StartDT_AI_Lab | 開啟“數(shù)據(jù)+算法”定義的新世界

繼「數(shù)據(jù)中臺技術(shù)匯」欄目推出以來，獲得了不少技術(shù)極客的喜愛。作為AI驅(qū)動的數(shù)據(jù)中臺創(chuàng)導(dǎo)者，深度關(guān)注核心算法技術(shù)的自研創(chuàng)新、融合探索，故推出全新AI算法欄目「StartDT_AI_Lab」，主要介紹算法團隊所承擔(dān)的角色與工作。本文先回顧這些年大數(shù)據(jù)之路，幫大家理解在奇點云發(fā)展過程中，人工智能技術(shù)是如何由業(yè)務(wù)需求孵化并成長為產(chǎn)品一部分的，同時為今后的分享內(nèi)容做一個宏觀概述。

2013年，一本《大數(shù)據(jù)》成了不少技術(shù)人案頭必備的讀物。它像是一盞照燈，將數(shù)字世界的完整尺度突然照亮，這時大家才意識到原來數(shù)字世界已經(jīng)長如此大了。

從彼時起，大數(shù)據(jù)成了之后幾年最熱門的話題。隨之而出的各類概念，如“DT時代”、“云計算”、 “DMP”等等，層出不窮。而其中的核心要素就是 “數(shù)據(jù)” ，數(shù)據(jù)兩字似乎已成為技術(shù)界的圭臬。很多人將這次由大數(shù)據(jù)而帶起的技術(shù)革新浪潮譽為“第四次工業(yè)革命”，而將數(shù)據(jù)比喻為本次工業(yè)革命的 “石油”?；秀遍g，頗有 “得之則生，弗得則死”之意。隨后幾年，各家公司都掀起了“囤數(shù)據(jù)”運動，凡是能存入硬盤的，絕不刪除。“不管現(xiàn)在有用沒用，先存著，未來一定有用”的觀念，成了各家公司CIO、CDO們的指導(dǎo)思想。

然而，在“囤數(shù)據(jù)”運動方興未艾，正推著硬盤價格也一路上漲的發(fā)展進程中，卻有一個聲音如幽靈般飄來，并日漸響亮：數(shù)據(jù)無用！這聲音來自于這一運動中“出師未捷身先死”的烈士們，他們曾是“大數(shù)據(jù)”最忠實的擁躉，卻在數(shù)據(jù)價值的追尋中日趨迷茫，最終被“囤數(shù)據(jù)”、“開采數(shù)據(jù)”所帶來的成本飆漲壓垮。

數(shù)據(jù)有用還是無用，成了一個可以討論的辯題。雙方各執(zhí)一詞，誰也說服不了誰，共同在這DT時代吐出了這樣一句飽含憧憬卻無奈的嘆息:

如果你愛他，請給他數(shù)據(jù)，因為數(shù)據(jù)為王。

如果你恨他，請給他數(shù)據(jù)，因為數(shù)據(jù)為亡。

那么數(shù)據(jù)到底有沒有用呢？不妨從奇點云多年積累的數(shù)據(jù)經(jīng)驗視角，我們一起來認真審視一下。

如果只是裸數(shù)據(jù)本身，可能確實是用處不大，正如汽車無法通過灌注原油驅(qū)動一樣。

所以從數(shù)據(jù)中提取的信息才有用是嗎？也不盡然，因為提取出來的信息大都支離破碎，并無法直接洞察商業(yè)情報。那么從信息中組合分析得出的商業(yè)情報才是價值點？還不夠，因為情報本身如果不能轉(zhuǎn)化為決策去執(zhí)行，再多的情報也無法帶來收益。

那以情報為依據(jù)，通過業(yè)務(wù)經(jīng)驗分析判斷進行決策，是否就是DT時代的智能商業(yè)呢？還不完整，因為同一業(yè)務(wù)問題，解法是多元的，決策還需有效評估與優(yōu)化迭代才能補全數(shù)據(jù)回環(huán)。

