数据科学赋能组织完成未来智能
发布时间：2021-12-01 13:47:13 所属栏目：站长百科 来源：互联网
导读：协作成为一个普适性的需求 。Collaboration，我们称之为一个核心需求，是fundamental的。我们知道从Slack为代表的协同办公软件开始到今天，各行各业都在广泛地让协同协作成为一个基础性的需求。这是因为既然我们都有复合型的技能，既然我们要有各种广泛的创新
|
“协作”成为一个普适性的需求 。Collaboration，我们称之为一个核心需求，是fundamental的。我们知道从Slack为代表的协同办公软件开始到今天，各行各业都在广泛地让协同协作成为一个基础性的需求。这是因为既然我们都有复合型的技能，既然我们要有各种广泛的创新，而且每个人都使用自己的专业工具，那么他们怎么形成一个合力，就变成了一个很有挑战的问题。所以专业工具的协同性功能的提供，甚至跨领域不同行业的协同功能的提供，其实是一个非常核心的需求。这就是我们看到的对于智能组织里面“人”成为最重要的生产因素以后，有这三个方面的需求。 早期的时候，数据科学家可能还是一个高高在上的头衔，但现在门槛已经越来越低。很多小朋友通过参加Python的培训班，各个年龄段的学生通过在校学习，都掌握了或多或少的数据科学的一些技能;包括已经在职场的社会人士，他们也会参加一些新的培训，让自己掌握数据科学相应的技能。有一个看法说除了你的智商，你的情商，将来还有一个“数商”——你对数据的敏感度，对数据科学一些技能的掌握情况。 数据科学在企业里面最开始还是从数据科学家工作台的方式渗入的。当企业面临一个业务挑战，比如想挽回流失的客户，想向已有客群推荐更多的金融产品，就会面临着我们称为AI建模 的工作。当进行AI建模工作的时候，需要做大量的AI数据准备，这些工作基本都是在数据科学家、数据工程师或者算法人员的工作范围内进行的，他们会使用专业的工具来完成这个过程，这个专业工具的类别就叫做数据科学家工作台。简而言之，这是一个相对来说在一个比较实验室的、一个开发的环境里完成的。 那么初期的一些创新往往围绕着工作台的方式来进行，但是一个智能化的组织不会局限于创新的尝试或者在实验室做一些创新，它要全面地完整地使用创新能力，就一定要让生产系统完成智能化改造 。比如你的营销名单能够进入生产系统，实时地被APP调用，那么你的客户就可以实时接收个性化的推荐;再比如你完成了一个反洗钱的系统，在你的交易系统里每一笔交易发生时，系统能够实时地调用模型来判断这笔交易是不是一笔盗刷，是不是一笔黑钱，是不是一个要拦截的行为。我们从今天AI模型的进展看到，数据科学家的工作已经从实验室一些比较创新的点变成了一个普遍的生产化的系统，这一点是有重大意义的。 我们有一个简单的小结，在过去40年，软件核心系统完成的是“流程自动化”，那么在接下来的20年甚至更长的时间里，软件系统会完成“决策自动化”，决策自动化集中体现的就是数据科学在企业中的应用，也就是从实验室到生产系统当中去。 那么在全面地把数据科学落实到生产系统来改善业务的同时，一定会碰到一些挑战。其中一个非常突出的挑战——不是技术的挑战，而是业务的挑战——我们称之为知识融合 。 （编辑：孝感站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
