北京2019年12月11日 /美通社/ -- 2019年12月5 日-12月7日，由中國計算機學會（CCF）主辦，CCF 大數據專家委員會承辦，CSDN、中科天璣數據科技股份有限公司協辦的中國大數據技術大會（BDTC 2019）在北京長城飯店圓滿結束。
已經走過十余載的 BDTC，從當時僅60余人參加的技術沙龍到如今數千人的技術盛宴，儼然已成為國內規模空前、水平領先和影響力非凡的大數據技術盛會。大會整整持續三天，大數據和人工智能領域的頂尖專家齊聚一堂，星光熠熠，為1000+參會嘉賓帶來精彩的技術分享和思想碰撞。
大會首日：大數據發展趨勢十大預測報告發布
在數字經濟時代，數據已經成為了發展的基石，趨勢預測中出現的“新面孔”很多都是與數據發展的新階段產生的特定問題對應，比如數據融合、數據質量管理、因果性分析等。一個事物發展到一個階段，總會產生與這個階段相對應的特定問題，這些問題的出現標志著數據應用發展的新階段，雖然現在還沒有特別深入的應用，但是這些問題的出現已經為突破新的應用帶來了曙光。
在大會首日開幕式上，周濤先生代表CCF大數據專家委員會發布了《2020 年大數據發展趨勢預測報告》，對大數據發展趨勢做出十大預測。
周濤特別強調了今年重點關注趨勢預測出現了3項首次出現的“新面孔”，包括關于數據融合治理和數據質量管理工具，這是扎實、深入做好大數據應用必須要克服的難題；對大數據做因果分析，基于數據做統計和觀點性分析很容易，但是有觀點性不代表有因果性，因果性比關聯性更深入；邊緣計算和云計算的結合，過去一提大數據就必然提云計算，但實際應用中發現終端智能化、終端計算能力越來越強的今天，并不是把所有數據都放到云端就是最好的模式，邊緣計算和云計算結合才是應用中最常見的模式。
除了10大趨勢預測之外，CCF 大數據專家委員會還公布了關于大數據發展的單項調研，包括最令人矚目的應用領域、取得應用和技術突破的數據類型等。
Keynote主論壇：數十位技術大牛縱論大數據如何驅動智能+
大數據與人工智能相輔相成。胡郁提到，數據和人工智能的結合是科技創新型公司必不可少的一條路徑。就像機械時代的航空發動機一樣，人工智能是信息時代的航空發動機。
李明、葉杰平、陳繼東和白碩的演講則分別從醫療、交通、金融三大領域的應用案例出發闡述了大數據與AI的融合效果，它們能使行業的安全、體驗和效率大大提高。
不過，就現階段大數據本身面臨的挑戰來看，數據融合仍存在四大硬傷：數據維度缺失、標準缺乏、各自為政且存在安全風險。李光瑞認為，數據價值和數據維度的平方成正比，只有不同行業的數據相互融合才能豐富數據維度，從而高效發揮價值。
那么如何打通數據融合的障礙？從打通企業數據應用的最后一公里角度出發，劉相提出數據服務化的理念。關注回歸數據應用價值本身，“服務化”已成為數字經濟時代的主旋律；其次，如何實現面向服務共享的大數據應用平臺。數據目錄化、目錄服務化、服務開放化三大階段典型場景是關鍵；最后，需要建立閉環的一體化服務共享的大數據平臺。
數據融合的一大關鍵點還在于效率。開源于2016 年的 ClickHouse 主要用來提高分析與聚合數據的效率，其應用效果極快，Alexey Milovidov 具體介紹了 ClickHouse 的設計思想。
AI技術的發展同樣也有問題存在，在NLP領域，吳華指出由于數據缺乏，對話類似機器翻譯的規則水平有待提高；此外模型認知能力有限，亟待從中加入注意力機制、推理機制等；更重要的一點，模型遷移能力需在小樣本學習和遷移學習方面尋求突破。不過可喜的是，很多算法已經在更多領域得到實踐應用，未來可期。
