微软AI：数据科学给商业带来的变革

微软（中国）有限公司首席技术顾问管震先生分享了《数据科学驱动商业变革》。机器人网给大家分享这个全球顶尖企业带来的精华。

数据科学，有很多有意思的话题。但这些话题原来是说怎么做智能化，做智能化做到一半觉得好像加上人工智能会更好一点，后来加了人工智能之后又发现也不对，这个产品不光是技术的堆叠，回到本质，到底什么是能驱动用户和产品之间发生黏性的办法，最后变成还是数据。

中国目前看起来最缺的就是数据科学家或者叫做懂数据科学的人。我们在打磨一个产品时，数据都能拿得到，有很多数据服务，但不知道怎么用。

下面用几个案例来说明。

数据科学在泛人工智能已经影响各个领域，比如人机交互，大学课堂上学的还是十几二十年前的课程，但是这些东西放到现在已经没有用了，现在人机交互已经发生了深刻的改变。比如人和人之间的交流是微信等这样的模式，人和机之间的交流也是类似这样的事。这是对话式的。比如做智能家居，原来说做一个APP让人按，后来说能不能用声音控制，用计算机视觉帮助这个智能家居理解人的体验。比如有个人摔倒了等等。后来发现有些地方计算机视觉不够用，因为在厕所里、洗浴间里没有摄像头怎么做这些事。如果人在洗浴间摔倒怎么做？刚才的方式里就加入WIFI，对信号的判断。因为信号判断也能知道到底人住在里面是活动的还是站着的还是倒下去了，倒在床上和倒在洗浴间不同。人机交互变得越来越人工智能驱动。

计算机视觉，人、物、活动识别，在零售、制造、安防领域里很多，以前经常说在无人零售里用人工智能识别货品、人。费这么大劲做人工智能的东西，加一堆东西放在一个Box里，放在这里面干什么呢？能够解决几个问题？

有没有解决吸引客人进来？没有。

改善了供应链吗？没有。

有没有降低运营成本？没有。

有没有改善用户？没有。

什么都没有改善，放一堆技术有什么用。

7-11大家都知道它的模式很好，但7-11模式里最赚钱的不是卖标准产品，而是关东煮（非标产品），无人店干不了这个事。

技术当然不是万能的，但在驱动智慧零售、中国制造或者安防领域已经在用了。

第二个例子，比如我们要推出一个产品要到市场上去，要选代言人。我们前面一段时间跟一个合作伙伴推出了一款手机，这款手机里用了一个定制化语音技术。只要说明天早上提醒我七点半起床，里面就会用定制化的声音说“好的，小主人，我明天早上七点半就会提醒你起床的”。这个手机因为供应链做得不好，所以老也出不了货。后来就被P30风头盖过去了。

解决了供应链，正准备大展宏图时，代言人又出问题了。代言人在公众场合抽烟。我们在推出一个代言人时得考虑很多问题，比如香港电子展时，香港的小伙伴想推出一个产品，他说我选这个代言人好不好。我们不知道这个代言人好不好，所以采用大数据的方式看。

首先看个人形象，是影后、歌手、最受欢迎歌曲等。这些标签都是从网上抓来的。看着真不错，但我们现在想要推出的是一款母婴产品，母女之间的产品。选她代言会怎么样，如果把“母女关系”维度放进去，结果变了。广告形象，得出来的结果不是那么好，POSITVE KEYWORD就是妈妈很美、最美丽的妈妈”，但负面的词语出来的是“假斗假、两美女都好假”等等。

第三个例子，今天要推出一个产品，有可能要做一个商业决策，比如买麦当劳的巨无霸，第二份半价。这个策略好还是不好，你是怎么决定的。大部分时候，我们都是以成王败寇方式做到。可能一两个月后觉得这个人好牛，是商业奇才。商业奇才有，但没那么多。如果我们今天推出的是一个共享单车，前几年都很好，但一旦后面就发现这个东西有问题了。我们如果要知道用问题，得从什么时候知道？商业策略一旦做出来，所有配套的物流、价格、促销，对会员的吸引、吸粉、运营，都得知道。到底有多少客户是因为这样一个商业决策而选择了我的产品，它的粘性怎么样、重复使用率，马上得监控。一旦趋势有向下时，比如这个图，当到了顶点向下得采取措施了。什么样的措施能够让它起来。比如一些商业环境做决策，可能就得不断推出套餐，不断推出一些东西刺激市场增长，才能保持不断往前走。这是数据科学能干的事。

数据科学还能识别人工智能好坏的问题。

比如某某公司推出一个记录笔。把说的话都记录下来变成文字，这个太好了，特别神奇，人工智能的。你知道人工智能到哪儿了。说这个产品好不好，我这儿成熟的，外壳都有，只要加入人工智能就可以了。我说是，但你得了解这件事情到底能做到什么程度。比如2016年物体识别能力超过人、2018年阅读理解能力超过人，2018年机器翻译能力超过人，2019年对话能力超过人。但是，你还得摸一下这些人工智能到底能不能用。比如刚才说的场景，我这儿说话能记录下来。记录平时的说话没什么问题，但一旦涉及到关键的，如果像我们经常说话时都带英文夹杂，就非常麻烦。人工智能能记录，但记录下来需要调校的东西很多。人工智能还在不断往前走，未来有可能把口头语去掉。

数据科学的应用还能解决一个问题：过剩。这个词最近半年时间越来越严重。我们国家过剩到什么程度？大概是这样。

几乎所有的，只要找过剩，某某行业过剩，都过剩。比如衣服、时装，十年不生产，一百年都能穿。过剩是怎么产生的，有很多原因。数据科学就是整合供应链，从供应链里找问题。

供应链第一阶段、第二阶段、第三阶段如何做供应链优化，我们只是供应链里小小环节，做螺母的，或者是供应链巨头、原料供应商，怎么通过供应链发现可能要过剩的趋势，换方向的方式。这是从原来OMS、WMS，这个信息系统是死的，到后面的供应链协同。如果要把过剩，无论是产能还是什么要做好，可能要做什么。微软很快会跟工信部发一个白皮书《解藕工业互联，赋能转型升级》。

微软的数据科学让想法的实现容易一点，比如要用机器学习，不懂机器学习没关系，反正是可视化的。

更多技术资讯,戳阅读原文 ；

                                                                                喜欢在

看！