400億的業務決策智慧市場，何時誕生千億AI公司 | 愛分析調研

調研 | 姜明星  王鵬

撰寫 | 王鵬

前言

據統計，2010年以來，已披露AI廠商融資總金額超過1萬億元，但截至目前AI上市公司數量很少，而且為投資者帶來的回報也不甚有吸引力。

究其原因，主要是因為AI廠商側重技術研發，缺少與業務的深度融合，單一依靠底層技術帶來的IT預算難以實現利潤規模化增長。隨著AI技術與業務融合的逐步深入，AI對於企業的賦能從前端簡單的營銷應用，向著深水區的中後臺經營管理延伸，對於企業經營管理決策效率的提升效果愈加明顯，企業付費的意願變得更加強烈。

作為AI與業務深度融合的典型市場，業務決策智慧不再侷限於IT預算，而是有機會獲取業務預算，具有廣闊的市場空間。根據愛分析統計，2025年中國業務決策智慧市場規模將達到429億元，預計將誕生千億級的AI上市公司。 

1、 業務決策智慧市場規模增速明顯

業務決策智慧是指面向企業業務智慧化需求，構建基於海量資料的匯聚、治理、分析和應用體系，通過AI與應用場景的深度融合，為業務提供決策支撐，其核心要素包括資料治理、AI能力構建、業務智慧化。

企業要想實現業務決策智慧，需經歷三個階段：

第一階段，資料治理是企業業務決策智慧的基礎。資料治理主要包括兩方面，一是打通系統壁壘，實現資料聯通，消除資料孤島，提升企業在資料的全面性、完整性、一致性等方面管理能力；二是能夠對資料進行清洗、融合、比對，提高企業資料質量，增強資料可用性，為上層業務應用提供支撐。 

圖1： 業務決策智慧發展階段

第二階段，AI是業務決策智慧的技術支撐。隨著企業發展，資料量越來越大，業務越來越複雜，單純依靠專家經驗已難以滿足企業需求，AI憑藉其強大的演算法及模型構建能力，在企業中的作用越來越明顯。隨著機器學習應用的日益成熟，通過構建機器學習平臺，能夠實現模型開發除錯、模型訓練等模型全生命週期管理自動化。目前，該技術已經在金融、製造、電信等行業的部分業務場景中廣泛使用，進一步推動AI自動化發展。

第三階段，業務智慧化是終極的價值體現。對於AI的應用，企業從單點業務場景應用逐漸擴充套件至其他場景，從智慧營銷、智慧客服等簡單的應用場景，逐步向經營管理決策深水區滲透，如智慧審計、全面預算管理、智慧運營等。這些場景複雜度更高，涉及到的業務和部門多，業務邏輯更為複雜、且需要大量行業Know-How積累，難度更大，因此，目前僅有少數企業在AI經營管理決策方面進行了嘗試。

例如，在山景智慧協助下，某銀行實現了經營情況預測。通過業務決策智慧，可以預測31家分行次年某一階段是各自盈利還是虧損，甚至可以細化到具體科目以及具體的子業務，幫助銀行進行業務決策。

除了向經營決策的深水區滲透，業務智慧化階段，企業逐步沉澱資料模型，形成模型叢集，再基於業務邏輯對模型叢集進行排程，實現跨業務線的模型打通，可以進一步提升對業務決策的智慧支撐作用。

從預算投入方面來看，企業資料治理與AI能力構建的資金主要來自企業的IT預算，IT預算每年增幅較小，市場規模增速有限。業務智慧化階段資金主要來自業務部門，預算規模會隨著業務效益增長而增加，未來甚至有可能基於效益增長情況，與廠商進行業務分潤，因此蘊含著巨大的市場空間。

據愛分析統計，2021年中國市場業務決策智慧的規模174億元，預計2025年將達到429億元，複合年均增長率高達35%。

圖2：業務決策智慧市場規模（億元）

2、 業務決策智慧在金融行業的應用價值顯著

從實踐來看，業務決策智慧在金融領域的應用相對成熟，尤其是銀行業，更是走在前列。現階段，領先銀行已完成資料中臺搭建，具備了較強的資料治理能力，與此同時，通過搭建機器學習平臺，逐步構建了AI能力，此外，在應用層面，也開始探索智慧化應用。

例如中國工商銀行，已構建資料治理平臺，支援資料多維度分析，同時也搭建了機器學習平臺。隨著底層技術的構建趨於完善，工行開始注重技術與業務融合，2019年搭建起在智慧風控、智慧客服、智慧營銷等業務應用，提升了業務創新能力。

