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

盡管關(guān)于創(chuàng)建業(yè)務(wù)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(gè)充滿(mǎn)挑戰(zhàn)的新領(lǐng)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(huì)議上，來(lái)自各個(gè)行業(yè)的技術(shù)領(lǐng)導(dǎo)者分享了有關(guān)開(kāi)發(fā)數(shù)據(jù)和人工智能策略的見(jiàn)解，以及如何克服的常見(jiàn)障礙。

與會(huì)者包括：Starling Bank機(jī)器學(xué)習(xí)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(xiàng)目經(jīng)理Sebastian Wilson;維珍航空公司數(shù)據(jù)和見(jiàn)解主管Tim Lum;Gowling WLG(英國(guó))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(xué)總監(jiān)Fergus Weldon;Superbet公司高級(jí)顧問(wèn)Finbarr Joy;Dun&Bradstreet全球業(yè)務(wù)數(shù)據(jù)戰(zhàn)略和管理負(fù)責(zé)人Andy Crisp; Data Labs 英國(guó)和EMEA地區(qū)負(fù)責(zé)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(huì)者來(lái)自不同領(lǐng)域，但整個(gè)討論過(guò)程中都有一個(gè)共同的話(huà)題：人工智能和機(jī)器學(xué)習(xí)的成功始于擁有強(qiáng)大的數(shù)據(jù)基礎(chǔ)。

人工智能與數(shù)據(jù)

分析、人工智能和機(jī)器學(xué)習(xí)繼續(xù)在所有行業(yè)取得廣泛進(jìn)展，為企業(yè)帶來(lái)重大機(jī)遇。然而，人工智能提高業(yè)務(wù)性能和競(jìng)爭(zhēng)力的潛力要求采用不同的方法來(lái)管理數(shù)據(jù)生命周期。

根據(jù)專(zhuān)家在圓桌會(huì)議上達(dá)成的共識(shí)，許多人工智能計(jì)劃未能啟動(dòng)是因?yàn)槠髽I(yè)需要從數(shù)據(jù)中獲得洞察，但沒(méi)有找到實(shí)施它們的正確戰(zhàn)略。

Dun&Bradstreet公司全球業(yè)務(wù)數(shù)據(jù)戰(zhàn)略和管理負(fù)責(zé)人Andy Crisp認(rèn)為，這一問(wèn)題很大程度上源于缺乏技術(shù)專(zhuān)長(zhǎng)。

他說(shuō)：“我認(rèn)為，要想在數(shù)據(jù)方面取得成功，企業(yè)需要一個(gè)非常好的數(shù)據(jù)管理計(jì)劃。企業(yè)需要能夠讓人們了解數(shù)據(jù)背后的機(jī)制，并為數(shù)據(jù)提供場(chǎng)景。我認(rèn)為在人工智能中看到的一個(gè)問(wèn)題是，模型在沒(méi)有這種知識(shí)的情況下被使用，將會(huì)一事無(wú)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(shuō)法，問(wèn)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(zhǎng)，這個(gè)問(wèn)題變得更加嚴(yán)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(fǎng)問(wèn)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(jiàn)識(shí)和更明智的自動(dòng)化成為可能。

他說(shuō)，“如果企業(yè)沒(méi)有提供能夠以數(shù)據(jù)科學(xué)家或業(yè)務(wù)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(wú)法從數(shù)據(jù)中獲得該價(jià)值。”

他補(bǔ)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(hù)人。”

他認(rèn)為，不能做到這一點(diǎn)的組織將難以開(kāi)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(fèi)者信任的實(shí)際風(fēng)險(xiǎn)。

提出正確的問(wèn)題

雖然毫無(wú)疑問(wèn)，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(xué)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(wèn)題。

他說(shuō)：“我工作中最困難的部分是試圖回答正確的問(wèn)題。除了數(shù)據(jù)爭(zhēng)論，我的團(tuán)隊(duì)花了很多時(shí)間讓人們知道他們想問(wèn)什么。”

維珍航空公司數(shù)據(jù)和洞察負(fù)責(zé)人Tim Lum補(bǔ)充說(shuō)，收集數(shù)據(jù)還不夠，然后希望人工智能能夠?qū)ζ溥M(jìn)行整理。收集數(shù)據(jù)不應(yīng)成為主要目標(biāo)：應(yīng)該找到收集數(shù)據(jù)的理由。

他說(shuō)，“數(shù)據(jù)治理離不開(kāi)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(wù)問(wèn)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(wù)利益相關(guān)者一起工作。例如，他最近與客戶(hù)體驗(yàn)和客艙團(tuán)隊(duì)合作，為空乘人員創(chuàng)建客戶(hù)信息應(yīng)用程序;這樣，通過(guò)跨部門(mén)分享見(jiàn)解和工作，他們可以更加關(guān)注客戶(hù)。

他補(bǔ)充說(shuō)：“從沒(méi)有數(shù)據(jù)湖或數(shù)據(jù)倉(cāng)庫(kù)到擁有兩個(gè)人工智能用例，我想說(shuō)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(méi)有，則需要快速開(kāi)發(fā)產(chǎn)品。治理總是可以跟進(jìn)的。”

