亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

近年來(lái)，大數(shù)據(jù)、AI技術(shù)快速發(fā)展，如何更好地將其應(yīng)用到實(shí)踐中來(lái)，真正實(shí)現(xiàn)為產(chǎn)業(yè)賦能是一個(gè)值得探討的課題。

本期《周二直播間》欄目邀請(qǐng)長(zhǎng)江商學(xué)院MBA項(xiàng)目2020級(jí)在讀學(xué)生楊靜為大家分享《大數(shù)據(jù)、AI產(chǎn)業(yè)應(yīng)用實(shí)踐》。楊靜現(xiàn)為獨(dú)立顧問(wèn)，曾任科技公司數(shù)字化規(guī)劃總監(jiān)、管理咨詢(xún)高級(jí)經(jīng)理，獲得清華大學(xué)博士學(xué)位。本期分享包含以下內(nèi)容：

1.大數(shù)據(jù)和AI如何賦能傳統(tǒng)行業(yè)。

2.金融行業(yè)實(shí)際應(yīng)用案例。

3.醫(yī)療行業(yè)整體數(shù)字化現(xiàn)狀、展望及數(shù)據(jù)的基礎(chǔ)搭建和應(yīng)用狀況。

請(qǐng)享用~

本文整理自長(zhǎng)江商學(xué)院MBA項(xiàng)目2020級(jí)在讀學(xué)生楊靜在《周二直播間》欄目中的分享

人工智能發(fā)展到現(xiàn)在經(jīng)歷了三個(gè)階段：首先是初級(jí)規(guī)則驅(qū)動(dòng)的AI，實(shí)際上它不是真正的AI，只是形成自動(dòng)化；在第二個(gè)階段形成了數(shù)據(jù)驅(qū)動(dòng)的簡(jiǎn)單AI，但是還不足夠智能；第三階段，也就是當(dāng)下，隨著云計(jì)算、 GPU等基礎(chǔ)硬科技的發(fā)展，AI算法逐步成熟，此時(shí)各行各業(yè)開(kāi)始探索它在產(chǎn)業(yè)實(shí)際的應(yīng)用和賦能。

數(shù)字化建設(shè)

很多公司無(wú)論是傳統(tǒng)型還是科技型，都在做數(shù)字化轉(zhuǎn)型和賦能，總體而言有四大方面：

一是客戶(hù)：如何提升獲客效率、客戶(hù)存量以及客戶(hù)忠誠(chéng)度；

二是產(chǎn)品：如何通過(guò)數(shù)字化手段和工具打造產(chǎn)品的差異化優(yōu)勢(shì)；

三是運(yùn)營(yíng)：如何促進(jìn)運(yùn)營(yíng)降本增效；

四是員工：如何優(yōu)化員工管理、線(xiàn)上協(xié)作等。

談到數(shù)字化建設(shè)，大家通常會(huì)以為做了一些工具或軟件、一個(gè)系統(tǒng)就能幫助到我們，其實(shí)并非如此，數(shù)字化建設(shè)包括最上層的頂端戰(zhàn)略規(guī)劃、中間層的運(yùn)營(yíng)規(guī)劃、人力資源KPI的考核支持、運(yùn)營(yíng)底層的技術(shù)和產(chǎn)品、業(yè)務(wù)流程的標(biāo)準(zhǔn)化等等，只有上到下所有的這些層次都已經(jīng)貫穿數(shù)字化，才能夠真正形成數(shù)字化建設(shè)，真正為業(yè)務(wù)賦能。

從數(shù)字化角度，可以將企業(yè)劃分為兩類(lèi)：

一類(lèi)是在傳統(tǒng)行業(yè)深耕很久、面臨轉(zhuǎn)型的，從業(yè)務(wù)驅(qū)動(dòng)轉(zhuǎn)化成數(shù)據(jù)驅(qū)動(dòng)，在前面說(shuō)的層次上都要有一些轉(zhuǎn)變；

另一類(lèi)是一些新的創(chuàng)業(yè)公司，它新進(jìn)入到某個(gè)行業(yè)，尤其一些傳統(tǒng)行業(yè)，數(shù)字化和智能化是很好的幫助它進(jìn)入的工具，降本增效，并讓它的產(chǎn)品客制化、差異化。

無(wú)論是哪種公司，都需要先將數(shù)字化的基礎(chǔ)打好，因?yàn)閿?shù)據(jù)會(huì)流失，所以在前期我們就要做好數(shù)字化的規(guī)劃，儲(chǔ)備數(shù)據(jù)資產(chǎn)，匯小溪成大河，以后可以為業(yè)務(wù)賦能。

