作者簡(jiǎn)介：王春波，著有《高效使用Greenplum：入門(mén)、進(jìn)階和數(shù)據(jù)中臺(tái)》，“數(shù)據(jù)中臺(tái)研習(xí)社”號(hào)主，十年數(shù)據(jù)開(kāi)發(fā)從業(yè)者，資深零售數(shù)倉(cāng)項(xiàng)目實(shí)施專(zhuān)家。
以下為《高效使用Greenplum：入門(mén)、進(jìn)階和數(shù)據(jù)中臺(tái)》刪減內(nèi)容。歡迎大家關(guān)注我的公眾號(hào)，或者購(gòu)買(mǎi)我的圖書(shū)。
數(shù)據(jù)中臺(tái)主要應(yīng)用方向有傳統(tǒng)BI、敏捷BI、可視化大屏、AI等四個(gè)方向。
傳統(tǒng)BI
商業(yè)智能（Business Intelligence，簡(jiǎn)稱(chēng)：BI），又稱(chēng)商業(yè)智慧或商務(wù)智能，指用現(xiàn)代數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、線上分析處理技術(shù)、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術(shù)進(jìn)行數(shù)據(jù)分析以實(shí)現(xiàn)商業(yè)價(jià)值。
商業(yè)智能的概念在1996年最早由加特納集團(tuán)（Gartner Group）提出，加特納集團(tuán)將商業(yè)智能定義為：商業(yè)智能描述了一系列的概念和方法，通過(guò)應(yīng)用基于事實(shí)的支持系統(tǒng)來(lái)輔助商業(yè)決策的制定。商業(yè)智能技術(shù)提供使企業(yè)迅速分析數(shù)據(jù)的技術(shù)和方法，包括收集、管理和分析數(shù)據(jù)，將這些數(shù)據(jù)轉(zhuǎn)化為有用的信息，然后分發(fā)到企業(yè)各處。
傳統(tǒng)的BI主要用戶(hù)是管理層，應(yīng)用場(chǎng)景傾向于輔助商業(yè)決策，因此更多的采用固定格式的報(bào)表或者儀表盤(pán)，然后定義一些固化的粒度，實(shí)現(xiàn)下鉆和聚合。由于有固定的格式、固定的鉆取方向，因此一般采用星型模型或者雪花模型實(shí)現(xiàn)。而不管是星型模型還是雪花模型，構(gòu)建模型的關(guān)聯(lián)關(guān)系都是一個(gè)復(fù)雜的工作，一般都需要通過(guò)報(bào)表自帶的客戶(hù)端軟件進(jìn)行模型的設(shè)計(jì)，包括表的定義、表的關(guān)聯(lián)關(guān)系、指標(biāo)和維度的區(qū)分、指標(biāo)的匯總方式等。傳統(tǒng)的BI應(yīng)用展示圖例如下圖1-4所示。
1-4 傳統(tǒng)BI應(yīng)用案例
提供傳統(tǒng)BI的商業(yè)化產(chǎn)品主要有Oracle BIEE、IBM Cognos、SAP BO、Microstrategy等。
傳統(tǒng)BI主要有以下缺點(diǎn)：
1.成本較高
傳統(tǒng)BI解決方案基本是兩種思路一種是大數(shù)據(jù)一體機(jī)、另外一種是分布式數(shù)據(jù)倉(cāng)庫(kù)。但是，大數(shù)據(jù)一體機(jī)的總體擁有成本高，大多數(shù)企業(yè)都無(wú)福消受，而分布式數(shù)據(jù)倉(cāng)庫(kù)按流量收費(fèi)，使用成本不菲，1TB的數(shù)據(jù)可能就需要幾十萬(wàn)。這樣的大數(shù)據(jù)產(chǎn)品，大幅提升了BI應(yīng)用的整體擁有成本。
2.工作負(fù)擔(dān)重
傳統(tǒng)BI的報(bào)表制作需求會(huì)由業(yè)務(wù)部門(mén)提交到IT部門(mén)去實(shí)現(xiàn)，且每個(gè)新的需求都需要重新建模開(kāi)發(fā)，無(wú)論是業(yè)務(wù)部門(mén)還是IT部門(mén)都增加了工作負(fù)擔(dān)。
3.實(shí)施失敗率高