周伯文則認為，目前AI技術主要基于特征提取的自動學習與模式識別的聯合優化，利用大數據解決小問題，但總體依然局限在記憶式學習范疇，面臨災難性遺忘等諸多挑戰。例如人工智能深度神經網絡學習。更多表現為人工設定算法，專家設定架構，不但不夠靈活而且算力資源需求巨大，如何將孤立解決某個問題轉化為可復用、重復解決系列性問題，逐漸成為未來AI亟待解決的事情。
而在上午的圓桌論壇上，以“數字經濟發展的驅動力”為主題，在宋雨倫的主持下，李明、杜軍平、陳揚帆、程志華、羅華霖等五位不同領域的專家就大數據與數字經濟展開了討論，論題涉及到數字經濟時代下技術驅動與模式驅動相結合，驅動數字經濟發展的前置條件和路徑等，各位嘉賓分別給出了各自見解。
14個技術分論壇，技術人的多樣“菜譜”
12月6日-7日的14場技術和行業論壇，包括新一代數據庫轉型、人工智能賦能金融科技、AutoML大數據自動化機器學習技術與系統、大數據時代的因果推斷、大數據安全和治理、多模態知識圖譜、大數據與AI中臺、物流大數據、工業與制造業大數據、數據驅動與城市治理、智能驅動的大數據可視分析、IoT大數據技術、智能交通中的大數據技術、Top 10大數據應用最佳案例實踐等主題多樣化組合選擇的空間，讓參會者制定專屬自己的參會攻略。
1、新一代數據庫轉型分論壇
本論壇主要討論了分布式數據庫特性，包括Key/Value，Schema-less等數據庫（OLTP、HTAP等），重點介紹列關系型分析數據庫、存儲數據庫、行存儲數據庫，文檔型數據庫以及圖數據庫，并具體介紹MySQL、OceanBase、Greenplum、TiDB、Neo4J、ThinkerPop等，來自百度、天云大數據、Pivotal Greenplum、阿里巴巴、騰訊、PingCAP、東方國信、星環科技、華為的技術專家深度分享了他們在各種行業領域的應用實踐。
在中國信通院云大所業務主管馬鵬瑋看來，如今國內分布式數據庫產業迎來春天，據統計相關產品超過30款。部分火熱原因主要歸功于Greenplum的開源讓更多廠商能使用和研究分布式數據庫，目前分布式數據庫正在努力突破擴展性限制，其中基于MySQL改造最多，基于PG的廠商正在快速興起，此外部分廠商已經開始考慮MySQL的開源風險。除了技術原因，我們應該從生態角度去思考國內數據庫如何快速應用落地，例如標準、供應鏈、人才等。
2、人工智能賦能金融科技論壇
金融科技的快速興起改變了整個金融業。我國銀行業正面臨巨大的外部不確定性和激烈競爭，銀行正向客戶長尾化、產品場景化、渠道全時化、風控智能化、數據資產化、平臺開放化等新型模式轉變，數字化轉型迫在眉睫。
百融云創首席風險官季元的演講圍繞銀行關注的業務方向，講述消費金融、小微金融、資產管理等方面介紹數字化轉型的技術和案例，幫助銀行構建起技術、設施等基礎環境及支撐，滿足各方對金融服務效率和安全的要求，驅動行業轉型升級，向技術進步要生產力。
來自中信證券、度小滿、天云大數據、中泰證券、陸金所、光大銀行的專家從客戶識別、遙感影像分析、異常交易監測、量化交易、財富管理平臺、智能風控等金融應用場景領域出發，詮釋了AI在業務落地實踐中的切實作用。
螞蟻金服人工智能部技術總監、資深算法專家張家興表示，從幫助人工到替代人工，人工智能提供了低成本、更高效、個性化的金融服務。