AI在金融領(lǐng)域

相比其他行業(yè)而言，金融行業(yè)數(shù)據(jù)基礎(chǔ)好，應(yīng)用大數(shù)據(jù)和AI具備先天優(yōu)勢(shì)，在各個(gè)業(yè)務(wù)環(huán)節(jié)（如：戰(zhàn)略市場(chǎng)、客戶(hù)營(yíng)銷(xiāo)、產(chǎn)品創(chuàng)新、銷(xiāo)售渠道、風(fēng)控合規(guī)以及流程管理運(yùn)營(yíng)）均已有數(shù)字化或智能化的應(yīng)用，也產(chǎn)生了實(shí)際的業(yè)務(wù)效果。

比如金融反欺詐的場(chǎng)景，分兩類(lèi)：一個(gè)是申請(qǐng)欺詐，冒充別人的身份做信貸*；另一個(gè)是交易反欺詐，在交易里混入一些異常的不合規(guī)、不合理的交易。AI可以找到人靠肉眼難以識(shí)別的異常交易，然后我們?cè)偻ㄟ^(guò)人的人工決策來(lái)判斷它是是否確實(shí)是異常交易，最后決定是否采取手段。

還有，比如中小企業(yè)*很困難。以前，銀行對(duì)企業(yè)的信用評(píng)估主要是基于財(cái)務(wù)報(bào)表。但中小企業(yè)的財(cái)報(bào)信息是不準(zhǔn)確的，而大數(shù)據(jù)和算法能夠幫我們利用更多的維度來(lái)評(píng)估這些中小企業(yè)的信用，挖掘更準(zhǔn)確的信貸評(píng)估結(jié)果，切實(shí)幫助到小企業(yè)，尤其是信用好的小企業(yè)，得到更好的信貸資金支撐。

另外，產(chǎn)業(yè)端的供應(yīng)鏈金融問(wèn)題。供應(yīng)鏈上游是供應(yīng)商，下游有經(jīng)銷(xiāo)商，中間是核心企業(yè)，信用狀況比較好，還款能力也比較強(qiáng)，相對(duì)容易獲得信貸資金支持。但是它上下游的小企業(yè)很難得到很好的*資金支持。在這種情況下，我們考察核心企業(yè)和它的一些商務(wù)往來(lái)關(guān)系，尤其是與上游供應(yīng)商的業(yè)務(wù)往來(lái)，因?yàn)樗馁Y金都是來(lái)自于核心企業(yè)的，所以它只要跟核心企業(yè)有持續(xù)的業(yè)務(wù)往來(lái)，就可以被認(rèn)為是相對(duì)可信的，因?yàn)槲覀冃湃闻c它合作的核心企業(yè)。

而且，核心企業(yè)的管理水平和數(shù)字化建設(shè)能力一般都比較強(qiáng)，所以它跟上下游的一些往來(lái)訂單發(fā)票、實(shí)際的交付款記錄等都對(duì)上下游的企業(yè)有一些準(zhǔn)入的把控，所以從核心企業(yè)這里，我們就可以得到很多的上下游小企業(yè)真實(shí)的信用狀況，也就是商業(yè)信用。然后我們把商業(yè)信用轉(zhuǎn)化成金融信用來(lái)評(píng)估小企業(yè)的信貸資質(zhì)。

AI在醫(yī)療領(lǐng)域

根據(jù)2019年的統(tǒng)計(jì)，國(guó)內(nèi)醫(yī)療數(shù)字化建設(shè)的投資逐年增長(zhǎng)。

首先，醫(yī)療行業(yè)數(shù)字化建設(shè)的數(shù)據(jù)基礎(chǔ)是醫(yī)療大數(shù)據(jù)。

醫(yī)療大數(shù)據(jù)，可以從兩個(gè)大的維度來(lái)看：

一個(gè)維度是數(shù)據(jù)的深度，也就是從數(shù)據(jù)的產(chǎn)生、加工、應(yīng)用，最終達(dá)到數(shù)據(jù)驅(qū)動(dòng)和賦能業(yè)務(wù)決策。

另一個(gè)維度是數(shù)據(jù)覆蓋的廣度，患者全生命周期的數(shù)據(jù)留存與利用。

一個(gè)患者或潛在患者經(jīng)歷的過(guò)程，一開(kāi)始是健康管理，現(xiàn)在有很多 IoT的設(shè)備，比如智能手表，可以收集很多的健康行為；然后是診療，患者生病去醫(yī)院，在醫(yī)院內(nèi)部的一些儀器設(shè)備上留存的檢查數(shù)據(jù)，醫(yī)生寫(xiě)的病歷，都是這個(gè)環(huán)節(jié)能產(chǎn)生的數(shù)據(jù)和信息；然后再有醫(yī)生給的診斷，做過(guò)的一些諸如基因檢測(cè)的具體的檢測(cè)，包括一些病理檢測(cè)，也有很多的數(shù)據(jù)；然后是隨訪(fǎng)，比如出院后的術(shù)后管理，比如吃藥后的情況是什么樣的，包括最終的臨床結(jié)局都可以是醫(yī)療大數(shù)據(jù)的組成部分。

