不只是报表，永洪BI融合AI增强分析实现数据深度赋能业务决策

随着企业数字化转型基础建设的逐步完成，如何释放数据价值成为了关键问题，众多企业不断探索更高效的数据赋能业务方式，以应对新的挑战，推动企业科学发展。于是，企业通过数据智能驱动业务增长的需求愈发明显。

 

BI的快速发展，其能力已经从最初的报表可视化功能，逐渐演变为基于数据赋能企业发展，敏捷化、智能化成为了主题，BI+AI成为了趋势，赋予了企业业务决策支持更多的可能性与准确性。

 

正如全球领先的信息技术研究和咨询公司Gartner所指出，分析及商业智能平台不再因数据可视化功能而有所区别，平台的差异化已经转移到对数据增强分析的支持程度，如利用机器学习（ML）和人工智能（AI）帮助业务人员和数据分析师实现比手动更加高效的数据准备、分析和决策。

 

永洪BI深度融合AI增强分析能力，秉承产品整体的“面向业务的可视化分析”的定位，强调“AI平民化”，让零基础的业务人员也可以实现数据洞察，让AI真正走进业务。

 

建立在BI优势基础上的AI增强分析

 

当前AI应用的挑战主要在于三个方面：

 

1、数据质量。很多企业的数据混杂，数据的质量和一致性差，可靠性、可用性无法得到保障，很大程度上影响AI模型输出结果的精准度。

 

2、分析模型。系统需要将人提出的抽象问题翻译成为可执行的计划或者具体可操作的算法，才能得出最终的结果。这就需要建立各种分析模型，对于业务人员门槛较高。

 

3、应用效果。大多产品仅支持一些简单预测，或是仅有部分数据分析模型，甚至只是具有相关模块却无应用场景，导致无法落地使用。

 

永洪科技有着市场领先的BI产品能力，永洪科技一站式大数据BI平台，全面覆盖数据分析过程中的各个环节，包括数据采集、清洗、整合、存储、计算等，从而帮助企业构建高质量的数据体系，其可视化能力、敏捷易用性、数据准备能力、高性能处理能力等都可让AI借力。

 

以此，永洪科技使BI+AI相辅相成，极大地提升了产品能力和使用效果：BI帮助企业从数据中获得洞察力，而AI则可以使洞察更为精准化、自动化、智能化，实现科学的决策与预测。BI满足了企业在结果监控、问题诊断、决策支持上的需求，AI则满足了业务预测、问题预警、探究数据背后的关联关系等深层次需求。

 

让每个人轻松上手的智能化

 

工具的最终目的都是切实提升使用者的效率。企业运用AI、使AI真正产生效果的关键在于让业务人员成为主导，而非停留在专业技术人员层面。

 

为了降低使用门槛，永洪BI以“AI平民化”为理念，实现了低代码、拖拽式、流程化操作的高级数据分析功能。

 

对于零基础的业务人员，永洪BI提供了Auto Model功能，可以通过界面上一步步地提示，以拖拉拽的方式直接进行调参和创建模型，自动进行数据处理、调参训练。以此实现数据洞察，解决业务问题。

 

对于专业的数据分析师，永洪BI内置了数据探索、统计分析和业界常用的回归、分类、聚类、关联规则、时序预测等类型的20种以上的算子及详细的超参数配置，满足专业分析师更加精细化的数据挖掘使用需求。同时提供类似R语言或者Python的接口，可以直接撰写脚本来运行，满足定制化的需求。

 

 

永洪科技认为，智能化最理想的状态，是企业提出一个业务问题，系统可以通过企业内部和外部数据的分析得出的结果，自动给出答案。于是开发出了许多简洁易用的功能，例如：

 

数据问答可以让用户使用文本输入问题，系统以可视化的方式进行自动展示答案；

 

数据解释可以对数据影响较大的因素进行自动统计和分析，比如从不同的因素分析部门员工离职的原因，找到影响较大的原因作为数据分析参考；

 

数据洞察则自动给出用于发现业务数据增长、减少的原因，比如发现西部市场比南部市场销售增长，就可以一键选择数据洞察，发现背后的原因。

 

 

 

除此之外，永洪BI在AI易用性的细节上不遗余力，例如有些节点会出现使用相同变量的情况，可以通过复制、粘贴功能，实现字段的快速添加，节省时间。

 

以此，让业务人员不只停留于数据报表本身，而是洞察数据背后的原因，对问题进行针对性的解决，从而实现科学决策，驱动业务增长。

 

