数据始终处于最前沿是成功和真正的数字破坏的最重要驱动力之一

资讯2020-02-25 10:58:53
导读世界各地的公司正出于充分的理由在人工智能(AI)和机器学习(ML)上投资数百亿美元。这些技术具有真正的业务改变潜力,这就是为什么Gartner的

世界各地的公司正出于充分的理由在人工智能(AI)和机器学习(ML)上投资数百亿美元。这些技术具有真正的业务改变潜力,这就是为什么Gartner的“进入分析时代”报告预测,到2023年,人工智能和深度学习技术将成为数据科学新应用的两种最常见方法。

在业务生产用例中有效使用AI和ML可以帮助使用AI和ML的企业远远领先于其所在行业的竞争对手,因为这些技术消除了困扰流程的摩擦。但是,尽管做出了这样的承诺,但很少有公司能够成功地实施和部署该技术,并将其作为整体数据和分析策略的一部分。根据Gartner的说法,46%的CIO制定了部署AI的计划,但只有4%的人将该概念变为现实。

事实是,要让许多组织意识到AI和ML的真正潜力还需要很多年,但是现在为AI驱动的未来奠定基础永远不会太早。实际上,如果组织尚未考虑AI战略的样子,那么它的竞争可能就向前迈了一步。没有时间可以浪费,因此在开始使用AI和ML时,有五个要点要考虑。

此eWEEK数据点文章的行业信息由Alteryx产品高级副总裁Ashley Kramer提供。Alteryx声称其产品套件是市场上同时满足数据分析师,数据科学家和公民数据科学家需求的唯一平台。

数据点1:提出正确的问题

当涉及到面向未来的数据策略时,组织需要考虑四件事。我的组织内部有哪些可用数据?我们需要从外部获取哪些数据来推动差异化?我们的数据是否可用机器学习和AI随时可用的方式提供?也许是最重要的一点:我们在哪里可以提高业务线的技能,什么需要纯数据科学和AI知识以及IT部门可以管理什么?这些问题的答案应作为您策略的基础。

数据点2:采用多年方法

成功的AI / ML实施并非一overnight而就。最聪明的组织对数据获取和策略采用了多年的方法,重点是编译来自不同来源和孤岛的数据(通常围绕卓越中心(CoE)建立),并投资适当的技术和人员来奠定基础。同时,这些组织希望借助Amazon,Microsoft等公司的基于云的产品来创建中间数据存储,以随着策略的发展而支持各种用例。

数据点3:始终将人才放在战略的中心

ZipRecruiter最近的一项研究发现,“人工智能最成功的应用是与人类合作使用,而不是替代人类。”这就是为什么这项研究表明,人工智能创造的就业机会是上一次被杀死的三倍年—尽管自动化技术不断进步,但公司仍在继续投资具有数据技能的人才。世界经济论坛(World Economic Forum)预测,在未来四到五年内,与数据相关的工作以及AI和ML专家将成为最需要的工作。

数据点第4号:建立一个多学科团队

由AI专家,数据科学家和业务线分析师组成的多元化团队为AI / ML提供了更全面的方法,因为整个项目涵盖了从数据收集过程一直到数据挖掘活动,机器学习和自动化的整个过程。那些能够进行数据收集,处理和培训的人员将能够优化其对组织的贡献,并严重增强其个人或公司实现目标的能力。

数据点5:弥合技能差距

不论技术水平如何,对任何数据工作者的需求都越来越大,他们需要更多地处理数据,并且组织需要寻找提高技能组的方法,以可理解和透明的方式构建模型,并通常弥合整个组织的技能差距。由于AI数据设计需要“数据说”来帮助构建工作流,因此组织必须实施诸如增强分析之类的技术,以使数据准备,见解发现和数据科学(即autoML)全部自动化,同时以较少的AI知识向角色传达动作。

数据点6:展望未来

毫无疑问,人工智能和机器学习将在未来几年内改变商业世界和生活,而组织需要授权其业务的每个人类成员都在思考如何利用该技术。无论AI和ML如何发展,数据始终处于最前沿,是成功和真正的数字破坏的最重要驱动力之一。现在,一种明智的数据处理方法将为成功实现AI驱动的未来提供指导。

免责声明:本文由用户上传,如有侵权请联系删除!