达摩院的语音AI产品的商业化之路｜浙大MBA“商学+智能”

数据驱动商业

近五年来，国家对大数据战略的重视程度不断增加。2015年开始，国家就已经明确提出要“实施国家大数据战略，推进数字资源开发共享，运用大数据技术，推进经济运行信息及时性和准确性”；2017年，“数字经济”第一次被写入政府工作报告，政府提倡发展数字驱动下的经济模式；2020年前后，多项技术迎来集中式爆发，其中大规模机器学习，智联网，5G，人机交互等细分领域科技对商业的影响尤其值得关注。科技的集中发展和结合，势必会来一系列变化并且产生新的体系。

这一时代背景下，浙江大学推出商务大数据应用专业方向（Track），立足中国国情，顺应时代发展趋势，依托浙江大学管理学院“商学+”的学科交叉平台与雄厚的教学资源，针对新兴业态让大家形成完备的知识体系，培养具有国际视野与创新创业精神的商业健康力量。

3月28日晚，阿里巴巴达摩院语音实验室资深算法专家李威做客浙江大学MBA商务大数据应用专业方向（Track）宣讲会，以电话客服产品、杭州电力大脑语音智能调度和声优工厂等为例揭秘阿里语音AI产品的商业化之路。同时，浙江大学管理学院数据科学与管理工程学系主任陈熹教授线上介绍了商务大数据应用专业方向概况，并分享数字化思维影响决策的“套路”。

商务大数据——商务模式创新最集中的领域

“由于大数据技术的迅速发展，数据驱动的创新商业应用无疑是近几年来商务模式创新最集中的领域。”陈熹教授介绍，商务大数据应用专业方向正是在这个背景下应运而生，开设课程主要有数字化理念、数据科学技能和决策科学技能等，让学生掌握运用大数据预处理、决策树、数据挖掘模型等方法，重点培养学生的数据挖掘降噪、分析预测和应用决策的能力。

数据分析与公司业务结合是核心竞争力

随着大数据技术的发展与成熟，大数据行业应用的不断深入。用户行为甚至是跨域、多维度的数据分析越来越受到重视.有数据驱动意识、能够很好地从数据中发现规律并充分利用这些规律的公司才容易在激烈的市场竞争中更好地生存下来，是否能够利用数据来驱动业务发展已经成为公司的核心竞争力。

陈熹教授表示，很多互联网公司都有数据分析岗位，但是真正让数据分析产生业务价值的公司少之又少。比如数据分析师，是否只是在用数据做报表，有没有考虑过，当报表成为普适应通用性的时候，报表就是一种产品或是一种解决方案；对于数据分析从业者来说，除了有很好的数据分析专业素养，是否有业务高度，是否能将数据分析跟公司的业务结合起来，特别是跟商业价值结合起来，通过数据分析来驱动业务发展，这些其实是一种计算机能力与商业能力的结合。一个优秀的数据分析师，一定是一个商业分析师，他时刻会将提升用户体验、通过数据驱动公司业务发展、通过数据为公司产生商业价值作为衡量数据分析价值的最终标准。

数据分析如何产生价值？

我们每天都在接触各种各样的数据，处于动态环境的多样化数据和社交媒体众多被夸大的噪音会导致数据总量大，但价值低的情况出现。究竟哪些是真正有价值的数据？我们该如何用更高级的工具从海量和异构的数据中发现规律，为我们提供决策的依据，指导业务发展？

随着生活智能化、社交化，第三方信息干扰易导致数据价值密度降低，MBAer需要挖掘有效信息，作出拟合度较高的、与实际境况更相符的决策。陈熹认为，作为数据分析师和数据产品经理，一定要有能够提炼出最具价值的核心指标供公司管理层用于决策，并且具备从不同维度来分解展示数据指标的能力。数据分析的解释价值、归因分析、预测和预防能力均是一个合格的数据分析师需要具备的的基本技能。

