报告编委
黄勇
爱分析合伙人&首席分析师
李进宝
爱分析高级分析师
兰壹凡
爱分析分析师
外部专家(按姓氏拼音排序)
岑润哲
数势科技 金融行业解决方案负责人
刘梦溪
数势科技 零售行业解决方案负责人
钱智毅
渊亭科技 政务行业总监
特别鸣谢(按拼音排序)
目录
1. 报告综述
2. 消费品与零售行业智能决策实践
3. 金融行业智能决策实践
4. 政府与公共服务行业智能决策实践
5. 结语
1. 报告综述
经济新常态下,精细化运营成为企业增长的关键动力,对决策质量提出了更高要求。同时,复杂多变的商业环境使决策约束条件不断增多,并对决策敏捷性提出了更高要求。因此,依靠业务规则和专家经验的传统业务决策愈发难以满足企业的需求,企业需要对决策方式进行升级。
智能决策具备助力企业实现决策方式升级的能力,并已在消费品与零售、金融、政府与公共服务等多个行业落地应用。智能决策正在这些行业的场景发挥作用,在生活中随处可见。在大型超市,摆在消费者面前的为什么是这些商品组合;在银行,贷款者的贷款申请为什么能快速出具结果;在行政大厅,企业的申报材料为什么有时能马上出具审核结果……智能决策不断释放“魔力”,对人们的生活方式和企业的生产经营方式施加愈发深刻的影响。
随着市场发展,这种影响方式也在不断发生变化。甲方在落地智能决策项目时,可以分为单点式、单线式和全局式三种情况。单点式指在某个细分业务场景实现智能决策;单线式指实现某一类细分业务场景的智能决策闭环;全局式指实现多个大类业务场景的智能决策。智能决策价值逐步得到市场验证,甲方对单线式和全局式的智能决策项目更加青睐,在实践中供需双方常称其为“决策大脑”类项目。以“决策大脑”为承载,智能决策将有更大的展示舞台。
目前来看,消费品与零售行业、金融行业、政府与公共服务行业在“决策大脑”方向居于发展前列。本报告将选取这三个行业的智能决策解决方案市场作为研究对象,围绕该解决方案在大中型企业和政府部门的落地应用展开研究,重点分析各行业的甲方对智能决策的需求和落地情况。
图 1: 智能决策市场全景地图
2. 消费品与零售行业智能决策实践
消费品与零售行业的甲方包括零售商超、品牌商、电商等,智能决策解决方案主要用于满足智能营销、智能定价、智能补配调等需求,终端使用者主要分布在IT、数据、运营、供应链、门店等部门。
消费品与零售行业的甲方对“决策大脑”的需求体现在供应链优化和用户运营两个方面,致力于打造涵盖“买”与“卖”全流程的智能决策体系。专家经验面对海量SKU和消费者愈发捉襟见肘,难以高效且正确地做出决策,甲方希望借助智能决策找到破局之道。企业可以通过智能决策实现供应链优化,解决缺货、高库存、SKU臃肿、门店个性选品策略缺失等问题。例如SKU臃肿问题,该问题在商超业态非常明显。商超倾向追求大而全,导致SKU数量骤增,当甲方意识到一些SKU并非必要且不盈利的时候,试图做“减法”。可面对数万乃至数十万SKU时,如何快速准确地挑选出需要剔除的商品成为一个难题,专家经验失灵。企业可以通过智能决策实现更加精准的用户运营,解决人群圈选方式低效、人群圈选方式不能自动调优、难以个性化运营等问题。
图 2: 消费品与零售行业智能决策主要应用场景
消费品与零售行业智能决策解决方案的项目环节大致包括业务梳理、方案设计、产品引入及改造、联调与打通、试运行、验证评估与正式上线等环节。在业务梳理环节,厂商除了需要梳理甲方业务布局、工作流程、业务规则的信息,还需要梳理甲方的业务数据治理情况。在消费品和零售行业,除头部电商之外,其他企业的数据质量和完整性普遍存在缺陷,若直接应用智能决策将会出现明显偏差。智能决策解决方案需要站在“数据巨人”肩膀上发挥作用,因此对数据治理能力有较高要求,比如建立数据规则、打通数据孤岛、数据集中管理等。当前,较多有实施智能决策项目意向的消费品和零售企业不具备优良的数据治理能力,以至于难以满足智能决策需求,因此甲方需要得到来自厂商的数据治理赋能。在智能决策项目实施过程中,甲方需要着重注意此点。
案例1: 某零售商超携手数势科技,实现经营、运营、供应链场景的决策效率提升