據(jù)不完全統(tǒng)計(jì)，在企業(yè)實(shí)際的應(yīng)用中，BI的實(shí)施失敗率高達(dá)70%。
4.部署周期長(zhǎng)
傳統(tǒng)BI產(chǎn)品的部署和實(shí)施往往需要幾個(gè)月時(shí)間，需要進(jìn)行整體的架構(gòu)設(shè)計(jì)。這樣的部署周期在日新月異的商業(yè)環(huán)境下更顯尷尬。
敏捷BI
隨著Tableau工具的面世，打破了傳統(tǒng)BI的建模思路，整個(gè)BI領(lǐng)域走向敏捷化。敏捷BI最大的特點(diǎn)是不再拘泥于數(shù)據(jù)模型，而是更加側(cè)重和傾向于基于SQL實(shí)現(xiàn)復(fù)雜的報(bào)表邏輯。傳統(tǒng)的BI建模雖然也提供SQL的實(shí)現(xiàn)方式，但是并不是平臺(tái)的推薦和首選。以Tableau、FineBI、永洪BI為代表得BI新興勢(shì)力，都把SQL放在一個(gè)核心位置，報(bào)表的模型關(guān)聯(lián)僅僅通過(guò)頁(yè)面的簡(jiǎn)單操作即可實(shí)現(xiàn)，數(shù)據(jù)模型變成報(bào)表或者自助分析的一部分，而不再是兩個(gè)分開(kāi)的主體。采用敏捷BI的模式，不同的報(bào)表或者自助之間進(jìn)行了隔離，不會(huì)再出現(xiàn)多個(gè)報(bào)表或者自助共用一個(gè)數(shù)據(jù)模型，導(dǎo)致變更互相影響的情況。
敏捷BI的另外一個(gè)顯著特點(diǎn)是提供了自助分析和業(yè)務(wù)自行定義報(bào)表的功能。傳統(tǒng)的BI認(rèn)為，業(yè)務(wù)人員只需要了解業(yè)務(wù)的邏輯即可，在一個(gè)復(fù)雜底層邏輯的基礎(chǔ)上，業(yè)務(wù)人員無(wú)法很好地完成報(bào)表自定義，因此在這方面比較欠缺。
利用敏捷BI工具，即時(shí)沒(méi)有任何SQL基礎(chǔ)，也能很容易上手，輕輕松松畫(huà)出漂亮的報(bào)表，大大降低了BI的使用門(mén)檻。敏捷BI是對(duì)傳統(tǒng)BI的一次革新。
和傳統(tǒng)BI相比，敏捷BI主要有以下顯著優(yōu)點(diǎn)：
1.成本更低
傳統(tǒng)的BI工具授權(quán)費(fèi)用高，后期運(yùn)維費(fèi)用更是大部分企業(yè)無(wú)法負(fù)擔(dān)的水平；同時(shí)其支持的數(shù)據(jù)庫(kù)連接又非常有限，導(dǎo)致必須使用Oracle、DB2、SQL SERVER等商業(yè)授權(quán)數(shù)據(jù)庫(kù)，進(jìn)一步提高了項(xiàng)目成本。
2.兼容性強(qiáng)，支持多種數(shù)據(jù)源
一般的敏捷BI工具都支持連接多種通用數(shù)據(jù)源，如關(guān)系型數(shù)據(jù)庫(kù)（MySql、Oracle、SQL Server等）、文本數(shù)據(jù)源（Excel、CSV等）、大數(shù)據(jù)分析引擎 Kylin、Impala、Hive、Presto、基于OData協(xié)議的擴(kuò)展接口以及Restful API數(shù)據(jù)源等。敏捷BI提供直觀的可視化界面，簡(jiǎn)單填寫(xiě)配置參數(shù)即可快速連接數(shù)據(jù)源。
3.自助式探索式數(shù)據(jù)分析
自助探索式數(shù)據(jù)可視化分析，通過(guò)主動(dòng)式的企業(yè)數(shù)據(jù)分析模式，它能夠讓業(yè)務(wù)人員直接參與數(shù)據(jù)分析，無(wú)需專(zhuān)業(yè)分析團(tuán)隊(duì)，業(yè)務(wù)人員可以直接通過(guò)簡(jiǎn)單拖拽進(jìn)行數(shù)據(jù)可視化分析。自助式探索數(shù)據(jù)分析以及成為了敏捷BI的核心。
4.高級(jí)數(shù)據(jù)可視化
敏捷BI工具一般都提供豐富的可視化圖表。以DataViz為例，DataViz提供60多種數(shù)據(jù)可視化效果，支持弦圖、熱力圖、南丁格爾圖等高級(jí)數(shù)據(jù)可視化，更支持基于地圖的軌跡、熱力等可視化效果。
