作者：Andrew Ross 編譯來源：企業(yè)網(wǎng)D1Net

盡管關于創(chuàng)建業(yè)務戰(zhàn)略的信息廣為人知，但創(chuàng)建數(shù)據(jù)和人工智能戰(zhàn)略仍然是一個充滿挑戰(zhàn)的新領域。

在行業(yè)媒體Information Age最近與 Informatica公司合作在倫敦舉行的一次圓桌會議上，來自各個行業(yè)的技術(shù)領導者分享了有關開發(fā)數(shù)據(jù)和人工智能策略的見解，以及如何克服的常見障礙。

與會者包括：Starling Bank機器學習主管Alison Choy; M&S公司技術(shù)、數(shù)據(jù)主管Chris Waite;匯豐銀行人工智能項目經(jīng)理Sebastian Wilson;維珍航空公司數(shù)據(jù)和見解主管Tim Lum;Gowling WLG(英國)資訊科技總監(jiān)Tony McKenna;Willis Towers Watson的數(shù)字主管George Zarkadakis;Trainline公司數(shù)據(jù)科學總監(jiān)Fergus Weldon;Superbet公司高級顧問Finbarr Joy;Dun&Bradstreet全球業(yè)務數(shù)據(jù)戰(zhàn)略和管理負責人Andy Crisp; Data Labs 英國和EMEA地區(qū)負責人Javier Campos;Informatica公司EMEA地區(qū)副總裁Greg Hanson以及Information Age編輯Nicholas Ismail。

盡管與會者來自不同領域，但整個討論過程中都有一個共同的話題：人工智能和機器學習的成功始于擁有強大的數(shù)據(jù)基礎。

人工智能與數(shù)據(jù)

分析、人工智能和機器學習繼續(xù)在所有行業(yè)取得廣泛進展，為企業(yè)帶來重大機遇。然而，人工智能提高業(yè)務性能和競爭力的潛力要求采用不同的方法來管理數(shù)據(jù)生命周期。

根據(jù)專家在圓桌會議上達成的共識，許多人工智能計劃未能啟動是因為企業(yè)需要從數(shù)據(jù)中獲得洞察，但沒有找到實施它們的正確戰(zhàn)略。

Dun&Bradstreet公司全球業(yè)務數(shù)據(jù)戰(zhàn)略和管理負責人Andy Crisp認為，這一問題很大程度上源于缺乏技術(shù)專長。

他說：“我認為，要想在數(shù)據(jù)方面取得成功，企業(yè)需要一個非常好的數(shù)據(jù)管理計劃。企業(yè)需要能夠讓人們了解數(shù)據(jù)背后的機制，并為數(shù)據(jù)提供場景。我認為在人工智能中看到的一個問題是，模型在沒有這種知識的情況下被使用，將會一事無成。”

下一代數(shù)據(jù)湖

根據(jù)Informatica公司EMEA地區(qū)副總裁Greg Hanson的說法，問題在于缺乏良好的數(shù)據(jù)治理，而由于數(shù)據(jù)流的持續(xù)增長，這個問題變得更加嚴重。

他主張利用數(shù)據(jù)，必須拆除數(shù)據(jù)孤島，并用更易訪問的下一代數(shù)據(jù)湖代替，這將使更有效的決策、更全面的見識和更明智的自動化成為可能。

他說，“如果企業(yè)沒有提供能夠以數(shù)據(jù)科學家或業(yè)務人員可以利用的形式有效地提供數(shù)據(jù)的工具，那么他們將無法從數(shù)據(jù)中獲得該價值。”

他補充道：“人工智能可以幫助確保數(shù)據(jù)的傳播和數(shù)據(jù)的生命周期被跟蹤，并提供給組織幫助管理，并證明他們是某人數(shù)據(jù)的良好監(jiān)護人。”

他認為，不能做到這一點的組織將難以開發(fā)出高質(zhì)量的數(shù)據(jù)產(chǎn)品。由于監(jiān)管方面的影響，還存在阻礙消費者信任的實際風險。

提出正確的問題

雖然毫無疑問，人工智能可以緩解數(shù)據(jù)管理中的許多挑戰(zhàn)，但Trainline公司數(shù)據(jù)科學總監(jiān)Fergus Weldon表示，圍繞試圖找出數(shù)據(jù)中的需求還有其他問題。

他說：“我工作中最困難的部分是試圖回答正確的問題。除了數(shù)據(jù)爭論，我的團隊花了很多時間讓人們知道他們想問什么。”

維珍航空公司數(shù)據(jù)和洞察負責人Tim Lum補充說，收集數(shù)據(jù)還不夠，然后希望人工智能能夠?qū)ζ溥M行整理。收集數(shù)據(jù)不應成為主要目標：應該找到收集數(shù)據(jù)的理由。

他說，“數(shù)據(jù)治理離不開數(shù)據(jù)策略。首先也是最重要的是，需要弄清楚需要解決的業(yè)務問題是什么。”

在這種信念下，Lum在維珍航空公司的大部分工作都涉及與業(yè)務利益相關者一起工作。例如，他最近與客戶體驗和客艙團隊合作，為空乘人員創(chuàng)建客戶信息應用程序;這樣，通過跨部門分享見解和工作，他們可以更加關注客戶。