某国内零售商超经过20年耕耘探索,已经成为运营上千家门店的头部零售商超集团,年销售额近千亿元。2020 年,疫情下的零售市场受到巨大冲击,线上零售玩家争相进入市场,竞争日益激烈。该零售商超为适应当下消费者需要,尝试运用数字化和智能化手段突破经营效率瓶颈,将消费者线下消费习惯转移至线上,推动线上线下全渠道经营效率提升。
在过去的数字化转型过程中,该零售企业发现,简单的数字化场景试点项目无法提升整个企业经营效率,企业经营仍然未能实现数据驱动决策。因此,该零售企业决定对整体运营模式进行全面数字化升级,引入智能决策构建全局决策能力体系是重中之重。
“0+7”数字化转型计划,助力该零售商超实现“以数据驱动经营决策”的转型目标
为助力该零售商超企业实现“以数据驱动经营决策”的数字化转型目标,数势科技计划先根据该零售商超的数字化经营状况进行全面诊断,即“0号”数字化战略咨询项目,再根据诊断结果分设7个子项目,对转型难题逐个击破。整体转型项目流程如下:
图 3: 某零售商超“0+7”数字化转型项目流程
为制定全面且有针对性的数字化转型方案,该零售商超与数势科技首先进行了“0”号诊断咨询项目,发现以下待优化问题:
1. 云基础设施较为分散:成本高、网络连接不稳定、运维复杂、底层架构不统一,需要将云服务进行整合。
2. 中台重复建设:企业内部各业务线自行开发技术中台、数据中台和交易中台,造成技术中台组件和数据库较为杂乱,且各中台数据无法跨业务线互通。需要对技术组件、数据中台、交易中台进行统一。
3. 标签、指标体系混乱:由于各数据中台拥有不同的标签体系、指标体系,导致数据存储成本、标签管理成本过高。对指标进行规范化的口径管理和拆解,减少冗余指标,降低管理难度。
4. 用户运营效率低:在用户标签层面,标签数量少,画像不够完善,效果分析维度不够全面。在营销决策层面,无法实时为用户精准推送营销活动、利益点及内容,且策略无法实现自行调优,推送触达成功率低,用户体验有待提升。
5. 供应链优化问题:目前搭建的供应链系统仍无法提供智能预测补货、智能选品、品类结构优化功能。需要通过智能决策技术,为门店选择最优的商品组合,提高库存周转率和资金使用效率。
由此,数势科技对零售商超整体数字化水平及建设给出更详细的改善计划,提出7个改进方向:统一云平台、技术中台、数据中台、用户运营决策平台、交易中台、智能供应链决策平台、物流履约平台,分别对应1-7号子项目。其中,数据中台、用户运营决策平台以及智能供应链决策平台是本次智能决策实践案例关注的重点。
该零售商超先夯实数据基础,再针对经营、运营、供应链场景实现智能决策升级
由于其他场景智能决策平台的构建都需要数据底座基础能力的支持,因此数据中台项目率先启动。
1. 数据中台建设
在数据中台建设项目上,该零售商超技术团队和数势科技需要对原始业务系统和数仓实现数字化升级,为其建立从底层的离线数据、实时数据采集、数据批量处理,到数据资产指标口径统一,然后向上提供完整的跨领域服务的一整套数据基座。具体分为以下三个步骤:
(1)整合底层的基础大数据平台。由于该零售商超不同团队内部单独建设数据中台,导致数据孤岛问题。数势科技首先辅助解决数据中台重复建设难题,统一整个企业的数据底座,随后补全了基础数据平台统一采集、实时采集能力,保证统一高效的数据平台的开发和管理。
(2)统一数据资产、统一指标体系。双方从利润方向、规模和效率方向,重新梳理了一整套指标体系。同时又实现了从前端供应链采购到后端门店终端,线上不同渠道间都形成了口径对齐,保证对于决策层数据都是真实可用的。
(3)建设经营分析平台。数势科技针对报表分析脉络进行了梳理,管理层设计链接策略执行层,包括部门级别分析体系和核心场景。双方团队基于该零售商超的分析体系建立了经营分析职能体系,还同时连接了数字化持续运营的sop,辅助该零售商超基于数据持续运营决策判断。
2. 用户运营决策平台建设
