·注重技術落地。本書從戰略制定、應用體繫設計、應用點研發三個層次，完整地描述了運用人工智能技術助力企業數字化轉型的方法。其中，盡量回避對概念、願景、原則等抽像內容的空泛討論，而是詳細討論各種操作層面的問題，並提出一繫列可以落地的切實舉措。·加強理論探討。本書在討論各種問題時盡量保證每項結論的產出都帶有思路清晰、論證充分的理論探討。相比於常見的直接下定義、給出結論的一些書目，本書觀點豐富且易於理解，同時分析問題的思想可能被讀者遷移復用至其他場景指導行動。·觀點新穎。本書討論了許多與人工智能技術等

●第1章全面理解數字化轉型1
1．1數字化轉型：數據成為價值提升的推動力1
1．2數據與數字化轉型的重要性3
1．3數字化轉型的直接關注對像：業務、數據與技術4
1．4數字化轉型的必需基礎條件：思想認識、發展政策、人纔及資源投入7
1．5數字化轉型的工作步驟9
1．6數字化轉型與人工智能技術的相互選擇10
1．6．1數字化轉型與人工智能技術聯繫密切10
1．6．2人工智能技術可能帶來的價值12
1．7補充：人工智能相關概念辨析15
1．7．1人工智能15
1．7．2人工智能技術17
1．7．3大數據18
1．7．4機器學習19
1．7．5幾組概念辨析23
第2章結合人工智能技術特性制定數字化轉型戰略25
2．1數字化轉型戰略的制定原則25
2．2建立必須開展數字化轉型工作的共識27
2．2．1在管理團隊形成正確共識28
2．2．2使思想深入各級員工29
2．3梳理整合對內與對外的服務場景29
2．3．1提供滿足員工角色需求的服務30
2．3．2尋找提升企業競爭力的技術方案30
2．3．3梳理需求並啟動應用體繫的設計與建設31
2．4實現數據采集、存儲與管理過程的標準化32
2．4．1制定數據采集範圍和采集標準規範32
2．4．2制定數據標準規範34
2．4．3設計數據權限體繫並加強數據掌控能力37
2．5培育適應數字化轉型需求的技術能力40
2．5．1建設扎實的硬件基礎40
2．5．2建設統一數字技術平臺41
2．5．3建設核心數據能力43
2．5．4開展應用研發與整合45
2．5．5實現技術的開放融合共享46
2．6完善組織與人纔保障48
2．6．1管理層親自承擔數字化轉型重任48
2．6．2建設中心和業務部門專屬的兩級數據科學團隊49
2．6．3保持復合型人纔培養與對外交流合作52
第3章開展支撐數字化轉型的應用體繫設計與建設55
3．1建設一個應用體繫而非一批應用的原因55
3．2應用體繫的建設原則：圍繞業務需求56
3．2．1應用與應用體繫以業務需求為核心56
3．2．2辨析業務需求從抽像到具體的不同層次57
3．2．3應用體繫的各級組成及其與不同需求層次的對應58
3．2．4補充：部分問題探討59
3．3開展應用體繫設計62
3．3．1梳理業務流62
3．3．2規劃並組織功能集合63
3．3．3組織功能點形成應用65
3．3．4組織應用形成應用體繫67
3．4爭取來自各類人員的支持70
3．4．1企業領導71
3．4．2職能部門領導72
3．4．3業務部門領導73
3．4．4業務專家和一線業務人員75
3．4．5項目組技術人員76
3．4．6所需爭取的各類資源79
3．5計劃並執行應用體繫建設81
3．5．1綜合資源、價值和技術難度來制訂建設計劃81
3．5．2應用體繫建設與迭代完善87
第4章人工智能應用研發總述91
4．1人工智能應用研發遵循的基本理念92
4．2人工智能應用研發的3項重要基礎條件：業務、數據、技術92
4．2．1業務需求與業務知識93
4．2．2高質量的真實數據94
4．2．3建模分析與應用開發技術95
4．3人工智能應用研發涉及的各類人員96
4．3．1業務人員96
4．3．2設計人員97
4．3．3建模分析人員98
4．3．4開發人員98
4．3．5管理人員和模型維護人員99
4．4人工智能應用研發的主要流程及相應交付物100
4．4．1價值與可行性評估100
4．4．2研發目標與研發周期確定101
4．4．3業務需求與業務知識梳理102
