當大數據與人工智能時代即將到來之際，我們該如何擁抱時代？

6月11日，曾與屠呦呦等人一同當選“2015年度中國十大科技創(chuàng)新人物”的電子科技大學周濤教授，在西南財經大學召開了主題為“大數據與人工智能創(chuàng)新實踐”的公開論壇。周濤教授以實操的大數據項目為例，為聽眾講述了最前沿的大數據創(chuàng)新實踐情況。以下內容經《商界評論》現(xiàn)場實錄整理及其歷史演講補充。

何為數據

在開始前，我想問大家的一個問題：什么是數據？

多數人認為，有了計算機之后才有數據，其實早在計算機之前我們就有了數據。

我們認為，數據就是將來可以為我們做定量分析的記錄。它是事實或觀察的結果，是對客觀事物的邏輯歸納，是用于表示客觀事物的未經加工的原始素材。

在淘寶上，有大量的售賣記錄，通過這些售賣記錄我們能夠知道，生活在成都的30歲左右的女性用什么化妝品，成都獨特的天氣情況使她所用的化妝品和其他省市的不一樣，這是挖掘到的數據。

但是，有了這些數據不等于就具有價值，我們還要通過數字廣告、個性化推薦等方式，幫助用戶更快找到喜愛的商品，同時也幫助商家提高廣告點擊量和商品購買量，減少庫存壓力，這樣才能產生價值。

現(xiàn)在我們已經站在了大數據時代的門口，其中一只腳已經跨了進去，并且有3種趨勢在推動我們的發(fā)展：

一是數據總量的增長。

現(xiàn)在全世界數據存儲量是20個ZB，再過8年這個數據量可能要增加10倍。

2018年底，淘寶的單品數首次超過了中國的人口數，單品數量達到了15億之多。面對這15億個單品，別說用戶想逐個挑選，僅僅只是看一遍都很難，這種數據爆炸和普通人分辨數據能力的矛盾是大數據時代的第一個挑戰(zhàn)。

因此，現(xiàn)在大量的商業(yè)模式都是為了解決這個矛盾，比如當當網推薦一本書，網易云音樂推薦一首歌，或者珍愛網推薦一個相親對象。

二是數據形態(tài)發(fā)生了巨大變化。

以前我們處理的絕大部分數據都是表格類數據，現(xiàn)在絕大部分新增數據都是非結構化數據，包括認知、時間、序列、語音、文本、圖像、空間軌跡、人與人之間的社交網絡，這些數據背后蘊藏著巨大的價值。

手機是最大的個人傳感器，僅僅利用手機的GPS軌跡數據，就可以定位用戶具體位置，甚至鎖定不超3立方米的空間范圍。憑借這點，我們可以知道一個陌生人的家住在哪里，其是否在政府工作，經常在哪里吃飯，有沒有去過高級會所等。

這些數據的保護在很多地方都不嚴密，除了手機運營商和通管局之外，許多手機應用上都有用戶的全量軌跡數據，這帶來了第二個挑戰(zhàn)，就是在安全隱私可控的前提下如何挖掘這些非結構數據的價值。

三是數據的組織結構發(fā)生變化。

原來的數據都是孤島，淘寶知道我買了什么貨，新浪微博知道我說了什么話，門診知道我得了什么病，公安部門知道我犯了什么罪，但是這些主體相互之間卻不知道，淘寶不知道我得了什么病，新浪微博不知道我犯了什么罪。

把數據流動，從而圍繞個人、企業(yè)、產品、終端、痛點全方位畫像，這也帶來了第三個挑戰(zhàn)，就是如何發(fā)揮大數據1+1遠大于2的價值。

數據的價值

當有一天我們真正進入到大數據時代，可以明顯體會到數據的3大特征：

一是數據的外部化。數據有一個天然的共性，就是它能夠流通共享，容易被拷貝，且?guī)缀醪恍枰渌杀?。我們在A處產生的數據不僅能在A處發(fā)揮作用，還能在BCD處發(fā)揮作用。

二是人工智能。我們能夠用到人工智能的關鍵技術，比如數據挖掘、機器學習等，去得到簡單統(tǒng)計分析所得不到的洞見，再用這種深刻洞見來指導我們進行高效準確的決策。

三是價值。采集數據、存儲管理、安全隱私控制都需要成本，大數據時代中，每花費100元就要產生200元以上的數據價值。

其中數據能夠產生4個價值：支撐決策、優(yōu)化生產、提升銷售和改善生活。

接下來我們通過2個大數據應用的實踐案例，來看看目前數據能為我們產生哪些價值。

第一，基于大數據的機器學習在餐飲業(yè)的應用。

現(xiàn)在的網絡餐飲服務存在大量的食品安全問題，比如用戶在某網絡訂餐平臺的餐飲店A訂餐，而實際制作食物的并不是A店，而是一家黑作坊，沒有店面，更沒有證照，存在嚴重的食品安全問題。