5.多終端自適應(yīng)展現(xiàn)
通過(guò)敏捷BI制作的數(shù)據(jù)分析報(bào)告，只需制作一次就可以在桌面、手機(jī)、大屏等多終端上自適應(yīng)展現(xiàn)，而不需針對(duì)多個(gè)終端進(jìn)行單獨(dú)設(shè)置。
總之，敏捷BI投入成本更低、更加平民化、更加易于操作，可以讓更多的企業(yè)客戶(hù)能以較低的投入享受到最專(zhuān)業(yè)的數(shù)據(jù)分析服務(wù)。幫助企業(yè)用戶(hù)快速準(zhǔn)確地洞悉數(shù)據(jù)背后隱藏的商業(yè)價(jià)值，讓企業(yè)決策更“有據(jù)可依”。
可視化大屏
很多人最開(kāi)始認(rèn)識(shí)大屏，是從新聞聯(lián)播里面開(kāi)始的。早期的大屏主要出現(xiàn)在一些大型政府單位、航天企業(yè)等。例如航天部門(mén)發(fā)射火箭的時(shí)候。伴隨著阿里的“雙十一”盛典和云棲大會(huì)的推廣，這種藍(lán)色背景、頁(yè)面簡(jiǎn)潔、富有科技感的數(shù)據(jù)展現(xiàn)形式開(kāi)始逐漸走入各個(gè)普通企業(yè)。
傳統(tǒng)的BI項(xiàng)目實(shí)施也會(huì)附帶一些管理駕駛艙之類(lèi)的圖形化頁(yè)面，但是可視化大屏重新定義了管理駕駛艙，通過(guò)技術(shù)手段的升級(jí)和展現(xiàn)形式的變化，帶來(lái)強(qiáng)烈的視覺(jué)刺激。可視化大屏不再滿(mǎn)足于電腦瀏覽器頁(yè)面的圖標(biāo)展現(xiàn)，而是采用一整塊超大尺寸的LED屏幕來(lái)展示關(guān)鍵數(shù)據(jù)內(nèi)容，給人一種大氣磅礴的感覺(jué)。
2015年雙十一大屏
可視化大屏就是一套自主分析系統(tǒng)解決方案，為企業(yè)提供的是直接的呈現(xiàn)結(jié)果，讓業(yè)務(wù)人員和企業(yè)決策者直觀面對(duì)數(shù)據(jù)背后的信息。
可視化大屏主要有以下優(yōu)點(diǎn)：
1.「大面積、炫酷動(dòng)效、豐富色彩」，大屏易在觀感上給人留下震撼印象，便于營(yíng)造某些獨(dú)特氛圍、打造儀式感。
2.可視化大屏展現(xiàn)的數(shù)據(jù)簡(jiǎn)單明了，就是管理層和大家公認(rèn)的最核心最重要的業(yè)務(wù)指標(biāo)。
3.可視化大屏一般需要配合實(shí)時(shí)數(shù)據(jù)，來(lái)實(shí)現(xiàn)動(dòng)態(tài)刷新的效果。
可視化大屏作為企業(yè)的門(mén)面，越來(lái)越受到科技部門(mén)的重視?？梢暬笃量梢院苋菀椎膶⒔Y(jié)果展現(xiàn)給高層領(lǐng)導(dǎo)，讓高層領(lǐng)導(dǎo)重視IT的產(chǎn)出，提升對(duì)IT部門(mén)的重視程度。由于利用其面積大、可展示信息多的特點(diǎn)，通過(guò)關(guān)鍵信息大屏共享的方式可方便團(tuán)隊(duì)討論和決策，所以大屏也常用來(lái)做數(shù)據(jù)分析監(jiān)測(cè)使用。
AI中臺(tái)
數(shù)據(jù)中臺(tái)除了提供數(shù)據(jù)平臺(tái)本身的兩大能力（數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)計(jì)算）以外，還提供了更高級(jí)的能力，就是把數(shù)據(jù)變成一種基礎(chǔ)服務(wù)提供給業(yè)務(wù)方，業(yè)務(wù)方可以以自助的方式在數(shù)據(jù)中臺(tái)上獲取數(shù)據(jù)，進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)探索、數(shù)據(jù)挖掘、分析鉆取、多維分析、自助化報(bào)表、數(shù)據(jù)分享等，以快速的實(shí)現(xiàn)自己的商業(yè)價(jià)值。
