- 数据智能
近日，爱分析在京举办了2019爱分析·中国人工智能高峰论坛。爱分析邀请了九章云极 CEO方磊进行了题为《数据科学平台赋能传统企业》的主题演讲。
方磊讲解了数据科学平台的含义，用途，落地案例以及未来发展方向等内容。
现将方磊的演讲实录分享如下。
方磊：谢谢大家，谢谢爱分析的邀请。今天和大家分享数据科学的背景情况，以及怎么帮助企业实现企业级AI的案例。
在数据上直接加载算法，是数据科学平台的核心
这张图是中国大数据的图谱，今年有了一些变化，在左下角出现了数据科学这么一个领域，这个变化让我们很开心。因为不仅我们在这个领域之内有一席之地，更重要的是从平台这个层面，数据科学在整个生态里也牢牢地占据了一席之地。
什么是数据科学？数据科学的逻辑在哪里？和机器学习，深度学习着怎样的关系？今天我就给大家介绍一下数据科学。
我认为数据使用分为四大方面，分别是数据科学及机器学习平台、BI及可视化、数据仓库和数据治理，我们分别来解释一下。
数据仓库包括数据中台的建设，解决的是集中化的存储问题；数据治理解决的是数据格式意义的问题；关于BI及可视化，我们都知道有很多业务的数据是很难理解的。举个例子，计算一家保险公司的客户数量可能不是一个数字，因为投保的人和理赔的人并不是同一个人，会导致投保和理赔的部门理解的“客户”是不一样的。。当你理解了你的数据，用BI给决策者和运营人员看这个数据结果，这就是BI及可视化。
最后是数据科学和机器学习平台，与前者的区别简单来说就是一个是将客观事实展现出来，由你来做决策，另一个则是自我训练模型，由模型直接决策。
刚才主持人提到2017年Gartner做了数据科学的象限，这个象限很简单。数据科学是一个比较大的范畴，其核心是各类数据以后会使用算法加载到数据上解决具体业务问题。有很多算法甚至都无法称之为人工智能算法，比如说关于资产配置的组合风险评价，这些都不属于机器学习的范畴。
在数据上加载算法，这就是数据科学的核心
对数据的分析经历了1990年前后的基础数据存储到2000年基于数据仓库BI的探索，再到2015年经过增强分析年代，核心就是围绕数据科学，利用算法在数据上进行更深度的分析。
再看一下国外厂商在数据科学领域的表现，其中有一个叫alteryx的上市公司很不错，还有两个分别是Dataiku与DataRobot。
作为数据科学厂商，我刚才说了核心是数据上加载算法，你的产品形态体现为建模平台，所以建模能力的要求就很重要。构建AI的方法有很多种，最开始出现的是写代码，我们称为编码型。第二种，因为水平差一些写不了代码，那就预先写好一些代码再配置一下，这个叫可视化编程，通过拖拉拽解决问题。第三种，是给数据自动生成模型，什么都不管，这叫自动机器学习。以上这三种方法不断降低企业AI构建的门槛，整个行业的发展方兴未艾。
“工具”、“平台”再到“大脑”，让企业越来越智慧
具体落地肯定也有很多挑战，说前景的时候比较容易激动，说落地的时候肯定也是很有压力的。第一个挑战就是技术发展太快，我们都知道今天的AI技术层出不穷，应接不暇，学都来不及。第二点，建模的困难度导致对人力依赖很大，如果你有优秀的数据科学家，你要珍惜，千万不要让他被挖走了。企业的模型管理水平也还处于早期，对模型生命周期的管理不健全，模型的稳定性和生命周期管理都是非常空白的。
关于模型管理，能找到的最新的公开文献是2011年的美联储的监管文献，从2011年到今天，十年的时间都找不到一篇关于模型管理的权威文献，这种空白也是一种挑战。另外，资产的积累也是非常困难的，你的人员，新的AI创新的组织怎么积累。
我们有几个思考，第一个是开放性和封闭型的思考，第二个是如何建立有效的模型，第三是关于工具和平台的思考。
关于工具和开放已经是个老话题了，大家都很熟悉技术栈，包括我们中间件的框架都在改变。数据科学对于以前大家比较熟悉的SPSS，SAS这样一些分析软件也从封闭式的软件走向开放，所以开放是一个大潮，势不可当。
我们为什么要开放呢？举一个例子，因今天很多人讨论NLP，对于自然语言的处理，我们经过了很多模型，最近几年更是加速迭代。有一些新的技术，你发现性能是一个指数级的增长，如果你不是开放式的平台是非常难以涵盖的，所以这对很多企业来说是非常大的挑战。大家知道架构师的工资更高，因为写个好的架构比写一个好代码更重要。
