元年

算法、算力和AI中台让预算管理如虎添翼

常言道,凡事预则立,不预则废。岁尾年初,做预算是企业机构的头等大事。从上到下,从下到上,很多企业需要“三上三下”才能把预算搞定,可见兹事体大。把算什么、怎么算、如何平衡、如何协同这些重大问题搞清楚,才不会在后续的日常工作中有分歧,即使有分歧也有解决机制。全面预算不仅关乎企业发展、部门绩效,也关乎员工利益。做预算其实也是摸清市场趋势、宣贯企业战略、统一行动方案、鼓足员工士气的重要手段。

近几年来,全面预算不仅是大型集团企业的常规动作,不少中小企业也开始用全面预算手段来提升规范经营、强化管理的重要手段,助力企业在迅速做大做强的过程中,用更精准的预算、考核机制来提升管控能力,让企业发展行稳致远。但由于市场发展瞬息万变,组织架构、人员配备和市场要素的调整变化,使得实际运营和预算数据差别巨大,“计划赶不上变化”,如何使预算做得更加实际,预算调整能更快跟随业务发展需要,让预算真正实现指导运营、赋能销售、控制成本,推动各部门达成绩效指标,是一个巨大挑战。

AI中台提供的丰富算法和运算速度使预算调整更加精准、快捷、高效,从年度预算推进到季、月、周,甚至实时滚动预算,给企业具体运营带来更大价值,指导、考核部门和员工的绩效达成和成本控制,推动企业的快速稳健发展。

AI中台的工作机制

“AI in ALL”是元年科技企业数字化转型的重要战略,即把深度学习、自然语言、规则引擎、知识图谱、语音识别、RPA、OCR识别、图像混扫等数字、智能技术融入到各类企业应用之中。其技术应用框架以AI中台为基础,搭建数字化助理和数字化员工,推动企业整体数字化转型进程。

AI 中台包括机器学习、深度学习、AutoML、Jupyter、AutoDL等各类建模方式,构建深度学习、大数据机器学习框架,部署关系数据库、FastData、NoSQL数据库等基础环境。数字化助理涵盖知识赋能、智能风控、业务流程助理、智能客服、数据分析等功能,数字化员工包括报账、收付、记账、对账、报告等机器人。

数智化的基础需要数据、算法和算力,云计算、数据和智能化应用的融合发展,带来云资源、数据资源和AI能力的极致解耦与弹性协同。拉通云服务调用、数据管理、AI模型训练及算法迭代等全链路资源后,在底层让云资源调配更具灵活弹性。在数据层与AI平台高效融合,在开发层实现敏捷式开发模式,构建从开发到部署的端到端、一站式大数据智能服务平台。

AI中台解决了“人找数据”和“数据找人”的双向需求。AI中台提供基础数据问答、API命令执行、复杂查询 SQL/MDX和QA Pair功能,解决“人找数据”的问题;规则设置、定时监控、多渠道推送满足“数据找人”的需求。基于大量数据的归因分析、自动洞察、时序预测和自动报告,显著增强企业决策能力,提升企业决和质量和效率。


元年AI中台架构设计

元年AI中台对接数据中台,实行统一的数据管理,在此基础之上,形成了开发流程和模型管理的高效的一体化解决方案。数据中台背后需要有强大的计算引擎和AI算法引擎支持,这为打造AI中台提供了契机。

AI中台面向企业的业务人员、数据科学家、算法人员,为他们提供多种人工智能建模方式,让用户能快速创建算法模型,并自动生成服务并发布到生产环境。在此服务的基础上,我们提供了场景丰富的数据洞察、预测、归因、决策、反馈等等的功能。

元年AI中台提供了一种融合了AI+BI的一体化的快速响应方案,让终端用户从业务数据入手,从人工智能的被动的消费者积极转变为主动生产者的角色,利用AI提供的探索、分析、预测、决策线索,抓住市场先机。

AIaaS(AI 即服务):为企业AI开发、管理、部署、监控、注册服务提供一站式解决方案,形成全生命周期的AI服务管理。业务人员和算法人员借助平台能力,可以快速实现模型的训练、部署和发布,需求交付的周期大大缩短,建模周期从周的量级缩短到1小时甚至十分钟。分析人员和决策者可以根据市场行情,快速实现洞察、分析、归因和决策,抓住市场机遇。

