在运营和编排层，ai可优先在大数据平台上引入引擎，对oss和bss数据做更深度的智能化挖掘。随着虚拟化网络的部署，编排层上可以逐步叠加ai能力，从而提升产品编排、业务编排、端到端资源编排的自动化和智能化水平。进而对业务量的变化做前瞻性的智能预测，实现动态规划和管理配套的资源。
已在多个场景下应用ai
由于ai对5g与网络重构的巨大价值，运营商已经开始了ai的部署征程。例如， sk电信公司已部署了一个具有大数据分析和机器学习功能的人工智能辅助网络（称为tango），它通过自行检测移动网络，排除故障，实现优化来增强用户体验；西班牙电信推出服务运营中心，主要靠计算机分析和人工智能实现自动化闭环维护；at&t正在研究如何利用人工智能技术令无人机检修基站。
消费者在社交网络和社交平台上花费了前所未有的时间。这三个最大的消息应用程序--facebook messenger、whatsapp和wechat--拥有近30亿活跃用户，这个数字相当于世界人口的一半。数字是惊人的，品牌需要跟随。
品牌的机会在于，它们能够以服务的方式来使用这些社交平台，并提供比通过电话、电子邮件甚至实时聊天等传统渠道更私密和更有效的客户体验。
社交渠道让消费者有机会在一个他们已经花了很长时间的环境中与品牌进行对话。而不是在网站上搜索电话号码，消费者只需用facebook messenger就可以开始一段对话，或者继续他们过去曾有过的对话。这种互动是按照他们自己的方式进行的，他们可以自由地进行日常活动，直到需要采取进一步行动为止。与手机不同的是，消费者不会排队等待，他们不会导航一个ivr菜单，而部门之间的传输是无缝的。
不能甄别优质、“立即购买”类的线索：众多渠道来的线索繁杂、但客户对于产品/服务的采购是有计划和时效性的，延误更佳接洽的时机。
缺乏科学、合理的销售资源分配：更优质的客户资源集中在少数大销售手里，不透明、不公平、缺乏监管，也造成了人均单产值低，销售机会未被充分挖掘；客户信息沉淀有限、无法进行机会再挖掘。
商机管理不到位：缺乏科学商机识别、评估、报备与审核机制；业绩考核是以结果导向，却没有精细和高效的跟进流程来规范销售团队；决策无“据”，不能科学分析销售行为，难以进行销售结果预测和风险管控；项目进展不了解，销售预测不准确，大项目和大客户需要多部门协同、却效率低下、客户满意度不高。
回款管理难：无科学、合理的回款计划，大量应收账款逾期，造成企业现金流出现困难；缺乏回款预警机制；无法有效评估销售业绩。

---

无锡亿企通科技有限公司
18108666669