该零售商超为适应消费者购物习惯转变,已经构建以用户为中心的运营体系,但用户运营相关系统存在用户画像不完善、缺少实时及多波次的精准营销能力、营销效果难以分析等问题。而双方团队此次通过对数势科技的用户决策产品组合运用,实现用户运营决策平台从“经验驱动运营”向“数据驱动运营”、从“粗犷式人工运营”向“精细化自动运营”、从“单渠道割裂运营”向“全渠道一体化运营”的决策升级转变,解决了上述用户运营难题。
图 4: 用户运营决策平台架构
在用户运营决策平台建设子项目中,该零售商超构建用户标签体系、用户策略体系,建设用户可识别、用户可分析、用户可触达、自动化、智能化的一站式用户运营决策平台:
(1)该零售商超通过数势科技用户数据平台(CD)的标签管理模块统一梳理内部标签,构建起完善的标签体系。同时,运用算法模块中的分层模型进行用户分层,明确用户画像,为用户运营策略提供多维度的数据支持。
(2)该零售商超运用用户洞察分析(CI)进行用户概览和拉新培育、用户迁移等维度进行监测,并对细分人群的画像特征进行数据分析,为用户运营决策提供建议。
(3)该零售商超借助用户策略平台(CJ)中的计划引擎、策略库、策略设计模块搭建和梳理用户运营策略框架。基于用户画像分析结果进行营销动作执行和匹配,对新老用户制定不同的运营策略。再通过策略执行、策略分析、对接管理模块实施多波次的、实时精准的自动化营销。比如99节活动时,平台将促销信息通过短信推送形式或企微社群的方式智能触达到用户。
(4)该零售商超对线上渠道触点统一管理,建设可视化的APP/小程序页面编辑器,设置了丰富的商品组件、营销组件、内容组件,并建立消息频控、免打扰等用户体验保障机制,提升用户体验和消息触达转化率。
3.智能供应链决策平台建设
无论企业规模大小,库存周转率低、SKU冗余、资金使用效率低是零售企业共同面临的难题。针对这些难题,该零售商超提出实现智能补货、智能选品和品类结构优化的明确需求。
(1)针对智能选品:基于数势科技的算法积累和技术优势,为不同地址的门店智能选择优势商品。比如为CBD附近的门店选择零散商品,为位于郊区的仓储店选择量大的家庭包装,以适应不同人群的购物习惯。
(2)针对预测补货:该零售商超将经过充分调研的补货规则融入模型中,设置补货市场、前置期等规则因素,根据预测结果进行货物数量的及时调整,规避缺货情况,降低缺货率。
(3)针对品类结构优化:对单个门店而言,真正有核心商品力的产品不多,通过预测补货和智能选品来优化品类结构,后端采购供应减少对接的供应商数量和商品种类,前端不必频繁更新商品。
通过整体数字化转型和决策智能化提升,该零售商超真正实现“以数据驱动经营”目标
通过“0+7”数字化转型项目,该零售商超完善了七大技术平台能力建设,在全渠道时代构建了四大核心关键能力:全渠道用户运营能力、全产业优质供应能力、全场景数字化经营能力、以及全链条智能履约能力,在增收、降本、增效方面上为该零售商超带来了显著价值。
图 5: “0+7”数字化转型项目成果
数据中台建设统一了集团内部指标体系和标签体系,实现了数据指标和业务数据可视化,数据开发越来越高效,分析决策平台正式上线标志着该零售商超真正实现了“以数据驱动经营”的目标。
该零售商超用户运营策略实现精细化后,完成了用户域400+常用标签建设,日均100+个策略执行,日均1000万人次自动化全渠道触达,社群交易转化率提升了26%,实现了月度2000万以上的业绩增量,降低了80%的精细化运营人力时间成本,整体提升了5倍的运营效率。
智慧供应链决策平台建设以后,该零售商超精确了供需预测,库存周转天数下降了30%,释放了25%的库存金额,提升了库存周转次数和动销率,降低了库存成本,降低了门店的缺货率。
3. 金融行业智能决策实践
金融行业的甲方包括国有大行、全国性股份制银行、城商行、农商行等多种银行,也包括保险公司、证券公司等其他各类金融机构。智能决策解决方案主要用于满足智能营销、智能风控、智能核保等需求,终端使用者主要分布在IT、数据、风控、产品、运营等部门。
图 6: 金融行业智能决策主要客群
