人工智能（AI）之路已經從被吹捧為無限的潛力發展到了具體的特定業務收益，就像帶孩子們去長途旅行一樣，既興奮又帶有不安的緊張感，並且時不時發出“我們到了嗎？”的呼聲。那麼，我們真的“在那裡”了嗎？好吧，不是，但是我們比以往更接近了，並且通過進一步檢查作為這些系統基礎的數據，我們可以識別出可衡量的ROI，這是基於AI強大的分析技術做出更好決策的能力，從而可以進一步接近“那裡”。
現在正處於AI炒作週期的那個拐點。根據MIT Sloan管理評論和波士頓諮詢集團（BCG）的《2019年人工智能全球高管研究報告》，大多數受訪者表示目前入局AI的公司尚未從投資中獲得任何回報。但是，儘管收益（新產品，增加的收入和最優化的效率）可能比想象的要更遙遠，但他們仍在繼續嘗試。
但是不可否認的是AI帶給供應鏈的巨大敏捷性和精確性，以及構建特定於某個領域的智能的重要性，該智能將行業和特定於功能的能力與數據映射以解決業務問題。
#大數據#越來越大
正如Waze和其他“智能” GPS系統使用數據來優化家庭旅行一樣，我相信通向AI收益的道路也將建立在數據之上。例如大數據的概念（企業定期收集的大量結構化和非結構化數據）已經存在了將近15年，而在那時，它只是在不斷地擴大。
這些數據來自各個地方——在內部，它是業務交易、後臺信息、客戶或者潛在客戶數據，提供機器信息的IoT傳感器等。供應鏈是特別豐富的數據源——每一跳都來自原材料通過向最終用戶發貨提供有價值的歷史信息。真正強大的功能來自將內部和外部數據與第三方數據進行匹配。
公司意識到他們的運營數據可以帶來寶貴的見解。然而，這種內部信息是有偏見的，並且存在差距。因此，企業越來越多地希望在其分析中添加其他數據源-從天氣和人口統計信息到衛星信息。儘管交易數據仍然是基礎數據資產，但2018年Gartner的一項調查顯示，近一半的企業都在使用外部資源。其中最常見的是天氣數據-例如，通過將銷售與天氣流相關聯，零售商可以預測對雪鏟的需求。
通過“智能數據”，企業數據和公共數據的組合可以做出更好的決策。對於智能數據，有許多定義。鄧白氏（Dun＆Bradstreet）的首席數據科學家Anthony Scriffignano稱其為“將真正應用於問題的數據子集——以智能的方式使用，來解決問題。”大數據將是代表每週銷售數據的一長串數字，而智能數據將是已識別出這些數字的高峰和低谷的信息，從而導致用戶做出與庫存、物流或定價有關的決策。
藉助AI使大數據更智能
人類沒有能力分析這些海量的大數據——也沒有足夠多的數據科學家來實現它。但是，智能數據則是另外一回事：數字列表與真正可行的見解，建議之間的區別，以及隨著用戶的信任，自動採取的行動最終將提高效率、優化運營、增加收入並降低成本。
對於供應鏈，人工智能提供了巨大的潛力，可以將大數據（RFID和GPS位置數據，銷售點交易數據以及與天氣和交通相關的第三方信息）轉換為智能數據。以一個集裝箱從亞洲到美國中西部的運輸過程為例，它必須在星期日之前到達芝加哥，在星期一之前到達印第安納波利斯，如果一切按計劃進行，它應該在星期二到達洛杉磯港，隨後，它將通過鐵路往西走。
當然，事情很少會按計劃進行，到達洛杉磯的時間從星期二變為星期五，但週一在印第安納波利斯的貨物仍應到達，因為供應鏈中沒有人願意等待，而且最終客戶也不在乎港口延誤。
有大量數據可幫助制定緩解該延遲的行動計劃。在這種情況下，將從內部來源（如海運碼頭，海洋運輸船，鐵路和海關通關）收集大數據，以跟蹤集裝箱的行程。相關的外部數據包括與港口延誤、鐵路和公路到達性能有關的歷史數據，以及對天氣甚至街道交通量的預測。
默認的陸上運輸公司是通往芝加哥的I級鐵路。但是由AI技術驅動的分析將大數據轉換為智能數據，從而推薦更好的線路，即在兩個公路運輸公司之間進行選擇，這兩個運輸公司都預計更有可能按時將貨物運到印第安納波利斯。
此案例在其他行業中也同樣有效，使用AI生成的智能數據為電子商務和媒體（自成立之初就已取得了巨大的進步，但仍具有較大的增長空間）的動力推薦引擎，應對流感的新方法或是將新一代電動汽車推向市場。
人工智能不僅使數據和技術更智能；它具有使業務、流程以及最終使人們變得更聰明的能力。 我們仍處於人工智能投資回報的早期階段，但是藉助智能數據的潛力，它所提供的商業價值非常值得期待。
閱讀更多 交馳智能 的文章
