之前，我们在《数字智能时代1：数据为什么能够产生智能？》，

(相关资料图)

这篇文章讲述了数字化能产生智能的原理是怎么回事。

(为了更好地理解本篇文章，如果没有看上篇文章，建议之后再去看一下~)

今天，我们接着上篇文章往下讲，

本篇文章 具体的 讲下 "数字化" 是如何 应用到某些行业 中的？

本篇先讲 两个 数字化应用的案例：

数字化 + 保险

数字化 + 元宇宙

那么，现在开始：

一.回顾一下 "数字化"

我们先回顾一下：

数字化的本质是什么？

数字化的好处是什么？

有时候我们会把信息化 和 数字化 搞混，

认为 数字化 主要就是 把 工作流程或者相关的事务 转移到 线上计算机系统，

有的可能认为:使用飞书(一款提高工作协同效率的软件)等辅助工作的软件就是在做数字化，

这实际上是把数字化 和 信息化 弄混了，

在过去十年里，我们把工作中的很多流程 都 转移到线上系统了，这实际上是信息化，信息化做的工作 就是 电子化， 具体就是在线上模拟一个工作系统， 把之前线下的工作全部对应的线上。

这些工作实际上是在做信息化，而最近 大家常提到的 数字化转型，数字化时代，

重点不是信息电子化， 而是在于通过业务数据 实现 “智能化”。

智能化 可以 理解为 通过 收集一些业务数据 进行分析(训练) 从而做智能决策，通过智能决策进一步实现自动化。

怎么理解用 智能决策 实现自动化呢？

我们 在上篇文章讲过， 智能化 实际上是通过 预测功能实现的，

在这里，预测功能 = 智能决策，

举例1：自动驾驶技术

在上篇文章我们讲过自动驾驶技术的例子，在这个例子中，

系统 通过 摄像头 收集的 道路画面信息(数据，具体如像素大小，像素颜色，像素排列组合)

来 做识别预测(等同智能决策)，通过图像数据来预测 道路中间是否有障碍物，

然后如果有，则会执行相关的转弯避让行为，

举例2：智能物流

让我们看一个生活中非常常见的现象，就是快递服务，比如京东快递，

京东关于物流，是有一个智能物流系统的，

这个物流系统，用简单的模型来解释：

1.用于物流线路(汽运)的 规划

2.用于确定每个仓库存放多少商品最为合适

数字化 应用在 京东的物流系统，实际上就是通过 收集数据

(比如物流历史线路所用的时间，某个地区销售商品的数量，某个时期商品销售的数量等)

来 训练一个 预测模型， 也就是我们上篇文章 所讲到的 深度学习加工盒(加工函数)。

(深度学习加工盒：输入数据，给出判断结果)

然后通过 这个 预测模型 来不断的 做出 智能决策(比如线路怎么规划，比如哪个仓库最好放多少商品等)

所以，在物流系统这个案例中，数字化 就是 实现了 物流系统的智能化(通过智能决策实现:根据数据自动算出 物流路线 和 商品调用规则）

那我们再回顾刚才的问题：

数字化 的本质是 什么？

答： 通过收集业务数据，训练决策系统模型，通过智能决策 实现 业务系统的智能化，自动化。

数字化 的 好处 是什么？

答：因为 系统智能化 后 会根据 实际情况 自动 做业务决策，从而提高了效率，降低了成本。

二.讲解如何数字化的两个行业案例

接下来我们着重讲一下 数字化 具体 是如何应用 到保险业 和 元宇宙的。

1). 数字化 + 保险业

a.车险

b.寿险，意外险等

我们 数字化 应用 到保险业，具体的效果就是 可以做到 保费个性化。

具体就是 每个人 根据自身的情况 ，所交 的保险费用 都不相同，

这样，被系统判定 风险系数 低 的客户 就可以少交一些保费，这样保险公司也可以做到更细致的风险管控， 通过合理的风险管控运营 就可以实现 效益的增加，成本的降低。

这样 数字化 的好处就很明确了： 能使 效益增加，成本降低。

那么 问题来了，数字化 是如何实现的 保费个性化的呢？

让我们再回顾一下，数字化的 主要 功能 是 做智能决策，

那么用在保险业， 实际上就是通过 数字化系统 对 客户进行风险指数预测。

只有基于 数字化系统 对客户做出的风险指数，才能做保费不同的个性化服务。

整个过程如下：

收集用户相关(与保险相关)的行为数据----->做出风险预测---->个性化保费设定

那么这个保险相关的数据 是 如何收集的呢？

(现实中 此行业还未完全实现 数字化 ，下面举得场景例子 是 保险行业数字化成功后的一种可能推测，举此例子主要用于理解 如何收集收据 )

举例1：车险数据的收集

未来的新能源智能汽车，都会有自己的一些数据系统，会把开车的行为操作记录下来，

(未来也有可能记录 路线信息)

保险公司 通过 和 车企的某种合作方式， 在客户客户允许的情况下 可以 获取到这些开车操作的行为数据。

然后 通过 数据的不断输入 和 反馈(具体就是真实客户是否发生意外)，来训练这个预测风险系数的模型。

于是，当预测模型训练好的时候，会出现这种效果，开车 比较注重安全(比如开的慢，稳，急刹车少)的 客户 的风险指数 则会降低，从而实现保费降低。

举例2：寿险，意外险等的数据收集

保险公司 会 和 一些 公司(比如饭店，健身房，智能穿戴设备)合作， 在客户允许的情况下可以获取到 这些公司关于 客户的数据，从而做出风险指数的预测。

这样，生活习惯健康的 客户 的风险系数很有很可能 会降低，从而降低保费。

本章因长度限制先到此，下篇文章将仔细讲下 数字化+ 元宇宙的应用。

其中 元宇宙 的 很多 实际应用场景 和玩法 都会讲 清楚，

未完待续。。。