金融行业的甲方对“决策大脑”的需求体现在用户运营、保险和借贷等场景,致力于打造涵盖业务全局的智能决策体系。甲方在落地智能决策项目时,可以分为单点式、单线式和全局式三种情况,在金融行业尤为明显。单点式指在某个细分应用场景实现智能决策,比如某金融机构推出新产品,需要在老客户名单中寻找购买意向最高的群体,此时可以借助智能决策的力量。单线式指实现某一类细分场景的智能决策闭环,比如用户运营包括多个环节,可以借助智能决策的力量实现甲方整个用户运营工作的智能决策。全局式指实现多个大类场景的智能决策。
图 7: 金融行业智能决策主要应用场景
金融行业智能决策解决方案的项目环节与消费品与零售行业相似。项目总时长一般在6个月以上,略短于其他行业的项目总时长。金融是第一热门行业,用户已经从头部机构扩展至腰部机构,而其他行业的智能决策用户还停留在头部机构,就平均项目规模而言,金融行业稍小一些,因此用时相对较短。
数据治理问题不仅存在于消费品与零售行业,在金融行业同样存在。除此之外,金融行业智能决策项目还有两个实施要点,分别为信创要求和决策结果可解释性。厂商需要符合信创资质,在项目实践中,厂商主要通过信创组织身份、底层国产软硬件产品互认证书、信创项目案例、信创环境测试报告和国家信创产品名录(非公开)五种方式来证明。信创工委会是重要的信创组织,“信创”一词便由其提出,厂商加入其中获得成员身份对厂商参与有信创要求的项目较为重要。底层国产软硬件产品互认证书指智能决策厂商需要和国产芯片、操作系统、数据库和中间件厂商进行适配工作并取得证书,比如龙芯、麒麟操作系统、达梦数据库等厂商。信创环境测试报告指智能决策厂商将产品置于信创环境,取得相关测试报告,以证明可用性。
在金融行业的诸多应用场景中,有些应用场景对决策结果的解释性需求较低,更看重效果,例如精准营销场景。有些应用场景对决策结果的解释性需求较高,例如智能风控场景,在该场景下,银行根据智能决策结果决定不给某些客户提供贷款,需要出具相应的解释。相较于消费品与零售行业,金融行业对?霾呓峁慕馐托杂懈咝枨蟆?
案例2: 某头部券商打造数字化客户经营平台,实现客户运营决策智能化
某头部券商成立于20世纪90年代,公司总部设在深圳,经历多年稳健经营,该券商已成长为国内主流券商之一。该券商经纪业务近年着重提升获客和改善客户结构,截至2021年上半年经纪业务个人客户数和活跃客户数位居市场前列。
然而,规模日益扩大的客户数量对该券商客户运营业务带来诸多挑战。该券商旧有的运营平台存在数据洞察过程不透明、数据洞察时间占比少、营销策略设计经验无法沉淀、线上业务推进率低、数据孤岛、运营流程断点等难题,造成线上客户运营效率低下,无法充分挖掘客户价值。
为不断提升客户运营质量,该券商期待通过更高效的运营平台建设方案突破数据层面、技术层面和产品资源层面的瓶颈,运用人工智能技术提升运营环节的灵活性和存量客户的精细化运营效率。
因此,该券商对数字化客户经营平台建设方案提出了以下目标:
图 8: 数字化客户经营平台建设方案目标
第一,优化已有的客户经营平台,促进智能化升级。
(1)实现平台内数据互通、共享,解决数据孤岛问题。
(2)实现运营流程智能化、自动化,自动收集散落在各系统里营销策略、营销活动的数据和信息,提升运营决策效率。
(3)实现数据洞察过程透明化,以便评估数据洞察效果,定位细分人群和执行后续运营决策。
(4)平台能够沉淀运营策略设计经验,将运营分析师的历史经验转化为数据,沉淀成公司资产,将其作为设计运营策略的依据。
第二,以客户经营平台为核心,驱动其他系统平台能力升级。完善经营平台周边系统的基础建设,提升线上业务的推进效率。
第三,确保交易高峰期也能实时进行营销流程。
经过深度考察,该证券公司选择数势科技作为合作伙伴。数势科技能够凭借丰富的金融领域业务Know-how以及技术积累,运用包括数据资产云、经营分析云、智能营销云在内的一系列智能决策产品,根据金融企业业务决策痛点,为企业提供良好的诊断咨询服务和切实可行的场景解决方案,助力金融企业实现智能运营、智能营销等场景下的决策效率提升。
围绕精细化运营需求,建设方案运用智能决策技术为数字化客户经营平台升级赋能
为助力该券商构建科学合理的标签体系、制定精细化客户分层策略、完善客户运营功能闭环和策略迭代升级,数势科技给出如下数字化客户经营平台架构方案:
图 9: 数字化客户经营平台架构
整个数字化客户经营平台建设方案分为三个步骤:
第一阶段:标签平台、指标平台以及周边系统升级。在原有经营平台的基础上,数势科技辅助该券商进行客户经营平台的数据治理、统一数据口径。接着,与券商技术团队将散落在各个系统中的标签和指标分类进行科学梳理,构建统一的指标平台和标签平台,实现各平台间信息共享、数据互通。同时,指出该券商需要客户层面、产品匹配层面、市场信息输入层面、触达客户渠道层面四个方向升级,优化客户经营平台的数据资产层,巩固和提升客户经营平台整体的数字化能力。
第二阶段:客户旅程自动化营销策略平台搭建。在该券商原有客户经营平台提供单独事件的策略服务基础上,数势科技提出增加智能决策平台部署,为运营人员提供便于操作的智能化策略工具,基于数据资产层的指标平台和标签平台科学合理的精细化客户分层机制,智能设计更有针对性的运营策略,比如多波段全局打通的策略触达,或利用客户行为触发策略推荐。同时结合实时智能技术增强该券商精细化运营能力,提升对高潜用户、预流失用户的营销精准度,进一步增强运营策略的时效性、扩大运营策略的覆盖范围。
第三阶段:策略效果分析平台搭建。前俩阶段夯实经营平台数据分析基础和完善智能运营策略推荐机制后,数势科技将搭建客户经营策略效果分析平台,实现策略效果的智能化分析。数势科技将运用机器学习算法和运筹优化技术实现策略模型自迭代,让自动化营销策略平台根据数据分析结果自主实现策略修改。让策略效果分析平台与营销策略平台构成营销策略智能设计、策略智能推送、策略效果智能评估、策略自迭代升级的完整闭环,来大大降低运营人员使用策略平台的难度,实现客户经营平台决策效率提升。
围绕存量客户的精细化运营升级这一核心需求,数势科技为该券商设计和验证了数字化客户经营平台的最小可行产品,该券商也从可行产品中得到了“智能决策是否能切实提升运营环节的灵活性”这一问题的肯定答案,与数势科技共同推动数字化客户经营平台,将其作为该券商整体数字化转型的抓手之一。
借助数字化客户经营平台,该券商解决了营销数据不准确、平台信息接口多、交易高峰期营销推送滞后的难题
在整体搭建数字化客户经营平台过程中,该券商技术团队和数势科技以先试点再推广“小步快走”的方式逐渐释放业务价值,对营销数据不准确、平台信息接口多、交易高峰期营销推送滞后多项难题进行逐个击破。
1. 利用指标平台统一指标口径,保证营销数据准确性。数字化客户经营平台所有策略决策过程都需要参考营销环节收集的数据,因此,确保数据的准确性成为头号需求点。数据不准确问题往往来源于不同数据平台的数据源底表差异和指标口径的差异,数势科技提出将数据源底表合并,并引导券商一同开展数据治理工作,为指标平台搭建、客户旅程自动化营销策略平台、以及策略效果分析平台奠定了良好的数据基础。
2. 统一信息接收和分发接口,实现一对多数据接入。数字化客户经营平台处于客户运营的核心,扮演运营中心的“决策大脑”的角色,经营平台需与金融产品团队、技术研发团队、策略运营团队等进行需求沟通、项目排期、数据对齐等动作,涉及十几个平台的交互协作,与其他系统的接口对接多、依赖多,项目管理难度因此成倍增长。数字化客户经营平台面对该券商内部对接多个部门的难题,统一了信息接收和分发的接口,降低了沟通成本,削弱信息不对称带来的负面影响。
3. 自迭代实现平台性能优化,实现交易高峰期的实时智能营销推送。金融行业数据规模大、时效性要求高,在高频交易的四小时内,该券商的埋点数据就可达5-7个亿。证券公司在交易高峰期还需对海量宏观数据、市场数据、公司数据、客户数据等进行多方分析,瞬时内输出个性化的营销推送。面对券商交易时间内数据量大的问题,数势科技团队通过实时智能技术和机器学习、运筹优化的智能决策技术,完善和优化了数字化客户经营平台,提升了日均策略的执行量和触达人次,确保交易高峰期的实时营销推送。
数字化客户经营项目取得标签平台升级、策略覆盖率与时效性提升、各场景决策效果提升的显著成效
围绕存量客户精细化运营升级目标,数字化客户经营项目在该券商推广落地后,在用户运营、基金销售、线下队伍、投顾服务、财客运营五大业务线取得了显著的业务效果提升。