總結(jié)一下，現(xiàn)階段醫(yī)療數(shù)據(jù)在深度上，還處在數(shù)據(jù)基礎(chǔ)搭建和數(shù)據(jù)加工處理層面，距離數(shù)據(jù)驅(qū)動(dòng)和業(yè)務(wù)賦能還有一段路要走。另一方面，在數(shù)據(jù)的廣度上，各個(gè)環(huán)節(jié)的數(shù)據(jù)相對(duì)分散，還沒(méi)能形成系統(tǒng)的全流程數(shù)據(jù)，進(jìn)而發(fā)揮價(jià)值。

其次，談?wù)勛罱容^受關(guān)注的應(yīng)用領(lǐng)域，AI制藥。

整個(gè)醫(yī)療行業(yè)中一個(gè)很重要的參與者是制藥公司，對(duì)它們來(lái)說(shuō)很重要的是藥物的全生命周期管理：從藥物研發(fā)，到上市前的臨床實(shí)驗(yàn)，到上市之后的營(yíng)銷(xiāo)，再到患者的適應(yīng)癥情況追蹤，這些共同形成一個(gè)完整的流程。這個(gè)流程也需要數(shù)據(jù)支撐，從最開(kāi)始的科研文獻(xiàn)，到科學(xué)研究的成果，再包括患者的數(shù)據(jù)、醫(yī)療的結(jié)果，每個(gè)環(huán)節(jié)用到的數(shù)據(jù)都不太一樣。其中，藥物研發(fā)相對(duì)，可能涉及到很多學(xué)科：包括化學(xué)、生物、醫(yī)學(xué)等等。

藥物研發(fā)的過(guò)程，對(duì)醫(yī)藥公司而言，也存在巨大的困難和挑戰(zhàn)——一是因?yàn)楹芏嘀暗膶?zhuān)利過(guò)期，就需要持續(xù)的有業(yè)務(wù)增長(zhǎng)，持續(xù)有新的藥物被研發(fā)出來(lái)，但是藥物的研發(fā)又很困難；二是失敗風(fēng)險(xiǎn)高，到臨床三四期甚至到最后了，也可能失敗，研發(fā)的投入也很高，通常在10年以上；三是，現(xiàn)在一些政策的加持，包括單量采購(gòu)，政府壓價(jià)。所以，傳統(tǒng)的制藥公司在藥物研發(fā)上面臨如何增降本增效、提高成功概率的問(wèn)題。

這時(shí)出現(xiàn)了新的進(jìn)入者，也就是AI制藥公司，在制藥的各個(gè)環(huán)節(jié)利用一些數(shù)據(jù)驅(qū)動(dòng)的工具，進(jìn)行優(yōu)化和降本增效，然后用數(shù)據(jù)驅(qū)動(dòng)，盡量提高成功率。AI公司一開(kāi)始服務(wù)于傳統(tǒng)制藥公司，給他們做一些軟件，在制藥的各個(gè)環(huán)節(jié)里優(yōu)化它，但是慢慢的會(huì)形成一些相對(duì)成熟的公司，開(kāi)始去做自己的藥物管線(xiàn)，因?yàn)橛袛?shù)據(jù)驅(qū)動(dòng)內(nèi)核，可以更好的降本增效，真的研發(fā)新藥物出來(lái)，所以AI公司和制藥公司是競(jìng)爭(zhēng)合作關(guān)系。

AI已在制藥各個(gè)環(huán)節(jié)賦能，如下圖：

結(jié)語(yǔ)

綜上，大數(shù)據(jù)和AI技術(shù)正在逐步賦能傳統(tǒng)行業(yè)。以金融行業(yè)為例，大數(shù)據(jù)和AI技術(shù)在金融反欺詐和優(yōu)化中小企業(yè)*等課題中都扮演著重要的角色。在醫(yī)療行業(yè)中，大數(shù)據(jù)和AI技術(shù)的價(jià)值日漸突出，但對(duì)于醫(yī)療大數(shù)據(jù)收集的深度還需進(jìn)一步加深，對(duì)于覆蓋面極廣的醫(yī)療大數(shù)據(jù)需要進(jìn)行更加系統(tǒng)化的整理。同時(shí)，對(duì)于當(dāng)前面臨著較大壓力的制藥公司來(lái)說(shuō)，大數(shù)據(jù)和AI技術(shù)的出現(xiàn)和應(yīng)用無(wú)疑是幫助企業(yè)實(shí)現(xiàn)降本增效的一大福音。