引用董超華《數(shù)據(jù)中臺(tái)實(shí)戰(zhàn)》一書(shū)中的一個(gè)重要論點(diǎn)——搭建數(shù)據(jù)中臺(tái)的最終目標(biāo)就是幫助企業(yè)實(shí)現(xiàn)數(shù)據(jù)智能。那么，什么是數(shù)據(jù)智能能？數(shù)據(jù)智能是指基于大數(shù)據(jù)引擎，通過(guò)大規(guī)模機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，對(duì)海量數(shù)據(jù)進(jìn)行處理、分析和挖掘，提取數(shù)據(jù)中所包含的有價(jià)值的信息和知識(shí)，使數(shù)據(jù)具有“智能”，并通過(guò)建立模型尋求現(xiàn)有問(wèn)題的解決方案以及實(shí)現(xiàn)預(yù)測(cè)等。
我們以生活中最常見(jiàn)的百度地圖導(dǎo)航為例。在沒(méi)有地圖導(dǎo)航功能之前，我們到一個(gè)模式的地方，只能通過(guò)路標(biāo)和想路人問(wèn)路來(lái)找到目的地。有了地理信息數(shù)據(jù)和道路交通信息以后，我們開(kāi)始有了初步的導(dǎo)航功能，通過(guò)百度地圖來(lái)規(guī)劃線路，這樣我們就可以通過(guò)手機(jī)來(lái)尋找目的地。再更多的人都是用手機(jī)導(dǎo)航以后，百度地圖可以記錄用戶(hù)的線路、道路的交通情況，綜合這些提供更加完善的導(dǎo)航服務(wù)。用戶(hù)借助百度地圖導(dǎo)航是在產(chǎn)生數(shù)據(jù)，同時(shí)百度地圖綜合用戶(hù)的數(shù)據(jù)分析出道路狀況以后給用戶(hù)規(guī)劃新的、更快的線路，則是通過(guò)數(shù)據(jù)智能來(lái)實(shí)現(xiàn)出行預(yù)測(cè)，讓數(shù)據(jù)產(chǎn)生了智能，反哺用戶(hù)。
數(shù)據(jù)智能的標(biāo)志就是由機(jī)器代替人工決策。在上文的導(dǎo)航案例中，道路的規(guī)劃沒(méi)有人工參與，用戶(hù)數(shù)據(jù)的匯總也是有機(jī)器自動(dòng)完成，整個(gè)導(dǎo)航形成一個(gè)數(shù)據(jù)智能應(yīng)用的閉環(huán)，這就是真正的數(shù)據(jù)智能。
當(dāng)然，能完成數(shù)據(jù)智能閉環(huán)的業(yè)務(wù)場(chǎng)景還很少，大多數(shù)場(chǎng)景下我們還在摸索數(shù)據(jù)智能的方向，因此需要做很多的嘗試。隨著業(yè)務(wù)場(chǎng)景的構(gòu)建，越來(lái)越多的智能化數(shù)據(jù)需求被提出，這些智能化需求涉及到模型訓(xùn)練、數(shù)據(jù)標(biāo)注、特征工程、模型部署、性能監(jiān)控等，需要使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法支持。數(shù)據(jù)中臺(tái)的主要目標(biāo)還是服務(wù)數(shù)據(jù)，對(duì)于智能化和模型并不能很好地支持，因此 AI 中臺(tái)應(yīng)運(yùn)而生。
以下引用宜信科技中心AI中臺(tái)團(tuán)隊(duì)負(fù)責(zé)人王東的訪談，原文鏈接https://blog.csdn.net/gao2175/article/details/98046521。
“我們把智能服務(wù)的需求抽象出來(lái)，形成一個(gè)獨(dú)立的 AI 中臺(tái)層。AI 中臺(tái)是一個(gè)用來(lái)構(gòu)建智能服務(wù)的基礎(chǔ)設(shè)施平臺(tái)，對(duì)公司所需的模型提供了分布分層的構(gòu)建能力和全生命周期管理的服務(wù)，鼓勵(lì)各個(gè)業(yè)務(wù)領(lǐng)域基礎(chǔ)性、場(chǎng)景性、通用性的 AI 能力沉淀到平臺(tái)中，加強(qiáng)模型復(fù)用、組合創(chuàng)新、規(guī)?；?，最終實(shí)現(xiàn)降本增效和快速響應(yīng)業(yè)務(wù)方?！?/p>
數(shù)據(jù)中臺(tái)和 AI 中臺(tái)兩者是相互依存，承前啟后的關(guān)系。