3、大數據安全和治理論壇
政府、行業、研究機構、企業等全面協力推進政務大數據發展，安全問題迫在眉急。公安部第三研究所網安中心副主任楊濤認為，構建以“安全、可信、合規”為目標的政務大數據安全架構，利用零信任、細粒度技術解決核心數據安全問題，加快政務大數據在社會管理、市場監管、宏觀調控等領域的創新，提升政府社會治理能力。
隨后，UCloud、京東數科、南方電網公司的技術專家從安全屋、數據資產管理等方面介紹了各自技術解決方案。北京銳安科技有限公司首席數據科學家曹文潔則從數據采集角度出發，指出智能化采集解析、全方位匯聚、全維度整合政府/行業的優質業務數據，對其進行有效的治理/處理，形成打破信息孤島、強化內在關聯的領域知識圖譜，再服務于業務、為業務賦能，從而讓數據驅動業務，使信息價值得到最大程度釋放。
4、大數據時代的因果推斷論壇
“知因知果，知可變之處，便可以最小代價，為有為之事。知來龍去脈，可分而治之，亦可融合信息。知萬變之不變，以及變之規律，如定海神針，便可做可靠預測。”卡內基·梅隆大學哲學系和機器學習系副教授張坤表示，人如此，智能系統亦應如是。因果的信息，數據中必有痕跡，因果發現旨在由數據反推因果關系。因果信息和系統變化性質，讓復雜環境下的機器學習，比如遷移性學習，如虎添翼。
因果關系已是近期學界探討的熱門研究方向。華為諾亞方舟實驗室高級研究員董振華也指出我們要勇于應用因果推理、反事實技術學習未觀測的世界。
傳統因果結構學習作為一個組合優化問題，通常使用不同局部啟發式算法求解，效率較為低下，無法解決大規模因果圖學習任務。華為諾亞方舟實驗室主任工程師陳志堂講述了使用深度學習端到端可微分范式，為因果結構學習注入新的活力。
NEC中國研究院數據分析部部長指出因果分析技術致力于發現事物間的因果關系、量化因果作用，其適用于解決原因洞察、穩健預測、最優決策建議等系列問題，在市場營銷、線上線下零售、制造業、醫療、金融、電信、教育等諸多領域有著豐富的應用場景和巨大的商業價值。
5、AutoML 大數據自動化機器學習技術與系統論壇
“AI賦能行業”的應用模式在未來將迎來高速成長。但人工智能的普及和應用面臨技術門檻高、專業人才嚴重短缺、大量依賴專家經驗、建模周期長等瓶頸和制約。為了解決上述問題和挑戰，近年來國內外出現了自動化機器學習（AutoML）研究領域，即用機器去自動化地完成算法模型選擇和參數調優，從而大量節省人力成本，降低人工智能使用門檻，大幅提高建模效率。
來自第四范式、平安科技、天云大數據的技術專家從自動特征工程、自動化機器學習平臺建構、保險重疾率模型的自動化建模講述了技術落地實踐。
江蘇鴻程大數據研究院副總經理朱光輝認為，要改變人工智能建模依賴專家的手工作坊式生產，就要打造人工智能建模的“數控機床”，利用機器替代人工實現AI模型的構建，大幅提升AI建模效率，降低AI技術門檻，加速AI應用落地。
6、大數據與AI中臺論壇
在大數據已然成為IT技術發展驅動力的背景下，以中臺建設為核心的技術體系逐漸受到業界關注。業務場景賦能，降本增效，尋求新的價值增長點，AI中臺作為數據中臺的功能延伸，是企業數據價值體現的重要技術手段。
明略科技副總裁盧億雷道出了對AI中臺的理解：AI中臺是一套AI應用全生命周期的開發和管理平臺。AI中臺提供數據分析與處理，模型訓練與評估，模型應用與監控三大模塊；并提供相應的統一數據存儲系統，基于容器的異構計算資源管理系統，機器學習庫與模型訓練實驗管理系統，模型部署與運行監控系統。
