2019 年 3 月末，AI 大數據分析公司 Stratifyd 在多倫多 Hocky Hall of Fame 舉辦了商業(yè)沙龍，與風險投資機構 Georgian Partners，微軟 Microsoft for startups 以及萬事達 MasterCard Start Path 項目的高層共同探討 AI 的行業(yè)應用。討論議題包括 AI 項目落地的基礎，非結構化數據分析、AI 工作流（AI workflow）等。

一、AI 項目落地的基礎

Stratifyd 的創(chuàng)始人兼 CEO，汪曉宇博士（Derek Wang） 認為，AI 的商業(yè)落地離不開企業(yè)對自身數據的積累，尤其是與消費者打交道的企業(yè)。AI 模型的構建需要豐富的數據，從這個角度來講，滿足以下這兩點的企業(yè)使用 AI 技術將會更加游刃有余：一是對“全渠道 （Omni－Channel）”數據都有積累，數據量有保證；二是結構化數據和“非結構化數據 （Unstructured Data）”都能覆蓋，數據形式豐富。

Stratifyd 創(chuàng)始人兼 CEO 汪曉宇博士（右一）

萬事達數字支付和實驗室（Digital Payments and Labs of MasterCard）的負責人 Jose Gutierrez 表示，數據本身就是巨大的難題。金融行業(yè)采集并積累了大量數據，這為 AI 的應用提供了良好的環(huán)境；但如何排除無效數據，以及挖掘結構化和非結構化數據都是很大的挑戰(zhàn)。

二、高價值的非結構化數據分析

Tyson Baber，Georgian Partners 的合伙人認為，“產品”這個概念終將被“體驗”所替代。對企業(yè)來說，利用 AI 高效而準確地提煉消費洞察至關重要，這將指導企業(yè)更精準地提升消費者體驗。

汪博士認為，分析非結構化的消費者反饋數據對企業(yè)有很大價值，他分享了一個世界 500 強汽車品牌探索消費者滿意度下滑原因的案例。該企業(yè)在 stratifyd．cn 使用非結構化數據 AI 分析模塊處理大量車主的反饋內容，提煉出很多導致不滿的問題，而這些問題是之前沒有被意識到的：比如追蹤某個被抱怨的產品缺陷時，發(fā)現該問題是由生產環(huán)節(jié)中一個很小的疏忽導致的。最終該企業(yè)根據這些高質量的洞察結果提升了產品體驗，挽回了車主的信任。

“解決問題有時很容易，但發(fā)現問題而且能找到背后的原因并不簡單，只有非結構化數據分析才能做到�！蓖舨┦靠偨Y道。

三、引領變革的 AI 工作流

Microsoft for Startups 的加拿大負責人 Adam Nanjee 表示“我們看到一些像 Stratifyd 這樣的創(chuàng)新企業(yè)正在構建‘AI工作流 （AI workflow）’ 解決方案，讓更多企業(yè)都可以輕松應用最前沿的 AI 技術并嵌合到現有工作流中�！�

汪博士介紹道，“很多數據分析師并非數據科學背景出身，認為 AI 模型的訓練工作非常棘手，因為涉及復雜的算法和流程。而 Stratifyd 的 Auto－Learn AI 系統(tǒng)可以大幅降低模型訓練的門檻，實現應用級商業(yè)模型的自動訓練，讓更多分析團隊可以享受 AI 技術的紅利。這就是‘AI工作流’的體現�！�

他隨后分享了 Stratifyd 幫助一家財富 50 強金融集團應用 AI 技術的案例：該企業(yè)收集了大量調查問卷、全渠道的投訴和咨詢等反饋內容，絕大多數都是非結構化的文本數據。原先數據分析團隊要花費大量的時間手動總結消費者的意圖和情感，而利用 Stratifyd AI 分析模塊，這項工作在極短的時間就可以完成。

Adam 和 Jose 共同表示 Microsoft 和 MasterCard 都愿意扮演橋梁的角色，利用自身擁有的全球資源網絡，幫助像 Stratifyd 這樣優(yōu)秀的 AI 創(chuàng)新公司對接有需要的企業(yè)。汪博士表示 Stratifyd 非常感謝合作伙伴們提供的機會，愿意為更多的企業(yè)提供 AI 驅動的全渠道消費反饋洞察服務。