永洪科技咨询总监：AI助力企业深度洞察数据

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。