n數(shù)據(jù)中臺(tái)和 AI 中臺(tái)兩者都對(duì)外提供服務(wù)，只是側(cè)重點(diǎn)不同：數(shù)據(jù)中臺(tái)提供各種數(shù)據(jù)服務(wù)（BI 報(bào)表應(yīng)用、數(shù)據(jù)探索等），AI 中臺(tái)提供各種智能服務(wù)（模型預(yù)測(cè)、智能推薦等）；
nAI 中臺(tái)依托數(shù)據(jù)中臺(tái)提供的數(shù)據(jù)能力和工具集，加速 AI 相關(guān)服務(wù)的開(kāi)發(fā)和復(fù)用，來(lái)應(yīng)對(duì)前臺(tái)智能業(yè)務(wù)需求。有了數(shù)據(jù)中臺(tái)清洗好的數(shù)據(jù)，搭建智能項(xiàng)目事半功倍；
n數(shù)據(jù)中臺(tái)也需要使用 AI 中臺(tái)的智能化能力使得數(shù)據(jù)使用更加平民化和智能化。例如增強(qiáng)型BI 分析：通用自然語(yǔ)言交互方式，降低 BI 使用門(mén)檻；通過(guò) AI 分析給出參與建議，幫助普通用戶(hù)在沒(méi)有數(shù)據(jù)專(zhuān)家的情況下有效訪問(wèn)數(shù)據(jù)；增強(qiáng)型數(shù)據(jù)管理：利用機(jī)器學(xué)習(xí)來(lái)管理數(shù)據(jù)，包括數(shù)據(jù)質(zhì)量、元數(shù)據(jù)管理；主數(shù)據(jù)管理等。
在“以用戶(hù)為中心”的思想指導(dǎo)下，企業(yè)需要快速響應(yīng)、挖掘、引領(lǐng)?戶(hù)的需求，借助平臺(tái)化的力量可以事半功倍。中臺(tái)將前臺(tái)業(yè)務(wù)中相對(duì)穩(wěn)定的能力固化和沉淀下來(lái)，并共享給有需要的其他業(yè)務(wù)方使用，從而實(shí)現(xiàn)快速響應(yīng)業(yè)務(wù)需求、降低成本和支持業(yè)務(wù)方進(jìn)行規(guī)?；瘎?chuàng)新。
u以數(shù)據(jù)中臺(tái)為例：業(yè)務(wù)領(lǐng)域組數(shù)據(jù)團(tuán)隊(duì)需要緊急制作一批報(bào)表，不希望排期，部分報(bào)表需要T+0 時(shí)效性。數(shù)據(jù)來(lái)源是異構(gòu)數(shù)據(jù)庫(kù)，對(duì)數(shù)據(jù)時(shí)效性要求很高，需要對(duì)數(shù)據(jù)處理后并展示報(bào)表。使用數(shù)據(jù)中臺(tái)，業(yè)務(wù)方不需要關(guān)心數(shù)據(jù)的異構(gòu)性，無(wú)論是實(shí)時(shí)數(shù)據(jù)還是批量數(shù)據(jù)，只需要懂 SQL，業(yè)務(wù)方都可以在數(shù)據(jù)中臺(tái)上申請(qǐng)數(shù)據(jù)，自助地寫(xiě) SQL 進(jìn)行處理數(shù)據(jù)清洗、數(shù)據(jù)處理，最后，通過(guò)配置和寫(xiě) SQL 生成自己需要報(bào)表，不用等排期，完全自助快速完成。
u以 AI 中臺(tái)為例：AI 中臺(tái)的智能聊天機(jī)器人平臺(tái)，對(duì)接第一個(gè)業(yè)務(wù)方是從零開(kāi)始，從研發(fā)平臺(tái)、模型研發(fā)、數(shù)據(jù)對(duì)接、到使用上線第一期，花了 6 個(gè)月的時(shí)間，第二個(gè)業(yè)務(wù)方享受到平臺(tái)的優(yōu)勢(shì)，直接導(dǎo)入數(shù)據(jù)，進(jìn)行驗(yàn)證和對(duì)接后，4 個(gè)月實(shí)現(xiàn)上線第一期，之后的業(yè)務(wù)方更快，2 個(gè)月上線，最近的一個(gè)業(yè)務(wù)方達(dá)到 3 周就上線的速度，體現(xiàn)了平臺(tái)的復(fù)用性帶來(lái)的便捷和快速響應(yīng)業(yè)務(wù)方需求的能力。
