您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[头豹研究院]:2022年中国智能决策行业研究报告:智能决策助力企业发挥数据价值(摘要版) - 发现报告
当前位置:首页/行业研究/报告详情/

2022年中国智能决策行业研究报告:智能决策助力企业发挥数据价值(摘要版)

信息技术2023-02-13张俊雅头豹研究院机构上传
2022年中国智能决策行业研究报告:智能决策助力企业发挥数据价值(摘要版)

行业概览| 2022/11 中国:智能决策系列 摘要 智能决策厂商分类 智能决策指的是利用人类知识并借助计算机通过人工智能方法来解决发杂的决策问题;智能决策支持系统则是人工智能和决策支持系统的结合,本质是将人的知识量化并通过数学模型辅助用户实现科学决策。 智能决策是利用多种智能技术和工具,基于指定的目标,对相关数据进行建模和分析并得到决策的过程。而智能决策的过程涵盖了多种技术,如决策知识技术、人工智能技术、专家技术、数据挖掘技术、数据仓库技术、联机分析处理技术等,这也衍生出了智能决策产业链中的多种参与者。 智能决策产业链上游为功能模块厂商,包括决策引擎厂商、AI厂商、大数据厂商;中游为解决方案提供商,覆盖各类业务场景如信贷、风控、运维、营销等,并应用于下游的金融、消费、政企、制造等行业。 智能决策产业链参与者总体可分为功能模块厂商和解决方案厂商,功能模块厂商又可细分为决策引擎厂商、AI技术提供商和大数据服务厂商;解决方案厂商可提供针对不同业务场景的解决方案,如智能信贷、智能风控、智能运维、智能营销等。 智能决策厂商因处在不同发展阶段,盈利情况有所不同。综合型头部厂商规模大,产品成熟度高,拥有坚固的技术护城河,可实现10%-15%的盈利。深耕垂直领域的厂商在特定领域具备竞争力,可实现轻微盈利,但也有部分厂商因研发投入过高,仍处于亏损状态。 智能决策厂商商业模式 智能决策厂商商业模式总体可分为五类:依靠核心自研技术起家,依靠数据产品起家,早期深耕大客户并不断优化产品,互联网厂商基于自有数据起家,国有大行旗下金融科技公司自研智能决策产品。 智能决策应用场景 智能决策在金融和零售快消行业的应用最为广泛,应用占比均为20%。其次是政企行业,占比达10%。在银行业中,智能信贷和智能风控为智能决策应用最多的两个业务场景。 本研究项目旨在探究智能决策产业当下发展现状及未来发展趋势,同时梳理智能决策产业链参与者和下游应用场景。 研究目标 梳理智能决策厂商分类和商业模式梳理中国智能决策产业链 分析中国智能决策赛道投融资情况探析智能决策发展中面临的挑战 本报告的关键问题 产业链情况:智能决策行业参与者有哪些? 智能决策厂商有哪几类?发展路径如何? 智能决策厂商商业模式是怎么样的? 定义与分类 发展历程 行业综述——定义与分类 智能决策指的是利用人类知识并借助计算机通过人工智能方法来解决发杂的决策问题;智能决策支持系统则是人工智能和决策支持系统的结合,本质是将人的知识量化并通过数学模型辅助用户实现科学决策 智能决策支持系统架构 用户 人机接口 自然语言处理系统 问题处理系统 模型库管理系统 数据库管理系统 方法库管理系统 知识库管理系统 推理机 模型库 数据库 方法库 知识库 智能决策指的是通过人工智能技术来分析问题并得到最终的决策方案 智能决策(IntelligentDecision-making)是2016年公布的管理科学技术名词,指的是利用人类的知识并借助计算机通过人工智能方法来解决复杂的决策问题。 决策支持系统(DSS)最早于1971年由美国计算机科学教授Scott Morton在《管理决策系统》一文中提出,其大意是依赖计算机交互技术制定管理决策。 智能决策支持系统(IDSS)是人工智能(AI)和决策支持系统(DSS)相结合,应用专家系统(ES)技术,使得DSS能够更充分地应用人类的知识,如关于决策问题的描述性知识,决策过程中的过程性知识,求解问题的推理性知识,通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统,其本质是将人的专业知识量化为大数据级别的信息,有机组合数学统计模型和风险分析模型,辅助用户实现科学决策。 