优化分析“套路”提升数据价值密度

除了从数据本身的维度思考，我们也可以从幸福生活的维度去思考。陈熹老师运用了函数的本质给我们讲解了如何用数字化思维过上幸福的生活，其实生活的方方面面，比如考试，教育小孩，投资，无一不是我们正在探寻的问题，这个探寻的过程我们可以成为机器学习，模型就是一个函数y=f(x)，“Y就是问题，x就是数据、经验和证据。”陈熹称“Y=f（x）”为人工智能学习的“套路”，之后根据实际问题不断跟踪、优化“套路”的拟合度，同时还需紧扣关键、化繁为简。例如，根据企业用电行为数据来分析和判断其运营状况，为其提供差异化的服务内容，创造新的利润模式，这需要MBAer拥有一种数据驱动商业的能力。

商业化是语音AI能力的真正试金石

进入智联网时代，随着语音导航、语音售票机等各类语音AI产品相继面世，人人交互或人机交互场景带来的语音数据与日俱增。加之新芯片、云储存、云计算和5G等的出现，使语音数据成为无处不在的生产资料，并逐渐被挖掘、提取和加工，继而商业化落地。显然，入选“2019全球十大突破性技术”的阿里巴巴语音AI在语音智能各条赛道上均遥遥领先。

“产品技术创新及其商业化是一个相辅相成的闭环，市场方向牵引可带动技术提升，而产品技术创新又或将催生行业的变革。商业化是AI能力的真正试金石。”李威说，以电话客服产品为例，基于语音AI技术提供商的定位，他们以输出语音识别和语音合成原子能力和被集成模式为优势，与行业客户、基础设施和系统集成商等一起打造语音AI生态圈。换言之，语音AI能力要定制化地适配整个产业链，这是平台运营的核心关键点，也是解决“谁来买单”这一AI能力可用性问题的有效途径。

在人人交互AI方面，达摩院语音实验室以司法庭审记录为切入点，逐步过渡到通用的记录场景，而人机交互则以电话客服为开端，依靠阿里生态的应用内容逐一开辟不同领域的新赛道。“万物可通过声音连接，语音是人与智联网设备最自然的交互方式。”李威介绍，如今他们在语音识别、唤醒，语音合成，多模态、分布式信号处理，声纹识别，口语理解及对话系统，端云一体语音交互平台和多模态人机交互等领域均逐渐实现商业化，并实现生态管理和形成产品壁垒。

构建语音AI壁垒 以数据驱动商业发展

阿里语音AI产品目前已覆盖电商、新零售、司法、交通、制造等多个行业。2017年至今，阿里语音AI经历了初探、做标杆、产品打磨、生态管理及形成壁垒等阶段，云产品亦从1.0版进化为2.0版本。李威强调，产品能力、商业策略、售前售后服务三者成为AI产品商业化缺一不可的重要要素，而着力点仍是AI智能的定制化。

传统定制方式的交付依赖于语音厂商，交付环节多且周期长，同时技术上还要解决识别度优化的问题。对此，阿里语音AI持续迭代产品基础能力，包括使行业识别率提升、多语言拓展、语音合成声优工厂和国产化能力；同时打造多样化的能力矩阵，例如语音表单、多语言质检和智能化身份认证等。尤为重要的是借助阿里方案的独特优势，帮助独立软件开发商（ISV）将行业数据通过语音自学习平台转变为自有行业模型沉淀，从而提升识别准确率，有效构建产品壁垒。这可以从深度和广度上提升语音AI和ISV之间的共生共赢的能力，是阿里语音AI定制的优势。

李威最后还与浙大MBAer一起探索未来数据与商业的关系。他认为，通过数据驱动运营、产品及技术，以数据支持决策，最终驱动商业发展。例如通过阿里生态资源的整合调用，包括媒体资源、影视、音乐、购物、音频和问答等各式各样的应用内容，合作多方以此沉淀出不同的经营数据，进而分析和指导业务层的商业化，比如公共云大盘分析、客户监控预警分析、产品及策略分析、潜在客户挖掘分析和商业化共创分析等。

撰文/2018级MBA在读 陈锦源；2019级浙大MBA新动力班在读 凌佳妮