什么是开放性的架构，我们总结了几点，第一点是能跑各种各样的环境，我们知道数据科学家会用很多语言，对于不同的语言、框架、环境、服务，甚至最后支持的硬件都要做非常开放式的支持。我们碰到的客户有一些专用的各种XPU，各种各样的加速器都会使用，尽管很多加速器未必是标准的。使用各种各样的算力和加速器，一定要保持非常开放的架构才能容纳计算架构，包括模型服务。而且模型服务这个生态里有非常多的公司，很多服务是应用厂商开发的，很难对他做统一的管理，很多模型做出来，甚至不是主流的深度学习框架训练的。
我们碰到过这样的客户，他们用了一些更先进的，基于可解释性更强的贝叶斯编程模型，这样的模型运行和现在主流模型是不一样的，你怎么提供一个框架支持他。对于编码的方式，建模的方式怎么打通，自动机器学习最方便，同时也最受限，这些东西怎么放在一起进行转换，都是你在构建自己的数据科学系统，或者是数据科学团队的时候要思考的问题。
平台和工具的选择方面，很多人问我是不是开源就足够了，这是分阶段的，当你还在第一阶段，使用开源工具很多情况是满足需求的。下个阶段，使用机器学习的算法解决业务问题。当你解决业务场景就要从开源技术走向工具，因为你面临着模型的部署、上线、监控，全生命周期的管理，当你从一个智能场景走向多场景的时候，必将面临大规模的模型服务的性能和稳定性问题，可扩展性以及团队协同工作的问题，你要做一个智慧营销2.0，有十几个场景一起做，一定从工具上升到平台。
再往前走是什么？从平台上升到所谓的大脑，有更多的外部数据，外部模型，供应商和咨询公司都能给你提供，不只是一个大场景，也不只做营销，还可能做各种业务。所以我们给出个线路图，我们认为开源技术是开放性的根本，同时我们看到一个报道，70%关于数据科学和人工智能解决方案都是基于商业软件开发的，这给我们发出了一个信号，商业软件领域还是大有可为的。
全世界都在降低壁垒，未来是知识融合
为什么持续性地降低壁垒，壁垒到底体现在哪里？数据科学大军中有不同的人，包括业务分析师，数据科学家，还有模型与算法运维工程师，这些人要懂机器学习，懂得写代码的话，这个要求就太高了。不同岗位的人有不同的职位需求，他们会使用不同的技能，确实需要提供一个工具集，甚至是一个平台，帮助他们完成他们的使命。
大图的意思，包括上文提到的美国的三个公司，他们持续做了一件事情就是降低壁垒，也是我们做的事情。降低壁垒之后是什么呢？我们的判断是要解决知识融合，因为降低壁垒是指让技术变容易，容易之后最重要的是取得业务价值，关键是知道使用新技术帮助我增加了多少营收，减少了多少损失。进入业务之后就会发现有非常多的业务需要支撑，上一位嘉宾讲知识图谱讲的很好，当你要解决具体业务问题时不只需要机器学习算法，也需要使用知识图谱，也需要使用数据中台，八仙过海才能把业务解决好。
之前一个嘉宾也提到了，做视觉检测，我们也有客户解决这样的需求。而九章不太一样的是我们自己做的比较聚焦，我们提供数据科学平台和模型，整个系统最终由合作伙伴给客户交付。大的逻辑和大家看到的很多情况类似，我们也能看到数据科学平台做的数据+算法这个事逻辑很清晰，有很多数据和图片，我们加载一些算法，这里面使用了深度学习的能力，让我们可以在每条产线上训练出来更适合产线的模型，进一步提高准确率。
最后提一下数据科学平台肯定有未来，它将会带来很多新的趋势，低成本，低使用门槛的情况下，大家的需求是更加标准化的产品，而且非常强大的自动机器学习。即使我要开发，也希望是有低代码的，可视化的开发能力。
积累效应上，所有的人都希望自己的产品、平台、自己开发的系统，比如场景仓库，算法仓库，能够拥有一些积累效应，另外还有知识融合积累你的业务知识，总而言之是个积累，让你可以更好地进行扩展，重复使用。
还有一个具有网络效应的就是联邦学习，我们现在很多时候对数据抓的很严，不能交换数据了。我们能看到一个银行如果想在自己已有客户中推荐基金，就希望使用基金公司的模型，因为基金公司有几千万的客户，他知道什么东西卖给谁更合适，但是卖还是只能通过银行卖，那就没法直接使用基金公司的模型。这个里面有很大的市场需求，可能会使用联邦学习的技术。
将来可能会进入一个时代，大家都通过训练自己的模型，并且交换一些模型的部分，这样的场景将会在不就的未来成为现实。
这是我今天的分享，谢谢大家。