為了解決這個問題，我們用機器學習的方式，制定了網絡餐飲服務的監(jiān)管辦法，主要解決兩大問題。

1. 我們要對網絡餐飲店的證照進行分析，針對這個問題首先要判斷餐飲店有沒有上傳證照，隨時監(jiān)控哪些餐飲店是沒有上傳的，并把它清理出來。

然后，識別證照不清晰、假證、一證多用、證件和工商注冊不匹配、跨范圍經營的餐飲店。通過機器學習，計算機能夠自動迅速、準確地識別出這些有問題的餐飲店。

基于這一步，我們發(fā)現(xiàn)成都市不合格的網絡餐飲店大概占70%，通過持續(xù)監(jiān)測和整改，把不合格率降到了30%。

2. 我們要解決的根本問題是要老百姓吃到放心安全的食品。

我們獲取餐飲店的消費者評論的數據，并且把當中和食品安全強相關的數據來指導機器學習，進而對餐飲店進行監(jiān)測。

如果監(jiān)測到某餐飲店有大量的有關食品安全的評價，比如有蟑螂、老鼠、吃了拉肚子等，那么這家店就肯定有問題。

第二，大數據在工業(yè)領域的應用。

全球工業(yè)4.0大概經歷4個階段，從機械化到自動化到信息化再到智能化。在未來會形成智能工廠，就等于一個智能中臺，可以分成可視化層、執(zhí)行層、工業(yè)大數據層、設備局連接層。

刀具加工工藝（如銑、削、鉆）在汽車、飛機和模具制造中應用廣泛。如富士康，每年用在刀具上大概150億元。這種背景下，刀具何時失效，如何判定成為降低企業(yè)成本的大問題。

刀具在加工過程中隨著加工時間的增加，自身的磨損程度也隨之增加。當磨損量達到一定程度時，甚至還會出現(xiàn)斷刀、崩邊等嚴重磨損現(xiàn)象，進而導致刀具失效。在缺乏有效的刀具磨損監(jiān)控、預測方法時，刀具磨損不但會增加生產產品的次品率，同時也會給安全生產造成隱患。

目前大多數刀具供應商對生產出的刀具壽命進行如下估計：對刀具進行壓力測試，測出刀具平均極限壽命，在此極限壽命基礎之上，一般按照80%比例折算成刀具壽命。

如果使用單位依照刀具供應商提供的建議進行刀具管理，每把刀將損失約20%的壽命。

再加上測試環(huán)境的不同，刀具供應商提供的刀具壽命還會進一步受到實際工況的影響，其參考性進一步降低。

我們在數控機床的電纜上加一個霍爾傳感器，利用霍爾效率來測微電流，電流信號經數據采集器（DAQ）傳送至工控機。

有條件的情況下，可以通過高速攝像頭采集刀具的圖像信號；通過數控機床自帶或侵入式的傳感設備，采集壓力、振動、熱度、聲音等其他信息。

工控機持續(xù)不斷地接收來自數據采集器的電流信號，能夠對不同機床的實時信號進行監(jiān)控、分析和預測，并在必要時發(fā)出報警信號或其他輔助信號，如向自動換刀系統(tǒng)發(fā)送換刀信號。

以常州某科技公司為例，其近千臺機床制造手機殼，每臺機床每年消耗5 000把銑削刀具，每年累計消耗近500萬把。我們通過檢測銑削電流的稀疏貝葉斯學習，對每把銑刀的壽命進行預測，每年可為其節(jié)省約1億元。

金融的未來

未來許多崗位或許會被機器人取代，比如法務工作人員、會計師、檢驗科醫(yī)生等。

這些工作理論上都可借助機器的深度學習算法完成，但要完全實現(xiàn)卻沒有理論上這么簡單。

現(xiàn)在大家看到很多工業(yè)大數據，實際上只是做了一些信息化的統(tǒng)計展示，并不是真正意義上的數據化。我們現(xiàn)在很多數據工廠項目都沒有太大的實際價值，無法為工業(yè)、生產提供實際性效率提升，還處于初級階段。未來下一步就是怎么再往前走一步，提高生產效率，把產品做好。

對于金融行業(yè)來說也是如此，我們要深化金融改革，加強金融監(jiān)管，科學防范風險，管理好3大系統(tǒng)：

1. 信用。首先，建立信用體系。沒有信用記錄的企業(yè)和項目，用自動化大數據的方式建立可靠的金融記錄。

其次，交叉驗證。有信用記錄的企業(yè)和項目，利用智能化的建模方式進行交叉驗證、自動化、非人工地驗證信用質量。

2. 風險。傳統(tǒng)風控的痛點是：成本高、靜態(tài)化、主觀判斷。

金融的核心風險是：信用風險、市場風險、操作風險。

而信用風險管理能力、信用風險成本是影響資產價格和利率的基礎。

3. 共識。金融風險的管理框架未來可以視作一種基礎設施，形成國際化的信用共識。我們要做到自動化的信息采集與資產質量評估、全息化的企業(yè)和項目畫像、動態(tài)的企業(yè)信用評價。

比如我們跟貴陽銀行合作項目——貴煙貸，在掌握市場進銷存數據的基礎上，對供應鏈做整體把控，通過風險控制降低壞賬率，更是一年之內讓貴陽本地經銷商的拿貨量提高9%。

并且金融機構還可以通過數據檢測來評估企業(yè)的經營狀況。

假如申請信貸的企業(yè)是一家設備廠商，單純看市占率、營收規(guī)模無法全面評估信貸風險。我們可以通過招聘網站上企業(yè)的招聘規(guī)?？s減，公司員工是否大規(guī)模更新簡歷，是否有行政處罰，招投標成功率等企業(yè)行為數據分析，政府數據分析，銀行征信數據分析等，進行綜合考量。