4．4．4數據收集102
4．4．5數據處理與建模分析103
4．4．6模型上線試運行與迭代104
4．4．7應用開發及生產環境部署105
4．4．8應用的產品化（可選）105
4．4．9重要補充：模型的多重含義辨析107
4．5人工智能應用研發常見的技術與管理問題109
4．5．1常見的技術問題109
4．5．2常見的管理問題110
第5章業務梳理和建模數據收集112
5．1業務需求梳理112
5．1．1業務需求梳理的意義112
5．1．2業務需求梳理的主要過程113
5．2業務知識梳理119
5．2．1業務知識梳理的意義119
5．2．2業務知識梳理的主要過程121
5．3建模數據收集123
5．3．1建模數據收集的意義和參與對像123
5．3．2建模數據收集的主要過程124
5．3．3面向數據分析與應用研發的數據建設方向129
第6章數據處理、建模分析與模型上線運行131
6．1對數據處理與建模分析的基本認識131
6．1．1主要涉及對像131
6．1．2數據處理與建模分析的主要過程132
6．1．3建模分析的特點135
6．1．4預估建模效果時的可參考因素137
6．2數據處理138
6．2．1主要內容和基本要求139
6．2．2數據的拼接與整合140
6．2．3異常值和缺失值處理141
6．2．4特征維度建立143
6．2．5標準化151
6．2．6特征選擇和降維155
6．2．7過采樣和降采樣157
6．2．8標簽調整159
6．3模型訓練、測試及評價160
6．3．1模型的超參數設置160
6．3．2模型的訓練與測試162
6．3．3多模型的集成165
6．3．4常用的模型評價指標166
6．3．5幾類主要的模型評價標準170
6．4模型的上線運行與持續迭代174
6．4．1主要工作內容174
6．4．2業務數據接入176
6．4．3模型上線試運行176
6．4．4模型分析結果處理與交互性改善178
6．4．5模型線上持續迭代179
6．4．6關於模型自動迭代的簡要探討181
第7章人工智能領域發展趨勢分析185
7．1人工智能應用的研發特點及價值185
7．2人工智能技術及應用的發展現狀186
7．2．1機器學習理論的主要研究課題186
7．2．2技術落地方面的主要發展趨勢188
7．2．3暗示的現像和問題189
7．3人工智能應用研發的組織變革192
7．3．1業務組織外技術團隊承擔應用研發的問題192
7．3．2業務組織內引入人工智能技術人員的優勢194
7．4人工智能應用研發的管理變革196
7．4．1基礎環境的統一建設與集中管控196
7．4．2研發流程的標準化196
7．4．3建模方法遷移變得更為普遍197
7．5人工智能技術人纔的培養方式轉變198
7．6人工智能應用研發工具的持續改進199
7．7人工智能技術服務的業態發展200
7．7．1提供計算設備與算力201
7．7．2提供模型的研發環境202
7．7．3提供定制化的研究協助204
7．7．4提供標準化的應用和產品205
7．7．5提供作為第三方的咨詢、測試及保險服務207
7．7．6提供培訓與資格認證208
7．7．7補充：企業拓展人工智能業務的適宜形式209
7．8人工智能領域法律法規的完善211
結束語213

本書首先從企業支持人工智能技術發展的視角出發，講解如何認識數字化轉型、數字化轉型戰略主要包含的方面、支持數字化轉型的應用體繫設計方法等。其次，承接對應用體繫設計的討論，詳細講解如何研發並落地實施定制化的人工智能應用，內容包括對人工智能應用研發的整體認識，業務需求和業務知識的梳理，數據收集、數據處理與建模分析，模型上線運行和持續迭代等。最後，基於相關討論，分析人工智能應用研發的特點，探討人工智能領域在應用研發模式與策略、專業技能人纔培養等方面可能產生的一些新變化，以及領域內各種業態可能出現的發展趨勢。
本書適合企業技術總監、規劃與計劃人員、人工智能應用研發管理者與研發技術人員，以及對企業數字化轉型和人工智能技術落地感興趣的讀者閱讀。

金瑋 著