總體來說，銀行已經開始向第三階段-業務智慧化階段邁進，人工智慧在銀行領域應用越來越廣泛。早期，銀行智慧化應用主要集中在智慧風控、智慧營銷、智慧客服、反欺詐等方面，領先銀行已經逐步探索管理決策等深水區場景。

以某頭部城商行為例。隨著我國經濟發展邁入新常態，再加上疫情的影響，銀行業整體增速呈下降趨勢，與此同時，大行業務下沉進一步加劇了競爭。因此，城商行需要依託本地化優勢，進行差異化發展，實現錯位競爭；同時，基於自身組織的靈活性，藉助大資料和人工智慧技術提高新品創新、客戶服務、營銷等能力，增強客戶粘性，提高自身競爭力。 

為此，在山景智慧的幫助下，該行構建了數智一體化平臺，通過與原有資料倉儲和資料湖的整合，將智慧定價、機器人座席主動營銷、催收、產品發售結果預判的全營銷鏈條進行了打通，並建立了核心交易資料、產品資料、渠道資料的全景實時營銷地圖。

此外，藉助山景智慧企業業務決策智慧服務匯流排，將資料探勘、深度學習、專家知識庫相結合，為銀行的業務創新、客戶服務精細化提供了智慧、精準、可視的業務決策自動化工具平臺。   

圖3：業務決策自動化工具平臺

通過該平臺建設，該行理財產品從設計到正式上線時間由3-4個月縮短至15天，獲客及營銷成本下降66%，該產品客戶復購率高達86.7%，業務盈利規模提升了6-8倍，有效地增加了客戶的粘性，提升了轄內客戶的服務體驗。

3、 山景智慧具備“資料+AI+業務”端到端一體化服務能力

業務決策智慧需要深厚的技術能力和人才支撐，通常情況下，為了更好更快地達成目標，企業通常會藉助第三方廠商的力量。對於提供不同階段服務的廠商，能力的要求有一定差異，這就要求廠商具備相應的能力。

圖4：廠商關鍵成功要素 

目前，AI廠商提供的服務主要集中在資料治理、AI能力構建階段。例如，以平臺為中心的決策類人工智慧技術型廠商，憑藉較強的底層技術、算力、演算法能力，通過搭建機器學習平臺，幫助企業構建AI能力，但是由於技術平臺的通用性特徵，難以與業務進行緊密結合。

隨著領先企業的需求逐步從第二階段向第三階段過渡，企業更需要廠商具有深入的業務理解能力，並且能夠提供從資料治理到AI能力構建、再到具體業務應用的一體化能力。目前大多數AI廠商暫不具備這樣的能力，僅有部分廠商，由於聚焦在某一領域持續深耕，通過與客戶共創，積累了大量行業經驗，構建了一體化的能力，山景智慧是其中的典型代表。

山景智慧是一家AI賦能的企業業務超自動化解決方案提供商，能夠面向企業提供“資料+AI+業務”端到端一體化解決方案。同時，山景智慧深耕金融領域，尤其對銀行業務有著深入的理解。

一方面，山景智慧的產品包括Stella智慧資料中臺、Nebula智慧AI中臺、Awake智慧業務中臺，面向企業業務需求，能夠提供一站式連線資料、AI、業務的端到端一體化能力。通過三大產品聯動，能夠更加高效地進行資料處理、模型搭建，更好地實現業務智慧化。此外，基於AI能力，能夠實現資料自動化、AI自動化和業務自動化，進而實現業務的超自動化。 

圖5：山景智慧產品體系

另一方面，基於銀行業的持續深耕，山景智慧對銀行各業務領域均有較為深入的理解，圍繞各業務場景，構建並沉澱了大量的資料模型。在此基礎上，圍繞具體業務線，基於業務邏輯進行模型排程，通過眾多的實踐案例積累，沉澱為各種數字員工，依託於對流程的理解，對其進行優化，提升業務效率。

截至目前，在金融領域，山景智慧已經在營銷、風控、運營三個方面，完成了16個細分場景數字員工的構建，包括信貸、理財、支付、審計等數字員工，服務能力進一步增強。

圖6： 模型與業務編排排程

此外，在繼續深耕金融行業的同時，未來，基於底層基礎能力模組的通用性，山景智慧將逐步向能源、製造業等行業進行擴充。

綜上所述，隨著AI與業務融合的逐步深化，業務決策智慧對於企業經營效率的作用將會進一步顯現，需求也將會呈現爆發式增長，相關廠商的價值將會進一步放大，這也為投資者提供了更具價值的投資機遇。