优质体验的背后是强大性能的支撑

 

AI需要有强大的数据处理和计算能力支撑。永洪科技10余年的数据技术能力，为AI增强分析坚定了坚实的基础。

 

1、一站式数据处理

永洪BI区别于其他BI产品，在产品架构初期便采用了一站式的理念，无论是自助式BI功能还是复杂报表制作功能、ETL数据清洗功能，都是放在一个平台上，让用户一站式完成全流程数据分析任务，极大降低了实施、集成的成本。

 

永洪科技在BI中集成AI深度分析模块，从而可以使系统实现各流程的无缝对接，直接生成洞察结果，降低AI应用的难度。

 

 

2、高性能处理能力

性能强大的平台，可以压缩数倍AI模型训练的时间，让企业更快的应用AI的价值成果。

 

永洪BI自主研发了VooltDB高性能计算引擎，拥有列式存储，分布式计算等技术，能够实现亿级数据秒级响应。可将AI的算法改造为可支持分布式计算的形式，以适配VooltDB的计算引擎。以此支撑AI实验、建模，快速产出。

 

 

3、多种措施增效提速

集群部署：一些BI产品的深度分析的计算只能在单个机器上运行，当并行实验数量较多，数据量较大时，用时很长且影响性能。永洪BI自主研发的Python计算服务工具DM-Engine支持在Linux系统上集群部署和负载均衡，新加入的节点只需少量参数配置即可快速与现有集群节点组网，具有可靠性、高容错性、可扩展性等优点。

 

 

后台实验：一些实验持续的时间较长，在此期间即使可以进行其他操作，也会给浏览器造成负担，可操作性和体验较差。永洪BI支持后台实验，在创建实验后，可以选择后台运行，方便进行其他操作，降低浏览器负担，提升工作效率。

 

 

子流程节点：复杂的实验流程，会在页面上形成很多的工作流。子流程可以帮助节省页面空间，使工作流看起来更简洁；可以独立存储，被其他工作流引用，也可以适应更复杂的实际业务分析。既可以拖入其他节点连成工作流，也可单独运行查看结果。

 

案例——库存智能预测与优化

 

在某大型石化公司的案例中，运用了永洪科技的BI+AI进行库存的智能预测与优化。

 

痛点：

1.        在资源配置过程中没有考虑各省油库库存是否合理，只是按照该省下月预测销量及销售计划直接配置资源。如果各省当前的库存量不合理，这种状况会一直持续下去，无法改进；

2.        资源配置与油品配送分离，二者容易产生冲突，导致资源配置计划执行到位率下降；

3.        按月配置并配送油品，周期太长，对市场变化应对速度慢。

 

目标：

1.        建立资源配置与物流配送一体化优化机制；

2.        在满足市场需求的同时合理优化库存；

3.        建立拉式供应链模型；

4.        提升一配业务运营效率；

5.        按旬进行资源配置与配送。

 

方案：

整个方案分为库存优化和库存管理两个部分。

 

库存优化的分析报表主要分为三大类：

1.        优化性能健康报告，主要用于监控整个优化模型的性能；

2.        库存绩效监控报告，用于监控追踪供应链网络各个环节的库存性能；

3.        优化情景分析报告，生成优化情景分析的对比报表。

 

在分析过程中，要根据优化对象和情景的不同，定义和收集输入数据。输入之后，通过两个步骤完成库存策略优化：首先是通过需求分布模拟在不同可用库存之下可达到服务水平，然后通过模拟出的服务水平，结合库存的成本期望的最低服务水平，完成对库存量的优化筛选。

 

 

库存管理主要是物料的出入库分析，以及整体库存的盘点，分析目的主要是通过库存物料的科学保管，减少损耗，方便存取，使库存达到合理的水平上，减少资金占用。

 

库存管理和库存优化相辅相成，通过数据分析平台，设置合理的库存管理策略，在保证及时交货的前提下，使库存达到最优值，降低库存成本和风险。

 

 

在这一的逻辑之上，通过永洪BI，构建了库存需求量的预测分析模型，以月度为单位进行预测，首先进行资源配置的优化，然后进行补货优化、调度优化，最后形成调整调度的完整计划。

 

数据应用进入实质化阶段，诸多企业的需求不再仅仅是报表，而是获得更加深入的数据洞察，实现科学的预测与决策。数据增强分析将成为成功企业的必需品，为企业释放数据价值做出实质性贡献。