百度、華為、東方國信、智領云、阿里云、滴滴、天云大數據、第四范式、中科天璣、科大訊飛基于所在公司的數據中臺技術實踐，從底層技術架構、工具、業務層等方面講述了其數據中臺在數據資產管理、大數據平臺、云原生架構等領域的探索和應用。
星環科技 人工智能總監楊俊認為，AI平臺的技術演化與架構變遷與AI應用場景的落地相輔相成。接下來的風口會在跨域計算，深度圖譜，以及邊緣計算。
7、多模態知識圖譜論壇
正如哈爾濱工業大學計算機學院長聘教授、博士生導師所言，知識是人工智能不可或缺的要素。基于約束條件的知識圖譜的描述體系，更準確刻畫概念及概念之間的關系，事理圖譜揭示了事件之間的演化規律。知識圖譜和事理圖譜的結合，多模態信息的融入，更有助于理解和推理。
在該論壇上，來自微軟亞洲研究院、百度、中國科學技術大學、騰訊、美團點評、華為云的學界和業界專家介紹了他們在推薦系統、醫療等領域的技術應用，以及跨模態語義增強、知識計算等研究領域的進展。
復旦大學教授肖仰華認為，為大規模知識圖譜實現符號接地，實現大規模知識圖譜的跨模態語義增強，將是基于知識圖譜下半場的關鍵技術。阿里巴巴業務平臺資深算法專家張偉則表示，知識圖譜的可解釋性與商業場景的確定性碰撞帶來無限的想象空間；知識圖譜技術對信息的知識化與語義化，對我們生活的改變正在進行。
8、IoT大數據技術論壇
物聯網與人工智能的火花只是在終端體驗嗎？是否有某種方法使物聯網可以“類人化”發展？浙江網新數字技術有限公司產品總監吳皓天認為，感”知”只是物聯網的單元基礎能力，將人工智能語義理解能力與物聯平臺能力融合，可以使單元基礎能力與平臺快速互聯，完成人與物、物與物的交互響應，真正實現知行萬物。
而中國聯通研究院大數據中心主任、教授級高工魏進武表示：“主路式”生產、“嵌入式”應用是大數據發揮商業價值的關鍵，只有讓大數據完成“全旅程”作用，才能為行業數字化轉型更好賦能。
來自星環科技和華為的研究嘉賓重點講述了AIoT綜合解決方案在電力行業的應用，以及面向IoT的大數據中臺架構。
華東師范大學網絡空間安全研究院副院何道敬強調了物聯網時代嵌入式智能系統所面臨的安全挑戰，在他看來當今世界已邁向了萬物互聯的智能大數據時代，信息安全依然是重中之重。有價值的事物就存在信息安全風險。信息安全防護是個面臨著無數挑戰性問題的復雜宏偉的系統工程，需要大家一起攜手確保空天地一體化信息安全。
9、智能交通中的大數據技術論壇
隨著交通系統的智能化水平不斷提高，智能交通作為一個具有多層次、多目標、復合型特點的綜合復雜系統，對大數據的應用提出了迫切需求。
本論壇將結合近年來交通領域的大數據分析與安全的最新研究成果，探討大數據技術在智能交通領域應用的關鍵研究問題及其未來發展方向。
來自中國鐵道科學研究院、科大訊飛、滴滴出行、北京交通大學、富能通的技術專家圍繞大數據技術，分別介紹了其在鐵路客運、城市出行、民航領域的應用，以及圖數據挖掘、交通超腦在交通出行領域的技術實踐。
10、智能驅動的大數據可視分析論壇
“人們終將能輕而易舉的生產和消費可視化內容。那時候，可視化作為信息的一種基本載體，就像文字圖片一樣，將徹底的融入普通人的生活中，變得無處不在又不可或缺。”微軟亞洲研究院高級研究員崔為煒給大數據可視分析給出了一種未來設想。