他補充說：“從沒有數(shù)據(jù)湖或數(shù)據(jù)倉庫到擁有兩個人工智能用例，我想說的是，如果已經(jīng)有很多數(shù)據(jù)，那么治理就很重要，如果沒有，則需要快速開發(fā)產(chǎn)品。治理總是可以跟進的。”

Starling Bank公司機器學習主管Alison Choy對此表示認同，他說：“企業(yè)必須了解自己的業(yè)務需求以及客戶的需求，以便可以決定要生產(chǎn)什么產(chǎn)品，然后要決定如何做。同時還要確保每個人都了解實現(xiàn)此目標的必要步驟。”

定義數(shù)據(jù)產(chǎn)品

Gowling WLG(英國)信息技術(shù)總監(jiān)Tony McKenna指出，這種方法也具有挑戰(zhàn)性。根據(jù)他的經(jīng)驗，通常很難使數(shù)據(jù)團隊與業(yè)務分析師處于同一頁面上。

Experian DataLabs英國和EMEA地區(qū)負責人Javier Campos對此表示贊同，他說，“數(shù)據(jù)科學家和業(yè)務分析師似乎來自兩種不同的文化。分析師關注業(yè)務利益相關者和業(yè)務影響，而許多數(shù)據(jù)科學家關注純數(shù)據(jù)建模。”換句話說，大多數(shù)據(jù)科學家缺乏商業(yè)頭腦。

作為Superbet公司高級顧問，F(xiàn)inbarr Joy非常清楚這個問題，他和他的團隊希望避免這個問題。因此致力于徹底各自為政的部門孤島。

他說：“雖然要使產(chǎn)品投入使用需要大量專業(yè)知識，但是數(shù)據(jù)實踐需要與軟件工程、產(chǎn)品管理以及其他業(yè)務融合在一起，因此他們必須以共同的客戶為中心。在Superbet公司，我們沒有發(fā)展獨立的分析師和商業(yè)智能團隊，而是在發(fā)展跨學科的產(chǎn)品團隊，每個產(chǎn)品團隊都擁有相關的專業(yè)知識(例如‘數(shù)據(jù)')。

它本質(zhì)上是客戶驅(qū)動的。我們必須建立并加強與客戶的互動，并因此而增強其見識，這是我們的首要任務。對于我們作為數(shù)字團隊的團隊來說，如果我們的客戶不購買我們的產(chǎn)品，那么我們將無法持續(xù)經(jīng)營。”

Superbet公司高級顧問Finbarr Joy向與會代表解釋了他為何建立多學科產(chǎn)品團隊的原因。

敏捷性和標準化：不互斥

無論采用哪種數(shù)據(jù)管理方法都適合企業(yè)的業(yè)務，Hanson認為，盡可能地標準化技術(shù)堆棧通常會帶來好處。

他說：“缺乏數(shù)據(jù)標準化會導致信息的碎片化，這會阻礙組織推動創(chuàng)新、變革和靈活性的能力。例如，我時常收到郵件，但對于我的稱呼并不一致。這種不一致表明，許多公司仍然對客戶及其與公司的整體互動沒有統(tǒng)一的看法。”

這對M&S公司技術(shù)和數(shù)據(jù)主管Chris Waite來說是一個巨大的挑戰(zhàn)。該零售商擁有大量來自不同系統(tǒng)和業(yè)務不同部分的數(shù)據(jù)。

為了取得進展，M&S公司需要將這些孤島放在一起，以便業(yè)務用戶可以在雄心勃勃的項目上進行創(chuàng)新。將這些聯(lián)合數(shù)據(jù)組合在一起的方法是開始通過數(shù)據(jù)編目對數(shù)據(jù)產(chǎn)品進行可視化。一旦有了集中的信息目錄;它可以開始將客戶數(shù)據(jù)整合在一起并圍繞它開發(fā)產(chǎn)品。

Hanson補充說，“到目前為止，人工智能在工程層的投資還不算太多。這就是數(shù)據(jù)所面臨的巨大挑戰(zhàn)。”

匯豐銀行人工智能項目經(jīng)理Sebastian Wilson表示，在其公司的數(shù)據(jù)湖中使用人工智能在其開發(fā)人工智能產(chǎn)品的過程中發(fā)揮了至關重要的作用。

匯豐銀行于2017年開始創(chuàng)建其數(shù)據(jù)湖，當時它從數(shù)百個系統(tǒng)和數(shù)千個應用程序中收集數(shù)據(jù)。然后對這些數(shù)據(jù)進行標記和編目。人工智能被用來從其數(shù)據(jù)湖中獲取見解，幫助發(fā)現(xiàn)商業(yè)機會;以及評估數(shù)據(jù)質(zhì)量、數(shù)據(jù)就緒性和技術(shù)可行性。

對于許多公司而言，試圖從低成熟度狀態(tài)過渡到以人工智能為中心的模型是一個真正的挑戰(zhàn)。最終，將由組織的客戶培訓他們的人工智能系統(tǒng)，企業(yè)制定數(shù)據(jù)和人工智能策略必須對它們有著更濃厚的興趣。

標簽： 數(shù)據(jù) 蒲

版權(quán)申明：本站文章部分自網(wǎng)絡，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。