图 10: 数字化客户经营项目平台成果
1. 标签平台升级。数势科技从标签系统功能、标签体系结构、标签运营管理机制三个维度对标签平台进行升级,标签综合使用率从15%+提升至70%+。
2. 策略覆盖与时效性提升。数字化客户经营平台落地应用后,日均触达人次由100万+提升至3000万+,实时决策占比由0%提升至70%+。2021年线上用户运营团队进行推广落地时,积累200+多波段的运营策略,10+终端用户。2022年,数字化客户经营平台在基金销售、线下队伍、投顾服务、采购运营进行推广应用,常规执行策略积累500+,终端用户积累40+,日均注册用户的服务覆盖率为100%。
3. 各场景决策效果提升。数字化客户经营平台在券商各部门推广后,公募基金、理财产品90天新客破冰率由8%提升至13%,线下投顾商机增长80%,线上开户转化率提升30%。
4. 政府与公共服务行业智能决策实践
政府与公共服务行业的甲方主要有三类:
图 11: 政府与公共服务行业行业智能决策主要应用场景
一、具备监管类职能的单位。例如保障金融安全的银保监会、交易所等,以及保障公共安全的公安、国安等。这些单位基于交易数据、账户数据、通话数据、出行数据等合法获取的信息,利用智能决策相关技术,及时定位问题、防范风险事件,例如金融的关联交易发现,公安的犯罪嫌疑人研判等。智能决策技术在该类客户主要的作用是提升监管效能。例如某省公安厅建立维稳情报信息平台,希望借力科技信息化手段,创新工作机制,实现工作从“多部门手工研判”向“智慧型一站式研判”转变,大力提升工作质量和工作效率。相关智能决策厂商利用云计算、大数据、人工智能等先进技术,搭建横向可动态扩张的软件平台,建立预警发现、分析研判的决策模型以及业务应用系统。
二、城市运行决策机构。例如应急管理部门、交通管理部门。这些部门利用机器学习、深度学习等技术形成城市运行决策模型,实现目标场景运行态势、问题行为、突发事件的事前预案推演、事中快速响应,应用场景包括社会态势感知、城市内涝风险预判、疫情防控等。例如2019年北京市人社局提出的需求,通过对舆情、产情、企业竞争力的综合评估,对可能存在的劳动关系用工风险进行预警和研判,为数字经济环境下营造和谐劳动关系提供参考和决策支撑,为相关单位提供辅助决策。相关智能决策厂商通过互联网信息进行监测,建立统一的互联网劳动关系用工风险舆情数据主动采集服务,对存在风险企业进行上报监测,对舆情、产情、企业竞争力的综合评估,对可能存在的劳动关系用工风险进行预警和研判。
三、几乎所有涉及行政审批的部门。审批涉及的政策法规较多,人工处置和判断工作量大、容易出错且耗时长,通过综合运用OCR、NLP、RPA、知识图谱、规则引擎、机器学习、深度学习等技术,对申报材料进行智能分析和审批,实现审批过程的智能申报审核、纸电一致智能核对、智能审批预决策等。
政府和公共服务行业的甲方选择启动智能决策项目,主要因为传统的信息化已经无法满足他们的业务需要。随着政府业务流程复杂化,数据量爆炸式增长,人力成本不断提高和公众对政府服务的便捷性、智能化要求越来越高,政府和公共服务行业的甲方需要有更加智能化的手段来进行决策,提升服务效率和准确性,降低人工成本。以涉及行政审批的部门为例,甲方对“决策大脑”的需求为完整审批流程的智能化,全面提升审批效率和准确率,最终实现办事人员体验以及政府部门人效的提升。
对于厂商而言,这些需求主要考验厂商的技术能力、成熟的定制化服务能力、丰富的政务领域应用落地经验。技术能力主要体现在海量政务数据的处理能力,高准确率决策模型的构建能力、算法和数据的安全性等方面,成熟的定制化服务能力和丰富的政务领域应用落地经验指厂商对政务业务场景具有比较深的理解,在解决方案中能够将智能决策技术与应用场景相结合,切实解决用户的痛点需求,确保项目成功实施。
案例3:政策兑现智能审批系统助力某市高新区实现审批智能化,效率提高62.5%