聚焦业务:AI中台帮助用户省去了繁琐的建模步骤,用户只需要关心数据和业务本身,就可以实现高精度的AI能力,用于后续对业务的探索、预测、分析和决策。不同行业、领域遵循同一套建模和管理方案,以标准化的接口方式嵌入到用户的使用场景中。聚焦业务还意味着把离散需求可以抽象为通用需求,可以多次复用和迭代线上算法,比如匹配模型既可以用在酒店实体(POI)的智能化对齐中,也可以在回款认领的过程中使用。同时我们会定期推出开箱即用的人工智能组件,用于不同业务的需求。

自动化调参:在算法实现过程中选择合适算法和参数依赖算法工程师经验的流程比较耗费时间,有技术门槛并且非常复杂。算法团队根据特征数据类型(比如数值型、文本型、日期型和布尔型等),对预处理、特征预处理、特征编码、算法建模和参数优化等流程,全部进行自动化处理。对模型的超参数进行了随机搜索和贝叶斯优化等多种优化方法,用户不需要指定参数,就可以从AI中台得到训练好的最优模型,实现了业内领先的AutoML(自动机器学习)能力。

解释和决策:融入模拟预测、数据洞察、归因分析等多种商业智能能力,帮助用户理解模型,建立信任,发现生产经营中的重要因素,以及决策的关键线索。算法团队使用博弈论中著名的Shapley指标,来估算模型中每个特征对预测结果的影响程度,从而形成预测结果的归因分析。

元年AI中台提供了以下几种建模方式:

面向业务人员、分析人员的无代码建模场景

业务人员和数据分析人员提供无代码建模平台,用户无需调参,只需要上传表格数据集,就可以快速实现分类、预测和时序预测的能力。众所周知,人工智能算法要达到比较好的效果,需要完成冗长的建模流程,并且进行每一步流程的优化。

面向企业单业务场景的预置组件方式

预置组件是元年算法团队,针对通用场景开发的一系列深度学习模型,用户只需要根据业务场景选择算法组件并提供训练数据,就可以实现诸如文本分类、文本匹配、实体识别、关系提取、情感分析等常用的功能,特别是元年会持续提供业财税和行业内的模型,帮助企业在业务中迅速实现相关场景的赋能。

面向算法人员的jupyter建模方式

通过jupyter环境,赋能企业的算法人员自定义实现算法功能,只需要专注于算法本身的开发,而不需要关心数据的存储、环境的搭建、服务发布等细节,并可以自动化发布为服务API,经过测试的算法最终也可以成为通用的企业组件,在业务之间共享。

AI中台的最大价值在于将企业的核心业务和繁杂的建模过程高效解耦,用户只需要聚焦于业务本身,提炼建模需求,而不需要关注建模的细节,从而形成业务数据—模型生产—模型消费—业务反馈的闭环。一是用户需要从公司的业务场景中提炼出业务需求,形成能够代表典型业务场景的数据,进行模型的生产,而不用感知建模的过程。二是AI应用对于业务的反馈,用户可以根据模型反馈及时制定调整措施,这是模型的消费过程。

比如某汽车公司想要测算下一季度某车型在某地的销量走势,那么需要提供的数据应该尽可能包含车型的参数、宏观经济、消费习惯、竞争对手、国家政策、节假日等特征数据,模型的生产过程以数据为核心资源。在消费过程中,用户可以深入了解数据特征对于销量的影响。

根据历史数据进行将来指标的预测是每个公司的基本需求,也是最广泛的一类应用场景,通常是交易类型数据,比如房价预测、公司产品销量预测、热度走势等等,这种预测往往具有时间周期的变化趋势,则构成一种特殊的预测场景,成为时间序列预测(简称时序预测)。比如根据国外某产品的每周销量,预测未来几周的销量,这是一个时序预测的场景。通过产品的每周销量,可以发现明显的周期性演化特征,并且在节假日(圣诞节,感恩节前后)有明显的销量暴涨的特征。可以看出商家需要为即将到来的销量高峰,准备合适数量的库存;如果销量下降,商家需要考虑如何清理库存。