現(xiàn)在，一幅比較完整的數(shù)據(jù)轉(zhuǎn)化利用的回環(huán)已經(jīng)形成，而這也是我們的使命「讓商業(yè)更智能」背后的方法論。

有了這一方法論為依歸，整體建設(shè)思路也就基本明晰了。目前大家在已有的文章中，已知道我們的Simba和數(shù)據(jù)中臺，其在商業(yè)智能化回環(huán)中的位置如下圖所示:

顯然，這一產(chǎn)品架構(gòu)并沒有覆蓋整條商業(yè)智能化回環(huán)。尤其，從我們的愿景出發(fā)，幫助實體商家擁有淘寶一樣的數(shù)據(jù)化運營能力，其中很重要的一點是幫助實體商家把線下非數(shù)字化、非結(jié)構(gòu)化的各類商業(yè)場景數(shù)字化、結(jié)構(gòu)化并上云，否則商業(yè)智能化回環(huán)將無法覆蓋實體商家的主要商業(yè)場景，所謂的商業(yè)效益的提升也就無從談起了。這其中缺失的便是本文介紹的重點，也是「StartDT_AI_Lab」的主體工作。為了實現(xiàn)覆蓋實體商家全面商業(yè)場景的完整商業(yè)智能化回環(huán)而特別研發(fā)的三大智能化引擎。其在產(chǎn)品架構(gòu)中的位置如下:

現(xiàn)在簡單為大家介紹一下這三大引擎。

視覺智能引擎，作為數(shù)據(jù)入口，顯然是重中之重。其肩負著為數(shù)字世界開疆拓土的重任，有點石成金，化水為油之魔力。

在對其進行產(chǎn)品定義時，我們主要從三個必然和兩個凡是對其進行了概念描述:

在戰(zhàn)略意義層面:

達成公司愿景的必然前提。

·將實體商家線下場景進行數(shù)字化并上線。

線下場景在數(shù)字化改造中對于實施成本，部署難度，復(fù)制性，易用性等方面要求下的必然要求。

信息革命浪潮中的必然途徑。

·拓展互聯(lián)網(wǎng)，萬物互聯(lián)，全部在線。

在產(chǎn)品定義層面:

凡是實體商家數(shù)字化場景需要的。

凡是計算機視覺技術(shù)可以發(fā)揮比較優(yōu)勢的。

在產(chǎn)品功能定義方面:

可回溯實時多級標簽策略

·基礎(chǔ)單元->單元屬性->行業(yè)行為屬性->情報摘要，例如人為一級標簽，穿著衣飾為二級，是否 試穿某服裝為三級，當天這件服裝試穿客戶的畫像分析是四級；

·有業(yè)務(wù)分析需求反向要求線下數(shù)字化；

視頻檢索

可以回溯視頻檢索，例如要抽取二級標簽相關(guān)的信息，只需要根據(jù)一級標簽的時序、位置信息進行結(jié)構(gòu)化升級和搜索即可；

Vision AI + X:從行業(yè)中來的特異性視覺模型

比如“雙偷模型”這樣的特異模型；

而關(guān)于商業(yè)洞察引擎和業(yè)務(wù)決策引擎，在之前的中臺欄目中已做過相關(guān)介紹，在此不再贅述，只做一點補充。在兩個引擎中廣泛使用的大數(shù)據(jù)分析和預(yù)測模型得益于視覺智能引擎提供的線下場景數(shù)字化后的結(jié)構(gòu)數(shù)據(jù)，形成了一系列緊貼實體商家實際商業(yè)邏輯和經(jīng)驗的特有的大數(shù)據(jù)模型。

從今日起，本欄目將圍繞這三大引擎，自下而上逐一介紹其建構(gòu)中用到的各類型算法技術(shù)和背后的故事，敬請期待!