时至今日，AI的发展日新月异，此刻AI已经走出实验室，离开棋盘，已通过各类服务场景应用于诸多行业。在数据分析领域，AI愈发重要，Gartner提出“增强分析以成为BI的趋势”的观点，未来一定是AI引导决策，传统分析方式无法跟上企业发展的步伐，企业更需要具备预测性功能的分析，为企业决策提供科学依据。

 

我们在项目中发现，用户对AI存在着“不敢用”、“不会用”、“用不起”的情况，存在着ABI难以融合、业务人员难以上手、购置成本过高的问题。

痛点一、AI、BI难以融合

一般而言，AI实现预测性分析，实现预测结果的输出，但预测结果往往信息量较大，需要以直观的方式进行展现，这时候需要BI进行结果数据的可视化分析，进一步提炼预测结果并从业务的角度来展示，很多企业在AI输出结果之后，缺乏结果的展示，无法做到BI+AI的融合分析，导致预测结果难以从业务角度进行阐述，用户难以理解。

痛点二、业务人员难以上手

目前企业中的AI平台非常专业，大多面向于IT部门，需要用户掌握统计学、数据挖掘、编程等技术。对于业务人员而言，属于知识盲区，无法通过短时间的学习培训来完成AI，既不敢用、也不会用，导致业务侧无法释放数据价值。

痛点三、购置成本过高

因AI人才少、薪酬高，目前市面主流的AI平台价格普遍较高，永洪将AI打包成深度分析模块，通过模块化收费的方式，不让价格成为企业信息化发展的拦路虎。

为了解决上述问题，永洪在产品侧做了许多努力，以AI+BI的方式，让用户可以做到一站式分析；通过低代码的设计理念，将AI所需的功能封装成一个个小功能模块，用户通过托拉拽、配置的方式即可完成数据处理、建模、评估；通过集成Python和R，来满足企业后期对于AI模型扩展的诉求。

 

 

优势一、AI+BI融合分析

永洪vividime BI能够帮助用户轻松完成数据的“收集-准备-整合和分析-AI建模-可视化”全过程。尽管对国内来说，目前大多数企业最需要的仍然是数据准备、数据可视化、报告等基础功能，但是增强分析等技术纳入所有现代ABI平台并得到广泛使用这一蓝图的实现也只是时间的问题，永洪能够帮助企业在起跑线上先人一步。

 

 

优势二、自助式AI，有想法，无需懂算法

过去需要数据科学专家数月才能完成的东西，现在理解数据并使用Excel的人几天就可以整合在一起。传统的AI实现，会从数据抽取、数据清洗、特征工程、模型编制、参数调优、测试上线等多个环节，涉及到大量的人力投入，整个过程费时费力。

而永洪vividime BI的深度分析功能，提倡自助式服务理念，用户通过简单的拖拉拽、点击几个数据点就能选择我要预测的变量，就能够自动生成相关的模型，得出预测结果，并赋予BI进行可视化展示，建模过程中做到无代码，真正让AI走进业务，用户有想法而无需懂算法，在用户决策时，人工智能驱动的看板可为用户决策提供见解。

 

永洪AUTO MODEL建模流程

 

AUTO MODEL任务示意图

优势三、AI扩展

对于企业而言，AI的扩展性也是需要重点考虑的因素之一，以此来满足未来企业不同的预测场景，否则场景实现不了还需要额外购入AI平台，大大束缚了整个信息化架构。基于上述考虑，永洪在14个算子的基础上，也支持扩展，目前能够与主流的机器学习软件Python、R进行集成，可调用其丰富的模型库、函数库，方便用户自行编辑脚本来满足企业灵活多变的复杂诉求。

 

 

 

 

目前的BI市场过多的专注于“看”，未来的趋势一定是运用AI结合业务去做预测、诊断分析，在过去十年过程中，永洪做到了让AI在业务的土壤中生根发芽，让AI反哺业务、指导业务，以下是我们在各行业AI的应用。

制造业中，AI可以在产品质量、运营管理、能耗管理等方面进行应用，能够优化调度方式，提升企业决策能力。

例如，基于决策树的异常原因诊断、基于回归分析的设备停机时间预测、基于机器学习的调度决策优化等功能。通过将历史调度决策过程数据和调度执行后的实际生产性能指标作为训练数据集，采用神经网络算法，对调度决策评价算法的参数进行调优，保证调度决策符合生产实际需求，帮助企业降本增效。

 

在政府行业中，永洪vividime BI帮助某大型边检实现了人群流量预测，能够帮助其及时调整验放旅客的策略，特别是在人流高峰期，该边检在提前预测掌握的基础上，有条不紊地启动紧急预案，召回轮休备勤民警，全员上岗开满所有通道疏导客流，确保口岸安保和候检秩序维护工作，同时保障了市民的正常通行与人身安全。

 

在交通行业中，永洪vividime BI帮助某大型公交集团实现了公交线路的优化，根据历史客流数据，预测道路客运线公交站点的客流量，并且分析客流特征制定合理公交时刻表，使公交车辆与站点客流匹配，最大程度的提升乘客运输服务质量，降低运营成本，提高调度运营水平。