一、数据智能背景下引入人工智能的必要性

当前社会随着计算机网络以及4G移动网络的普及和速度的提高，5G移动网络的即将商业化的应用，智能终端设备的普及。商业活动如何在全球化的浪潮中去迎接挑战，站立于时代的前端，捕获商机，更需要深入地思考，商务系统的目标、任务、作用，让商务系统不再只是数据的存储、计算处理、传输的工具，而是要具备有智能，实现商务系统商能化，能帮助他们从复杂且千变万化的商务环境下，抢占先机，实现决策、管理、操作全过程，多层面的智能优化，达到更好效能管理。因此，需要用新的视角、新的定位，重新定义商务智能以及智能化的商务系统。

二、商务智能新定义

2.1数据智能

数据智能就是数据挖掘的智能理解。需要从二个层面理解，即从核心技术层面和商业应用层。从技术上角度，数据挖掘就是从大量的、不的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这个定义包括好几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可理解、可接受、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。何为知识？从广义上理解，数据、信息也是知识的表现形式，但是人们更把概念、规则、模式、规律和约束等看作知识。人们把数据看作是形成知识的源泉，好像从大海中淘取珍珠一样。原始数据可以是结构化的，如关系数据库中的数据；也可以是半结构化的，如文本、图形和图像数据；甚至是分布在网络上的异构型数据。对发现的知识归纳，发现的知识可以被用于信息管理，查询优化，决策支持和过程控制等，还可以用于数据自身的维护。因此，数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种强大需求的牵引下，汇聚了不同领域的研究者，尤其是数学、数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。这里所说的知识发现，不是要求发现放之四海而皆准的真理，也不是要去发现崭新的自然科学定理和纯数学公式，更不是什么机器定理证明。实际上，所有发现的知识都是相对的，是有特定前提和约束条件，面向特定领域的，同时还要能够易于被用户理解，好能用日常自然语言表叙所发现的结果。从商业角度，数据挖掘是一种新的、可应用于商业信息处理技术，借助数据挖掘技术对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。虽然，数据挖掘其实是一类深层次的数据分析方法。数据分析本身已经有很多年的历史，只不过在过去数据收集和分析的目的是用于科学研究。另外，由于当时计算能力的限制和数据规模较小，不具备对大规模数据量进行分析的条件，且大规模复杂数据分析方法的发展受到很大约束和限制，以及对大规模数据缺乏需求，不具备产生数据挖掘的前提和动力。而当下，由于各行业业务数字化、网络化、智能化的实现，商业领域产生了大量的业务数据，而且这些数据是基于异构型的数据。这些数据是由于纯粹的商业运作而产生，分析这些数据也不再是单纯为了研究的需要，更主要是为商业决策提供真正有价值的信息，进而获得发展和利润。但所有企业面临的一个共同问题是：企业数据量非常大，而其中真正有价值的信息却很少，因此从大量的数据中经过深层分析，获得有利于商业运作、提高竞争力的信息，就如同矿石中淘金一样，数据挖掘也因此而得名。因此，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。

2.2人工智能

从技术上角度，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、图像识别、语言识别、自然语言处理和专家系统等。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。从从商业角度，快速发展变化的社会，需要在商业上以在能在差异的区域、民族、个体上实现精准、人性化的产品和服务。人工智能应用商业活动，是信息技术的新型应用，使商业行为更理解、贴近、符合具有情绪、文化、民族、社会特征的一切人类活动。精准的基础之一是个性化需求的理解。人工智能能使商业活动适合全球化所带来的巨变，加快商品周转，减少库存，降低成本。按人类的思维去理解人，无疑是本质的。在企业在各种层面的管理、所有的过程以及各经营理念中普及推广各种物理的计算机设备、网络设备、运输设备，数学工具等的同时，融入人的智能即人工智能是当今企业的较高理念。

三、商务系统下的数据智能和人工智能区别与联系

商务系统是基于融合了先进信息技术与创新管理理念的结合体，利用具有商业价值的信息，服务于管理层、业务层，指导企业经营决策，提升企业竞争力，涉及企业战略、管理思想、业务整合和技术体系等层面，从而实现更好的绩效的现代企业管理信息系统。