某市高新区管理单位作为市政府的派出机构,是该市高新区的管理和服务部门,主要负责高新区的发展规划制定、科技创新和体制创新的方针政策制定,负责为高新区建设科技中介服务体系,组织国家相关计划项目、技术创新基金项目的推荐、申报和管理工作,审批高新区投资项目及各类企业机构,并实行统一监督管理。
然而,在审批监督管理工作中,日趋复杂的业务流程、爆炸式增长的数据量以及日益攀升的人力成本,使得该单位的惠企政策兑现工作承受巨大压力,现有的信息审批系统无法满足当下惠企政策兑现的业务需要。与此同时,企业对公共服务的便捷性、智能化要求越来越高,该单位需要更智能化的手段以辅助决策,提升服务效率和准确性,降低人工成本。
为重点解决现有申报系统企业申报端面临的申报材料多、申报审批耗时长、企业耗费精力大等问题,以及政府审核端面临的企业材料繁杂、审批难度大、人工审核耗时长等问题,通过对目前高新区企业政策兑现工作流程痛点进行分析,该单位提出以下项目建设需求,并预期政策兑现智能审批系统与现有平台体系进行深度融合,同时具备良好的兼容性和扩展性,以适应业务发展需要。
图 12: 某市高新区管理单位政策兑现审批流程痛点及项目建设需求
综合上述需求,该单位需要选择兼具成熟智能决策技术和丰富行业服务经验的复合型厂商进行合作。经过多方评估,该单位锁定了在政务领域具备智能决策定制化服务能力的渊亭科技作为合作伙伴。
渊亭科技在知识图谱、图计算、强化学习、深度学习等领域拥有核心技术优势,与多省公安厅和地市政府在智能决策应用场景上有着深入合作,行业项目落地经验丰富。渊亭科技自主研发的智能决策平台,可运用知识推理解决定性分析问题、运用模型计算解决定量分析问题,充分做到了定性分析和定量分析的有机结合。平台支持从规则/模型开发,到决策流编排设计,再到部署、应用、评估以及运维的智能决策全生命周期服务流程,为高效政务管理、决策提供保障。
建设政策兑现智能审批系统,对原有政策申报系统的低效决策流程进行智能化改造升级
为着力解决该管理单位原有申报系统存在的问题,实现智能化审批决策流程,建立惠企政策服务支撑机制,切实提高惠企政策服务能力。渊亭科技进行了为期四周的需求调研,形成政策兑现智能审批系统的建设方案。方案针对原有政策申报系统中的典型决策低效环节,进行审批决策智能化改造升级。
图 13: 政策兑现智能审批系统建设项目业务架构图
基于认知推理、智能决策、深度学习、OCR、NLP算法等技术,渊亭科技计划对原有政策申报系统的政策发布、初审、复审决策流程进行智能化升级。通过智能管理政策库和智能控制政策发布,实现政策发布流程智能化;通过线上申报自动核验和纸电一致智能审核能力,实现审核决策智能化;运用RPA技术实现审批流程的自动化管理,以实现减少重复工作量、提升审核速度、不见面审批以及档案台账电子化的业务目标。
具体实施过程中,渊亭科技将自主研发的DataExa-Sati认知智能中台和DataExa-Karma智能决策平台作为政策兑现智能审批系统的基础,依靠全面的定制化服务能力,实现智能审批系统与原有申报系统的融合升级。
图 14: 政策兑现智能审批系统技术架构图
该智能审批系统架构分为数据层、能力层、应用层和展现层。
数据层:该智能审批系统的数据主要来自企业申报材料和基础信息库,申报材料主要包括产业相关人才及企业奖励和补贴政策申报等申报事项所涉及到的申报材料,类型包括表格、身份证、申报表、证书、声明文件等;基础信息库包括法人库、三高企业库、电子证照库等目前平台体系内的第三方数据库。
能力层:该审批系统能力层汇集了认知中台、决策中台和智能组件集,组件集中包括OCR组件、NLP组件、规则引擎组件、智能核对组件和RPA流程自动化组件,可为应用层各项业务功能提供支持。
① 认知中台提供智能问答、语义挖掘、知识图谱、知识推理、智能搜索等基础认知能力;
② 决策中台运用决策引擎支持决策流配置、决策流编排、分时混合决策、分流混合决策等智能决策相关的开发配置;提供智能决策、自动学习、推理服务、模型评估、智能推荐等决策能力;