不過，可視化在工業界經常被誤解。華為云數據產品與可視化總監丁治宇指出，一方面人們不知道可視化該擺在互聯網工業流水線的哪個環節才能發揮它最大的價值，甚至連思考過這個問題的人都極少；另一方面工業界卻存在大量的需要可視化領域人才來解決的問題，這種矛盾在他看來是非常詭異的。他認為，需要在正確的位置做正確的事情，最大化數據價值，做出最好的數據可視化產品。
此外，數字冰雹、滴滴、中科天璣的技術專家講述了大數據可視化領域的不同技術解決方案。
11、數據驅動與城市治理論壇
在數據大爆發和人工智能不斷升級的時代，建設基于大數據的現代城市，提升城市治理能力和治理體系現代化水平，既迎來巨大的機遇，也面臨著全新挑戰。
曠視科技城市大腦BG高級產品總監那正平認為，目前城市精細化、數字化治理的態勢為“一個世界，兩個空間（物理空間和網絡空間），多種IoT、海量大數據”，許多IoT設備采集的大數據已被較為充分地利用，但攝像頭采集產生的視圖大數據總體還是個沉睡的寶藏。在大家比較關注的視頻大數據隱私安全保護方面，實際遠比公眾預期要好，大數據應用和安全隱私，兩手都應抓，可以有兼顧。
本論壇中，還有來自國務院發展研究中心、科大訊飛、蕪湖市大數據中心的專家將共同探討城市數據治理體系，聚焦城市數據如何更加開放、更加安全、更加可用；探討基于大數據的城市治理體系，聚焦柔性治理、精準服務、便捷高效，推動智慧城市從單點應用突破到城市整體治理能力和服務水平的全面提升。
12、工業與制造業大數據論壇
對比通用領域AI應用的火熱景象，上海研究院工業人工智能產品總監祝曉旦認為，工業領域的AI應用還處于“刀耕火種”的階段。能否迎頭趕上國際行業巨頭，工業大數據的積累，數據科學家和領域專家打破邊界的合作是關鍵。
而在工業與制造業大數據處理方面，濤思數據創始人陶建輝表示，工業互聯網產生的數據量很大，用通用的Hadoop系統來處理，效率不夠，但如果充分利用工業互聯網數據的自身特點，需要打造高速、高效、簡單易用的大數據平臺，從而大幅降低工業互聯網平臺的總擁有成本。
此外，中國電子技術標準化研究院軟件工程與評估中心、浪潮的專家就工業企業上云以及打造工業互聯網公共服務平臺進行了介紹。
13、物流大數據論壇
近幾年隨著國內經濟體量的增長，物流行業得到了蓬勃發展，也加劇了物流企業之間的競爭。如何利用創新科技推動物流業務跳出紅海，是很多物流企業都在思考的問題。隨著物流行業數字化轉型的加速，無論是快遞業務，航空、海上運輸，倉儲優化、還是共享出行等各種物流場景中，都產生了大量的供需數據、運營數據、客服數據等等。
以海洋運輸為例，微軟亞洲研究院高級研究員張佳指出，全球貿易的不對等導致了海洋運輸中集裝箱供需的嚴重不平衡。由于海洋運輸中大量的不確定性，傳統的優化方法很難得到好的空箱調度方案。不同于傳統的方法，他們基于多智能體強化學習，利用市場機制得到了互相配合的智能體，能夠顯著降低空箱缺失以及運營成本。
杉數科技創始人/CTO王子卓認為，讓大數據發揮最終的價值需要將數據應用在決策端，而在決策端的應用離不開運籌優化。在未來的社會中，數據好比燃料，而運籌優化好比引擎，只有好的燃料加上好的引擎才能更快的推動社會和企業的發展。
來自寧波諾丁漢大學、順風科技的技術專家則從智能集裝箱港口車輛調度優化、快件背后的大數據應用闡述了技術在智慧物流中的應用。
14、Top 10 大數據應用最佳實踐案例論壇
本次大會上，黃宜華教授代表CCF大數據專家委員會公布了《2019 年度 Top 10 大數據應用最佳實踐案例》評選結果（排名不分先后）：