3.1数据智能与人工智能的区别：在上目标，数据智能，以计算机从数据仓库或大数据发现客观事物关联的规律性为目标；人工智能是以计算机获取模拟或相似人类智能为目标。这是两者的根本区别。在数据的约束性，数据智能必需要从数据仓库通过相应算法获取知识，数据仓库是其必要条件。大规模数据的产生，更使数据智能如鱼得水，促使企业主动去应用和开发商务上的数据智能，避免从互联网时代跨入大数据时代，被淘汰出局，这也成为当今企业的共识；人工智能以人类智能相似的学习方式，通过直接经验和间接经验而获得知识。没有数据仓库或大数据作为必要条件，尽管人工智能也能从中获取知识。人工智能可以直接模拟人的思维形式，即直接经验得出知识。在获取知识源上，数据智能是知识源于数据仓库中的数据，单一来源。而人工智能的知识源于阅读、听讲、观察、研究、实践等多种来源。在方法上，数据智能与数据交互而产生知识。而人与世界的所有方面互动均能产生知识，数据与反映时间较长，互动对象单一。人工智能也能以这种方式获取知识，互动对象多样化，对象的反映可以无需通过大规模数据的收集、传输、整理、数据分析诸多过程，而能较快反映，提高互动的周期

3.2数据智能与人工智能的联系：在算法上，数据智能的算法有些来自人工智能算法，也就是数据智能可以使用人工智能算法通过对数据仓库的数据挖掘获取知识，人工智能也可以从数据仓库的数据获取知识，扩大了人工智能的知识源。例如：神经网络算法。在应用上，数据智能在从规则筛选出有价值的规则上。数据智能也有不足之处:首先，大多关联规则太大，数据挖掘知识还需要人工智能专家快速、有效地淘汰大量的无价值的规则，且经常要调节诸如类似阀值的参数，人工智能专家参予显得尤为必要；其次，在数据筛选上，利用人工智能可以快速高速地实现数据仓库的数据筛选；再次，数据智能局限于数据仓库产生知识规则的周期过于冗余，人工智能可以缩短这样的时间周期。

四、基于数据智能和人工智能的商务系统需求分析

单一的数据智能已无法满足市场对商务系统知识智能上的需求，需要与人工智能互补，由两者一起协调实现并实现系统的智能化功能。随着社会经济的快速发展，推动了科学技术的进一步发展，数据智能和人工智能已被广泛应用于各大行业，社会各界也对此提出了更高的要求。数据智能和人工智能可更充分地挖掘众多数据中的有用信息，这对系统运维故障监测控制及其预防工作非常重要。智能化运维服务体系可促使网络上的各种运营更为便捷，其各项业务响应亦是非常快速，从而给客户更良好的感知，以此方式来快速提升客户满意度，且运维服务质量与企业市场竞争力息息相关，同时直接关系到客户对企业服务的满意度。因此，基于数据智能和人工智能的智能运维体系，对企业的可持续发展有着极大的现实意义。

4.1智能运行维护服务体系需求

商务活动的关键内容是智能运行维护服务体系，其品质直接关系到企业及其服务客户，其各项服务质量是构成企业整体竞争力的核心之一，同时也关系到客户对企业服务的满意度。通常客户使用企业各项业务时，极易出现各种问题，但其中问题却总是得不到及时处理和解决。此类问题的出现主要是因为客户服务支撑理念并未真正落实，这时企业应着眼于其间相关问题的处理策略，加强智能运行维护服务体系的各项支撑技术的探究，从下述几方面分析智能运行维护服务体系的构建需求：

1．智能化的精准资源掌握和控制能力

此项体系的实现需要具备非常的智能化的资源掌握和控制能力，使其网络资源能精准地推送信息和利用率更高，从而快速将其间各种资源合理性调配与有效性使用，确保企业的各项业务更快速的开展。且以此能更好的指导各项智能应用，促使其盘活资源非常有效，从而提升资源利用率，这样也能快速提升企业资源效益。