③ 在智能组件集中,OCR组件提供了包括表格识别、文字识别、印章识别、证书识别、手写字识别在内的多种图像类型的识别?芰Γ越饩龈骼嘈蜕瓯ú牧鲜侗鸬男枰籒LP组件提供了相似度模型、句向量模型等处理能力;规则引擎组件提供决策规则的开发,包括申报政策审批的规则生成、规则集配置、规则管理、规则校验、规则切换和复杂规则的设计,如政策提交的填写规则配置;智能核对组件提供了包括核对分析、核对判断、核对验证等能力。
应用层:该审批系统应用层通过和既有的用户体系对接,实现单点登录,同时针对业务审核场景,提供了政策配置管理、政策智能申报、智能申报审核、纸电一致智能审核、智能审批决策、审批图谱分析、流程自动化管理等功能模块。
① 政策配置管理:通过内置的规则引擎,政策发布人员可根据政策信息来配置可视化流程规则,为后续智能审批提供规则支持。
② 政策智能申报:该功能融合管道式、竞争式、组合式的问答策略,在用户申报信息填写时提供指导,为政策申报场景提供定制化的智能问答能力,帮助用户端申报提效。
③ 智能申报审核:该模块可运用OCR、NLP技术识别审批材料中的表格、公章、文字、数字,将识别内容与对应政策的通过规则、约束条件进行比对,并运用语义挖掘、逻辑推理等方法自动对申报信息进行处理,输出审核结果通过项与不通过项。
④ 纸电一致智能审核:通过智能核对、OCR、NLP等技术将纸质申报材料与电子文档进行智能比对,识别出纸质文件是否与电子文档一致。
⑤ 智能审批决策:在初审、复审的关键环节,智能审批决策模块结合决策引擎中的智能决策、自动学习、模型评估能力,对政策申报审批的结果进行自动判断,对符合申报要求的材料予以通过,对不符合申报要求的材料予以驳回,并提供优化意见。对于无法自动给出审批结果的情况,会自动转为业务工单,业务人员主动进行人工处理。
⑥ 审批图谱分析:该功能利用知识图谱技术进行审批要素的拆解和组织,形成政策申报企业画像,为企业政策精准解读与推送提供有效支撑。
⑦ RPA流程自动化操作:RPA流程机器人按照设置的操作流程自动完成信息查询、规则判断、自动点击操作等功能,大大减少人工操作的工作量。
通过认知智能+决策智能技术,该管理单位实现企业政策兑现审批流程决策智能化、审核自动化、申报便利化
基于政策兑现智能审批系统建设项目,该管理单位在保留旧有业务平台能力的基础上,构建了使企业申报、政府决策更加便捷和高效的智能审批系统,推动了申报、审批业务流程再造与智能化方式实现,优化了审核手段,提升了政策审核工作效率,为企业、政府降本提质增效提供了全新的实践路径与开拓性经验。
图 15: 政策兑现智能审批系统建设项目成果
在企业申报方面,减少了企业所提交的申报材料、缩短了申报审批通过时长,极大简化了企业申报的流程,充分降低了企业申报的复杂度,使企业申报更便捷、更高效。
在材料审核方面,引入OCR图像识别、文字匹配、智能推荐、智能审批等技术,达到了材料线上自动审核的效果,在材料预审、初审和纸电一致材料核对等环节大幅提升了处理效率和问题发现的能力,减少了人工审核误差,并适当地优化了人工审核环节,使政务工作高效化、公开化、透明化。
本项目建设有效的增强了政策兑现申报的服务能力,实现了不见面审批和档案台账电子化,切实提升了高新区政策兑现的服务体验,为实现全流程“零纸质、零跑腿、零人工”打下基础。
5. 结语
数智时代来临,企业的业务流程与治理方式面临全方位重构。企业决策不外如是,从“人治”向“智治”转变是大势所趋。智能决策核心价值在于让企业可以更快、更优地进行决策,以便更好地适应新时代商业环境,在经济下行的背景下,此点变得尤为重要。
价值驱动下,智能决策拥有光明的发展前景。在广度方面,当前智能决策主要在金融、消费品与零售、国防军工、政府与公共服务、能源、物流、航空、医疗与医药、制作、汽车等行业落地应用,未来将持续扩大覆盖范围,智能决策有在任何行业发挥价值的潜力。在深度方面,当前智能决策在金融、消费品与零售、国防军工、政府与公共服务等行业有比较深度的应用,但在其他行业应用较浅,未来将持续向“应用深水区”迈进。同时,各市场参与者也应当看到智能决策发展道路上可能存在的阻碍点。“决策大脑”的智能决策市场的一个发展方向,智能决策以“决策大脑”为承载将有更大的展示舞台。
来源:爱分析