Starling Bank公司機(jī)器學(xué)習(xí)主管Alison Choy對(duì)此表示認(rèn)同，他說(shuō)：“企業(yè)必須了解自己的業(yè)務(wù)需求以及客戶(hù)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(shí)還要確保每個(gè)人都了解實(shí)現(xiàn)此目標(biāo)的必要步驟。”

定義數(shù)據(jù)產(chǎn)品

Gowling WLG(英國(guó))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(yàn)，通常很難使數(shù)據(jù)團(tuán)隊(duì)與業(yè)務(wù)分析師處于同一頁(yè)面上。

Experian DataLabs英國(guó)和EMEA地區(qū)負(fù)責(zé)人Javier Campos對(duì)此表示贊同，他說(shuō)，“數(shù)據(jù)科學(xué)家和業(yè)務(wù)分析師似乎來(lái)自?xún)煞N不同的文化。分析師關(guān)注業(yè)務(wù)利益相關(guān)者和業(yè)務(wù)影響，而許多數(shù)據(jù)科學(xué)家關(guān)注純數(shù)據(jù)建模。”換句話(huà)說(shuō)，大多數(shù)據(jù)科學(xué)家缺乏商業(yè)頭腦。

作為Superbet公司高級(jí)顧問(wèn)，F(xiàn)inbarr Joy非常清楚這個(gè)問(wèn)題，他和他的團(tuán)隊(duì)希望避免這個(gè)問(wèn)題。因此致力于徹底各自為政的部門(mén)孤島。

他說(shuō)：“雖然要使產(chǎn)品投入使用需要大量專(zhuān)業(yè)知識(shí)，但是數(shù)據(jù)實(shí)踐需要與軟件工程、產(chǎn)品管理以及其他業(yè)務(wù)融合在一起，因此他們必須以共同的客戶(hù)為中心。在Superbet公司，我們沒(méi)有發(fā)展獨(dú)立的分析師和商業(yè)智能團(tuán)隊(duì)，而是在發(fā)展跨學(xué)科的產(chǎn)品團(tuán)隊(duì)，每個(gè)產(chǎn)品團(tuán)隊(duì)都擁有相關(guān)的專(zhuān)業(yè)知識(shí)(例如‘數(shù)據(jù)')。

它本質(zhì)上是客戶(hù)驅(qū)動(dòng)的。我們必須建立并加強(qiáng)與客戶(hù)的互動(dòng)，并因此而增強(qiáng)其見(jiàn)識(shí)，這是我們的首要任務(wù)。對(duì)于我們作為數(shù)字團(tuán)隊(duì)的團(tuán)隊(duì)來(lái)說(shuō)，如果我們的客戶(hù)不購(gòu)買(mǎi)我們的產(chǎn)品，那么我們將無(wú)法持續(xù)經(jīng)營(yíng)。”

Superbet公司高級(jí)顧問(wèn)Finbarr Joy向與會(huì)代表解釋了他為何建立多學(xué)科產(chǎn)品團(tuán)隊(duì)的原因。

敏捷性和標(biāo)準(zhǔn)化：不互斥

無(wú)論采用哪種數(shù)據(jù)管理方法都適合企業(yè)的業(yè)務(wù)，Hanson認(rèn)為，盡可能地標(biāo)準(zhǔn)化技術(shù)堆棧通常會(huì)帶來(lái)好處。

他說(shuō)：“缺乏數(shù)據(jù)標(biāo)準(zhǔn)化會(huì)導(dǎo)致信息的碎片化，這會(huì)阻礙組織推動(dòng)創(chuàng)新、變革和靈活性的能力。例如，我時(shí)常收到郵件，但對(duì)于我的稱(chēng)呼并不一致。這種不一致表明，許多公司仍然對(duì)客戶(hù)及其與公司的整體互動(dòng)沒(méi)有統(tǒng)一的看法。”

這對(duì)M&S公司技術(shù)和數(shù)據(jù)主管Chris Waite來(lái)說(shuō)是一個(gè)巨大的挑戰(zhàn)。該零售商擁有大量來(lái)自不同系統(tǒng)和業(yè)務(wù)不同部分的數(shù)據(jù)。

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

Hanson補(bǔ)充說(shuō)，“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(xiàng)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(kāi)發(fā)人工智能產(chǎn)品的過(guò)程中發(fā)揮了至關(guān)重要的作用。

匯豐銀行于2017年開(kāi)始創(chuàng)建其數(shù)據(jù)湖，當(dāng)時(shí)它從數(shù)百個(gè)系統(tǒng)和數(shù)千個(gè)應(yīng)用程序中收集數(shù)據(jù)。然后對(duì)這些數(shù)據(jù)進(jìn)行標(biāo)記和編目。人工智能被用來(lái)從其數(shù)據(jù)湖中獲取見(jiàn)解，幫助發(fā)現(xiàn)商業(yè)機(jī)會(huì);以及評(píng)估數(shù)據(jù)質(zhì)量、數(shù)據(jù)就緒性和技術(shù)可行性。

對(duì)于許多公司而言，試圖從低成熟度狀態(tài)過(guò)渡到以人工智能為中心的模型是一個(gè)真正的挑戰(zhàn)。最終，將由組織的客戶(hù)培訓(xùn)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(duì)它們有著更濃厚的興趣。

標(biāo)簽： 數(shù)據(jù) 蒲

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)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(diǎn)！
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(qǐng)與原作者聯(lián)系。