2．强大的网络管理能力

需要具备强大的网络管理能力，其间应确保端至端的主动式智能监督控制，同时可通过智能分析对其进行合理的维护，且自动完成计划和执行各项工作，这样其间各项业务就能自动调节，缩小了业务质量差异化。再是采用移动互联技术进行网络维护和管理，这也是智能运行维护服务体系构建与实现必不可少的手段。

3．客户化的智能运营

通过智能分析，把客户密切相关的信息能够及时、精准、主动地与客户沟通和共享，让客户知道其业务活动中存在的问题，这样客户服务中出现的问题亦能合理和快速解决。应尽早地掌握更的业务质量及其服务质量，从而更好地指导主动性资源配置优化及其整治工作开展，以此提高客户对企业的良好感知度，这样客户的各项服务就是透明且便捷的，更可实现自主化服务，这也是智能运维的核心技术。

4.2智能运行维护服务体系的实现途径

据智能和人工智能嵌入生产流程，将资源系统嵌入到各个企业的各个运作环节，才能达到通过应用促进资源、通过数据提升应用效果的良性循环。实现资源调配过程的全程标准化、自动化，减少人工操作、人工干预环节，建立资源动态管理长

效机制。采用商务系统的组件框架化设计，使商务系统本身具有智能化、可自动伸缩、可自动适应调节的智能架构，避免经常反复的系统修修补补，构建高品质的商务系统。对海量客户动态的多样性需求，无法细化、深度理解，是智能运行维护服务体系的不能满足需要的主要原因之一。资源管理工作较大的难题是资源数据不、资源数据的动态更新很难长期持，需要建设资源自动理解和发现引擎，彻底改变资源数据依靠人工录入的工作模式，使资源数据始终保持自动地动态更新，与运维实际情况保持高度吻合，满足资源管理的要求。

五、具有数据智能和人工智能的商务系统框架分析

组件是一个独立、可替换的功能软件，可以通过它的接口实现服务。软件组件可以独立部署，并且它可以由第三方进行完成，它的粒度大小具有在整个开发期间具有形态上的不变性。组件使软件系统如同硬件系统部件化，组件不仅有高重用性，组件的方法也具有高重用性。以组件构建的软件系统不仅能使用成熟现成、高质量、高性的组件，还可以通过购置方式采用第三方提供的组件，使开发周期大大缩短。组件式的软件系统维护和升级绝大多数情况，实际上变成部件化的组件维护和升级，降低了系统维护和升级的复杂性。组件和组件方法是目前软件发展的新成果，满足现代企业管理信息系统的需要是其产生的重要原因之一。同一行业和共同领域的商务活动具有业务内容的相同性、过程上的一致性，当然这些相同性和一致性并不是的相同，必须是可伸缩、可变更、可扩展。在此基础上，以组件方式（含技术和方法）构造具有行业和领域特点的智能商务系统框架。在框架层面上设计数据智能和人工智能：一方面，是指在功能上，纳入了数据智能和人工智能的功能；另一方面，是指框架本身也是数据智能化和人工智能化，即框架也是数据智能和人工智能的决策的产物，可根据要求、环境、特殊性，来确定框架本身生成。在智能框架基础上，一方面，按具体企业的具体需求生成实例化、具体化、个别化的智能商务系统。另一方面，智能的组件化，使智能部件能够即插即用，广泛地实现智能嵌入。构建能与人交互的智能中心，与人一道相互协调，相互合作，共同管理系统，智能中心能够智能化管理、决策企业的各种层面的业务以及过程三种。智能的作用分三种：辅助管理和决策、共同管理和决策，替代管理和决策。企业具体的智能商务系统就是智能框架就针对企业个性需求的具化体、合成化、实例化的结果。

六、结束语

在互联网和移动的高速发展，促进了智能商务系统需要的不断改变，需要持续地充实和创新智能商务系统的内容，寻求高效的算法，采用新的软件技术和方法，提高和实现智能商务系统的效率和质量。