縱觀這次人工智能的浪潮，可以說(shuō)是算法、大數(shù)據(jù)等技術(shù)和硬件多方面的因素促成的。一方面算法層面有了進(jìn)一步突破，更重要的是大數(shù)據(jù)相關(guān)技術(shù)的成熟，使得數(shù)據(jù)的獲取變得容易，大數(shù)據(jù)計(jì)算變得可能，以前許多不可能完成的事情，現(xiàn)在可以通過(guò)大數(shù)據(jù)的算力來(lái)進(jìn)行學(xué)習(xí)和訓(xùn)練。再結(jié)合現(xiàn)在 GPU、AI 芯片以及傳感器等硬件技術(shù)，使得需要大規(guī)模計(jì)算的深度學(xué)習(xí)訓(xùn)練可以完成，這些都直接導(dǎo)致了AI應(yīng)用的快速落地和到處開(kāi)花。
l以互聯(lián)網(wǎng) AI 應(yīng)用為例，互聯(lián)網(wǎng)巨頭是使用大數(shù)據(jù)標(biāo)注并落地 AI 應(yīng)用的最早受益者。AI 最早應(yīng)用在搜索引擎（Google、百度）、廣告系統(tǒng)（Ebay）、電子商務(wù)網(wǎng)站（阿里）等，它們都是大數(shù)據(jù)的產(chǎn)生方和使用方，然后是在擁有大數(shù)據(jù)流的社交平臺(tái)（Facebook、騰訊），到現(xiàn)在使用大數(shù)據(jù)技術(shù)在垂直細(xì)分領(lǐng)域做個(gè)性化推薦平臺(tái)（頭條、快手）。一方面大家在使用這些互聯(lián)網(wǎng)平臺(tái)，另外一方面大家也在進(jìn)行免費(fèi)的大數(shù)據(jù)標(biāo)注。
l以商業(yè) AI 應(yīng)用為例，商業(yè)機(jī)構(gòu)通過(guò)激活已有的大數(shù)據(jù)，并結(jié)合 AI 算法創(chuàng)造商業(yè)價(jià)值。醫(yī)療機(jī)構(gòu)通過(guò)已有病歷實(shí)現(xiàn)疾病診斷/鑒別、個(gè)性化治療/行為矯正、臨床決策支持系統(tǒng)、流行病爆發(fā)預(yù)測(cè)等， 金融機(jī)構(gòu)通過(guò)已有交易數(shù)據(jù)，進(jìn)行大數(shù)據(jù)風(fēng)控、個(gè)性化營(yíng)銷(xiāo)、智能投顧、智能投研等。這些都是大數(shù)據(jù)與AI緊密結(jié)合的產(chǎn)物。
l以實(shí)體世界 AI 應(yīng)用為例，通過(guò)獲取實(shí)體世界的數(shù)據(jù)，實(shí)現(xiàn)智能化，帶來(lái)新的應(yīng)用、新的商機(jī)。通過(guò)大數(shù)據(jù)、AI與汽車(chē)行業(yè)結(jié)合，誕生了自動(dòng)駕駛、路徑規(guī)劃、實(shí)時(shí)路況、危險(xiǎn)預(yù)警等應(yīng)用；大數(shù)據(jù)與商業(yè)零售結(jié)合，收集海量顧客信息，結(jié)合 AI 技術(shù)，用于精準(zhǔn)營(yíng)銷(xiāo)、店鋪選址、庫(kù)存規(guī)劃、個(gè)性化服務(wù)等。大數(shù)據(jù)、AI 技術(shù)與智慧城市、智能安監(jiān)、環(huán)境治理、教育等諸多領(lǐng)域結(jié)合后，都帶來(lái)了大量新的應(yīng)用和商業(yè)機(jī)會(huì)。
因此，無(wú)論是傳統(tǒng)的數(shù)據(jù)挖掘、還是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，所有的模型都離不開(kāi)大量的數(shù)據(jù)，可以說(shuō)數(shù)據(jù)是 AI 應(yīng)用的養(yǎng)料和土壤，而數(shù)據(jù)采集、規(guī)范、使用都離不開(kāi)數(shù)據(jù)中臺(tái)的建設(shè)。一個(gè)很形象的比喻，數(shù)據(jù)中臺(tái)是數(shù)據(jù)的家，而AI中臺(tái)則是數(shù)據(jù)的學(xué)校，通過(guò)數(shù)據(jù)中臺(tái)和AI中臺(tái)的合作，最終產(chǎn)出一個(gè)成熟的成功就是數(shù)據(jù)智能應(yīng)用。
