力：永洪BI有著一站式的數據準備能力，如數據治理、數據清洗、數據整合等，AI可以共用、共享其結果。在高質量的數據基礎上，進行模型的訓練和探索。

高性能處理能力：性能強大的平臺，可以壓縮數倍AI模型訓練的時間，讓企業更快的應用AI的價值成果。永洪BI自主研發了VooltDB高性能計算引擎，擁有列式存儲，分布式計算等技術，能夠實現億級數據秒級響應。可將AI的算法改造為可支持分布式計算的形式，以適配VooltDB的計算引擎。

案例——智能庫存預測與優化

在某大型石化公司的案例中，運用了永洪科技的BI+AI進行庫存的智能預測與優化。

痛點：

•在資源配置過程中沒有考慮各省油庫庫存是否合理，只是按照該省下月預測銷量及銷售計劃直接配置資源。如果各省當前的庫存量不合理，這種狀況會一直持續下去，無法改進；

•資源配置與油品配送分離，二者容易產生沖突，導致資源配置計劃執行到位率下降；

•按月配置并配送油品，周期太長，對市場變化應對速度慢。

目標：

•建立資源配置與物流配送一體化優化機制；

•在滿足市場需求的同時合理優化庫存；

•建立拉式供應鏈模型；

•提升一配業務運營效率；

•按旬進行資源配置與配送。

方案：

整個方案分為庫存優化和庫存管理兩個部分。

庫存優化的分析報表主要分為三大類：

1、優化性能健康報告，主要用于監控整個優化模型的性能；

2、庫存績效監控報告，用于監控追蹤供應鏈網絡各個環節的庫存性能；

3、優化情景分析報告，生成優化情景分析的對比報表。

在分析過程中，要根據優化對象和情景的不同，定義和收集輸入數據。輸入之后，通過兩個步驟完成庫存策略優化：首先是通過需求分布模擬在不同可用庫存之下可達到服務水平，然后通過模擬出的服務水平，結合庫存的成本期望的最低服務水平，完成對庫存量的優化篩選。

庫存管理主要是物料的出入庫分析，以及整體庫存的盤點，分析目的主要是通過庫存物料的科學保管，減少損耗，方便存取，使庫存達到合理的水平上，減少資金占用。

庫存管理和庫存優化相輔相成，通過數據分析平臺，設置合理的庫存管理策略，在保證及時交貨的前提下，使庫存達到最優值，降低庫存成本和風險。

在這一的邏輯之上，通過永洪BI，構建了庫存需求量的預測分析模型，以月度為單位進行預測，首先進行資源配置的優化，然后進行補貨優化、調度優化，最后形成調整調度的完整計劃。

收益：

•打破資源配置與運輸配送之間的壁壘，實現按照市場需求進行主動配送。即在庫存優化環節一次生成點對點的資源配置與配送計劃；

•通過需求預測準確把握各個油庫的未來油品需求；

•通過庫存優化算法（綜合考慮服務滿足率、運輸成本、提前期等因素）實現動態調節安全庫存、最高、最低庫存，由系統自動生成煉廠與油庫間、大區油庫與省油庫間的補貨數量，從而實現降低庫存的目標；

•庫存優化算法可以一次優化多級庫存，從而實現大區油庫與省油庫同時降低庫存。

永洪科技通過一站式的BI+AI理念，讓AI增強分析真正走進業務，賦能企業經營，這也是永洪科技的AI功能在各大企業落地的原因。未來，永洪科技將繼續推動BI+AI融入企業各個環節，幫助企業更快、更好、更精準的實現預測與決策，提升企業競爭力。