完整且典型的IDSS结构是在传统三库DSS的基础上增设知识库与推理机,在人机对话子系统加入自然语言处理系统(LS),与四库之间插入问题处理系统(PSS)而构成的四库系统结构。 部分业务场景需要在毫秒级里完成数据的计算、分析,并得到决策结果。相较于商业智能(BI)数据分析平台,智能决策更加的高效和实时,同时更注重与企业业务和核心系统的实时交互。 行业综述——发展历程 智能决策的发展历程经历了由最初的专家系统到业务规则管理系统,再到决策管理软件,最后发展至当下以数据及AI技术驱动的智能决策系统。目前,智能决策在我国的发展处在前中期阶段 智能决策发展历程 2010 至今 智能决策 决策引擎 1980 规则引擎 具备了精准预测、快速部署、可视化模拟等能力,使用第四代Rete-NT算法 1956 专家系统 在管理与执行的规则的基础上具备了决策能力,一般使用第三代ReteⅢ或更早算法 单独将业务规则抽离出来进行管理与执行,不具备决策能力,采用第一代Rete算法第二次 人工智能浪潮 人工智能诞生 以预设的专家知识为规则,只能针对固定情况处理,局限性大、应用受限 第一次 人工智能浪潮 第三次 人工智能浪潮 智能决策由早期的专家系统发展至以数据及AI技术驱动的智能决策系统 智能决策的发展历程经历了由最初的专家系统到业务规则管理系统,再到决策管理软件,最后发展至当下以数据及AI技术驱动的智能决策系统。 专家系统:自人工智能概念于1956年提出后便不断地迈向实践,上世纪80年代,AI技术开始关注如何将人类的知识提取到计算机系统中,当某一行业的业务知识提取并在系统中得以部署实现,这些业务知识就可以被更好地理解,并进行优化和分享,进而可以用来指导战略和操作双重层面上的决策建立。Nexpert是当时主流的专家系统软件,拥有现代化的图形用户界面,成熟的知识管理功能和强大的链式规则引擎。 从专家系统到业务规则管理系统:上世纪90年代末,市场中出现了BRMS(Business RulesManagement System,业务规则管理系统),该系统包含了强大的存储技术(使客户可以将业务决策从应用系统中分离并妥善保存在安全区域),管理技术(允许客户对决策进行分享,跟踪决策的修改并对其生命周期进行管理),UI技术(为非技术专家的决策管理提供更好的用户体验),部署能力(允许决策逻辑在不同的交互环境和批量处理情形下执行)。通过以上技术,使得客户可将提取业务经验、管理业务决策和实施业务逻辑整合起来。 从业务规则管理系统到当下的智能决策系统:随着应用系统变得越来越复杂,客户对决策管理软件的要求也更高。自2010年起,市场上的决策管理软件逐步发展至以数据及AI技术驱动的智能决策系统。 目前,智能决策在我国处于前中期发展阶段,且在部分领域发展较为成熟。其中,智能决策在我国银行领域的应用,在2015年前后已发展得较为成熟。 产业链图谱 厂商分类 商业模式 盈利情况 行业应用场景 产业链分析——产业链图谱 智能决策产业链上游为功能模块厂商,包括决策引擎厂商、AI厂商、大数据厂商;中游为解决方案提供商,覆盖各类业务场景如信贷、风控、运维、营销等,并应用于下游的金融、消费、政企、制造等行业 智能决策产业链图谱,2022年 智能决策功能模块厂商 决策引擎厂商 AI厂商 大数据厂商 上游 完整版登录www.leadleo.com 搜索《行业报告_2022年中国智能决策行业研究报告:智能决策助力企业发挥数据价值》 智能决策解决方案厂商 智能信贷 智能营销 智能风控 智能运维 中游 应用场景 图表标题 金融 商业消费政企其他 下游 20% 金融 商业消费 政企 交通 50% 20% 10% 互联网 工业制造 旅游 其他 行业综述——厂商分类 智能决策厂商总体可分为功能模块厂商和解决方案厂商,功能模块厂商包括决策引擎厂商、AI技术提供商、大数据服务厂商;解决方案厂商则提供针对不同业务场景需求的解决方案,如信贷、风控、运维等 