技术进步让预算管理发挥更多价值

传统预算由于更强调预测数据内容的全面性,导致数据颗粒度往往较粗,缺乏对企业业务经营的精细化指导。AI中台和算法、算力的大幅提升,让企业预算管理更加敏捷高效。智能技术赋予预算管理以快速、智能建模及计算能力。借助强大的建模与计算引擎,企业可以快速制定针对部门、特定业务场景的经营计划,实现对不同业务活动的定制化、可视化的数据展现。

企业管理需要在不确定的环境下不断进行调整升级,而预算管理作为其中的核心管理工具,从系统、流程到方法都在发生巨大的变革。基于人工智能、商业智能、大数据等新一代信息技术,预算管理呈现了强大数据基础、高速实时运算、灵活展现方式等几大特点。预算管理周期由年度化向滚动化转变,预算管理体系在由财务化向业务化延伸,由结果展现向场景模拟转变,呈现场景化、实时化、智能化的发展趋势。

预算场景化成为必然趋势

场景化预测是部门级、轻量化业务预算的具体表现形式。场景化预测深入到最基础的细分业务环节中,基于不同的业务场景设置模型开展预测,能够大大提升预测的细度。基于内存多维数据库、敏捷BI、大数据等新技术,企业可以从物联网、云平台、移动互联网等多种渠道获取海量数据,通过ETL、日志服务完成数据并将它们存储在数据库中,经由分布式计算、内存计算加速数据变现,从而助力企业面向具体业务实现周期短、见效快、效益高的预测分析,实现企业预算与业务经营的紧密链接。

赋能企业业务发展

场景化应用是新趋势赋予预算管理的发展方向,也是新时代赋予财务体系的必然要求。在项目投资决策中,投前管理是企业运营管控中的重要环节,面对一个项目,企业的项目成本多少,投资回报率多少,项目回收期限多久,都需要依靠投前管理进行精准预测。通过项目投资测算系统的搭建,可以实现:

1.企业可针对各拟投项目进行全周期规划,测算项目的现金流和盈利指标,辅助企业判断投资项目的可行性;

2. 企业可以基于周边的竞争环境与市场环境,结合该项目的基本情况以及项目投资部对该项目的初步规划和推进节奏等,充分考虑项目成本、融资渠道、销售进度等因素的不同情况;

3. 通过对基础数据的多版本敏感测算,自动生成不同版本的模拟投资测算表和现金流量测算表,为管理层的项目投资提供快速决策支持。

在能源生产场景中,通过新一代计划预算平台中的算法和AI能力,可以高效解决具体管理难题:

1. 通过内置的线性规划等多种算法,可以测算多种场景下的最优解,满足能源企业、快销行业、制造业产、供、销多环节协同和优化需求;

2. 基于多维度内存计算和大数据技术,企业可以在大数据量下进行算法求解,如数千个产品、数十条产线、到月度的最优解;

3. 通过应用AI引擎来增强和优化算法,系统可以更加智能地给出方案。

场景化应用还将延伸到企业业务管理的方方面面。在人力资源管理领域,通过建立HCM测算模型,人力部门可以根据不断变化的人力资本市场情况和投资收益率等信息,快速、及时调整管理措施,从而获得人力资源的长期价值回报;地产企业通过建立拿地测算模型,基于项目成本、融资渠道等多因素为基础的数据模型模拟,科学快速的做出拿地决策;零售企业通过投资测算模型,基于地域、市场环境、竞争情况、消费层次、人群画像等信息进行模拟测算,生成成本回收期、收益测算表等,从而做出精准开店决策;采购部门基于采购测算模型,通过引入不同供应商,通过信息的实时获取,实现自动寻源、报价、竞拍、下单、结算等,降低采购成本,从而做出更优化的采购决策。

在数字化转型趋势下,预算管理从企业级迈向部门、业务级,从全面化走向场景化。在算法不断丰富、算力不断提升、AI技术深入应用的情况下,企业预算和实际运营紧密融合,通过将实时获取的数据深入到单项业务中开展分析,数据的价值将获得深入的挖掘与变现,从而实现应用场景的精准数据预测,助力企业在数字化变革中实现完美蜕变。

在这里您可以索取: 白皮书解决方案研究报告

>>

解决方案

白皮书

研究报告

在线沟通