引言:2017年11月18日,在永洪科技举办的北京用户大会上,永洪科技咨询总监符鹏飞作了题为《AI助力企业深度洞察数据》的演讲,介绍了Yonghong AI产品在行业中的应用实践案例。本文根据符鹏飞演讲内容整理而成。
大家好,我是永洪科技咨询总监符鹏飞,今天给大家分享一些关于AI在行业中的应用案例。永洪旗下Yonghong Z-Suite套件包含了具备AI能力的深度分析模块,已经支持95%以上的常用算法。截至目前,已有不少客户在这一平台上开展自己的AI工作,并取得了一定的成果。
Yonghong AI能够从海量数据中挖掘出数据价值,帮助企业了解现状、预测未来,做出科学的经营决策。
Yonghong AI产品架构
下面这张图是永洪科技深度分析产品架构图,包括三层:
计算层:基于永洪的MPP数据集市及R,通过列式存储、分布式计算、内存计算等方式保障计算性能;
建模层:在做深度分析应用时,会面临着各种数据准备过程,通过“可视化流程式建模”的方式,快速实现数据准备;
算法层:基于建模层准备后的数据,可以作为深度分析的入口,通过逻辑回归、决策树、K-means聚类、关联规则、时序预测、R模型等算法模型,完成深度分析应用。
Yonghong AI产品架构
深度分析的原理和应用步骤:
第一步:按照业务需求,对接数据;
第二步:经“可视化流程式建模”完成数据准备,准备后的数据作为深度分析的入口;
第三步:通过可视化拖拽的方式,选择合适的算法与模型,完成深度分析应用,比如将数据集自动拆分成测试集和训练集,选择特征值、构建算法模型、对模型评分等;
第四步:输出深度分析数据应用结果,应用于可视化分析,指导业务决策等。
Yonghong AI产品定位
Yonghong AI产品定位包括以下几个方面:
定位1:降低AI应用门槛
过去,企业在做深度分析的时候,需要借助IT部门及专业的数据挖掘人员,往往过程耗时长。在永洪平台中,具备自服务数据准备功能,能够更便捷的帮助业务人员完成数据准备。之后,基于可视化拖拽的方式,就可以完成深度分析应用及模型的检验,普通业务人员经过简单培训后即可操作。
降低AI应用门槛
定位2:提升计算性能
在深度分析的应用过程中,用到比如K-means、关联分析、决策树等算法时,如果数据量比较大,基于R或者其他工具,可能需要等待很长的时间,效率低。基于永洪MPP,可以将数据分散到多台服务器开展并行计算,大大的提高了计算性能,减少了用户等待的时间。
定位3:一体化
永洪打通了数据接入、自服务数据准备、可视化分析、深度分析的全链条。用户通过可视化方式接入需要分析的数据,完成数据准备后,即可进行深度分析,得到预测分析结果后,可以制作数据报告。具体如下:
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复用;
BI与深度分析深度结合,做联动分析。
定位4:高扩展
不同的行业,不同的客户,我们都会面临着定制化和个性化的需求,在算法支持上(包括逻辑回归、决策树、K-means聚类、关联规则、时序预测等算法),我们将95%以上的常用算法做成了标准化的产品功能,用户通过拖拽操作即可完成。如遇到一些定制化算法的时候,可以快速引入第三方R算法包,满足企业个性化和定制化的需求。
下面我将为大家分享几个基于永洪深度分析产品,我们做过的一些成功案例。
Yonghong AI产品应用案例
案例1:核电站设备检修预测
背景:核电站柴油机及各控制系统使用大量的继电器实现控制,在运行过程中发现部分继电器不可靠。为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。
我们的解决方案是通过对测点收集的数据进行预处理及数据探索,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。
模型评估:在训练集和验证集上,模型分类的准确率分别为92.9%和83.3%。说明模型分类效果良好,不存在明显的欠拟合或过拟合现象。
模型评估
案例2:公司财务预算决策
背景:根据财务活动的历史资料,考虑现实的要求和条件,对企业未来的财务活动和财务成果作出科学可预计和测算。测算各项生产经营方案的经济效益,为决策提供可靠的依据,预计财务收支的发展变化情况,以确定经营目标。
通过历年的财务数据,建立时序预测模型:
时序预测模型
根据历史数据预测的拟合情况,预测未来一年的财务状况:
图中蓝色的点为每月的实际收入,灰点为模型预报的数值;
从图中可以看到整体趋势在逐年递增,每季度末都会有指标冲高的情况,以年底冲指标尤为明显;
模型也很好地拟合了这些规律;
2016年12月发生了比较大的波动,实际收入明显低于同期水平,可能是受到政策或宏观经济环境的影响。
财务预测实际值与预测值比对
案例3:电网运维预警分析
背景:供电公司需要对电网维护进行预测指导,根据台区负载率、及当时所处气温、负荷性质等因素,预测未来1周可能会出险台区的人员调度安排。
我们的解决方案是通过对历史数据的预处理计算负载率,通过时间预测模型对历史数据进行训练,并根据历史数据拟合情况对未来一段时间进行负载预测,MAPE值<20%时说明预测结果较为准确。
下面这张图是我们当时在做的深度分析实施步骤:
永洪深度分析实施步骤
最后结合预测结果,通过BI展现,更好的将预测结果呈现在用户面前。
预测结果
永洪的AI产品应用领域,目前已经覆盖了金融、保险、零售、互联网、交通物流、运营商、制造、公安、教育等行业。
Yonghong AI应用领域
产品层面,我们会做的更易用、更实用;服务层面,我们基于行业专家、行业经验积累,成熟的数据应用体系,给客户带来更多的价值。今天我的演讲就是这样,谢谢大家。