智能决策厂商分类 智能决策功能模块厂商 智能决策解决方案厂商 决策引擎厂商 AI技术提供商 大数据服务厂商 智能信贷 智能风控 智能运维 其他场景 完整版登录www.leadleo.com 智能决策厂商总体可分为功能模块厂商和解决方案厂商,功能模块厂商又可细分为决策引擎厂商、AI技术提供商、大数据服务厂商 搜索《行业报告_2022年中国智能决策行业研究报告:智能决策助力企业发挥数据价值》 智能决策是利用多种智能技术和工具,基于指定的目标,对相关数据进行建模和分析并得到决策的过程。而智能决策的过程涵盖了多种技术,如决策知识技术、人工智能技术、专家技术、数据挖掘技术、数据仓库技术、联机分析处理技术等,这也衍生出了智能决策产业链中的多种参与者。 智能决策产业链参与者总体可分为功能模块厂商和解决方案厂商,功能模块厂商又可细分为决策引擎厂商、AI技术提供商和大数据服务厂商;解决方案厂商可提供针对不同业务场景的解决方案,如智能信贷、智能风控、智能运维、智能营销等。 决策引擎厂商:该类厂商主要提供智能决策系统所需的决策引擎,以及平台化产品。 AI技术提供商:该类厂商主要提供辅助智能决策的人工智能技术,如人脸识别、OCR、NLP等,以及功能性的模块和平台,如机器学习建模平台、知识图谱平台等。 大数据服务厂商:该类厂商提供决策过程中需要应用到的数据,包括对数据的加工、处理、分类和存储,以及对数据结构化以便长期使用等。 解决方案厂商:该类厂商提供不同业务场景的解决方案,以满足特定业务场景对智能决策的需求。其中,智能信贷和智能风控为下游需求量最大的两种业务场景。提供智能信贷解决方案的厂商有宇信科技、长亮科技、信雅达等;提供智能风控解决方案的厂商有邦盛科技、同盾科技、百融云创等。 功能模块厂商偏向于提供模块化产品,让整个决策平台使用起来更高效、更精准; 解决方案厂商更偏向于业务层面,用于解决业务流、决策流的平台化功能,以及帮助作业人员对决策流程的管理和把控。 行业综述——商业模式 智能决策厂商商业模式总体可分为五类:依靠自研核心技术打造多场景解决方案,依靠数据产品起家打造多场景解决方案,早起深耕大客户核心系统并不断优化产品,互联网大厂基于自有数据打造多场景解决方案,国有大行旗下金融科技公司自研智能决策产品 智能决策厂商商业模式 商业模式 部分代表厂商 模式一 依靠自研核心技术,打造多场景解决方案 模式二 依靠数据产品和服务起家,逐步拓展至系统和解决方案 模式三 完整版登录www.leadleo.com 早期深耕大客户核心系统,在此基础上不断优化产品功能 搜索《行业报告_2022年中国智能决策行业研究报告:智能决策助力企业发挥数据价值》 模式四 互联网大厂基于自有商业数据,提供不同行业解决方案 模式五 国有大行旗下金融科技公司自研智能决策产品,并向外推广 智能决策厂商商业模式总体可分为五类:依靠核心自研技术起家,依靠数据产品起家,早期深耕大客户并不断优化产品,互联网厂商基于自有数据起家,国有大行旗下金融科技公司自研智能决策产品 依靠自研技术,打造多场景解决方案:该类厂商拥有核心自研技术,并基于该自研技术打造各场景智能决策解决方案,在得到行业客户的认可后进行快速的复制。 以邦盛科技为例,其最初的业务是帮助美国的公司做信贷和风控业务场景下的数据计算和加工。在经历两年的技术打磨后,将其核心产品“流立方”独立出来,并围绕该产品打造多场景智能决策解决方案。邦盛科技以基于自研技术的“流立方”产品为核心,为银行提供智能信贷、智能风控解决方案。方案也得到了众多银行客户的认可,邦盛科技也得以将解决方案在业内快速复制和落地。此外,第四范式依托自研的机器学习技术,为各大银行提供机器学习建模平台。因此机器学习建模平台产品功能强大,因此可以应用于众多场景中,如信贷、风控、营销等。 行业综述——商业模式(接上页) 智能决策厂商商业模式总体可分为五类:依靠自研核心技术打造多场景解决方案,依靠数据产品起家打造多场景解决方案