企业服务

自主AI能力加速企业智能化转型 | 爱分析报告

随着数据体量的快速增长、算法迭代优化以及CPU、GPU、DPU等多种算力技术的发展,以大数据建模为核心的机器学习技术正被企业广泛应用到营销、广告、风控、生产等场景中。

2023年03月13日
  • 企业服务

 

报告编委

黄勇
爱分析合伙人&首席分析师
孟晨静
爱分析分析师
外部专家(按姓氏拼音排序)
杜晨阳
力维智联 五维实验室主任
王哲
九章云极DataCanvas 雅图BU总经理

特别鸣谢(按拼音排序)

目录

1. 报告综述

2. 金融行业数据科学与机器学习平台

3. 工业数据科学与机器学习平台

4. 结语

1.   报告综述

随着数据体量的快速增长、算法迭代优化以及CPU、GPU、DPU等多种算力技术的发展,以大数据建模为核心的机器学习技术正被企业广泛应用到营销、广告、风控、生产等场景中。

机器学习涉及复杂的建模流程,如数据准备、特征工程、模型训练、模型部署、模型运营等,需要数据工程师、数据科学家、数据分析师、BI、软件工程师以及业务人员等多方协作。在企业传统的建模方式中,建模以项目制为主,建模周期长,协作困难,建模门槛高且严重依赖数学科学家。

然而,市场环境、消费者需求的快速变化推动企业向敏捷性组织转型,对业务决策时效性要求更加严格。对此,企业一方面需要提升建模效率以支持业务的持续更新、适应广泛的建模场景,另一方面也需要赋予一线业务人员建模能力,提升业务人员对市场的反应能力。传统建模方式难以满足企业快速决策需求。

数据科学与机器学习平台为企业提供了一个高效的解决方案。数据科学与机器学习平台整合数据接入、数据准备、特征工程、模型训练、模型部署、模型管理及模型运营等模型开发全流程,集成丰富的模型开发工具,不仅能有效提升模型开发效率,还能基于AutoML实现低门槛建模,满足业务人员的建模需求。数据科学与机器学习平台正成为企业数智化转型的必要基础设施。

不同行业的企业对数据科学与机器学习平台的需求侧重点不同。如对于具备专业建模人员的金融、医疗等行业,需要数据科学与机器学习平台兼顾专业建模人员和业务人员的建模需求;而对于普遍不具备专业建模人员的其他传统行业,如工业、消费、能源等,更需要业务人员可快速上手的低门槛建模系统。

本报告选取具有代表性的金融行业、工业行业的数据科学与机器学习平台解决方案为研究对象,围绕该解决方案在大中型企业的落地应用展开研究,重点分析两个行业中甲方对数据科学与机器学习平台的需求和解决方案。