江苏龙网

  1. 首页 > 资讯 > 科技 > >

数据如何解决企业AI的最大挑战( 二 )


· 提出正确的问题 。大多数企业在尝试解决ML问题之前并没有提出正确的问题 。分析并了解您可以回答的内容和无法回答的内容 ， 然后弄清楚您的预测系统如何使最终用户真正受益 。要问的一个关键问题："我的项目会被它可以为组织创造的价值深深地驱动吗？"
· 定义业务策略 。必须使用将应用于其他项目的数据和ML项目来实现相同的策略制定细节 。您需要特定 ， 可衡量和可实现的目标 ， 实施计划以及有助于跟踪项目成功的指标 。仅从技术层面上看项目是不够的 ， 您需要能够将解决方案连接到您的组织 。例如 ， 在实施模型之后 ， 您的公司会增加收入还是在市场上获得牢固的竞争优势？
· 建立合适的团队 。组织常常无法招到合适的人选 ， 因为他们要么不知道自己想要实现的目标 ， 要么对数据科学家的角色有相互矛盾的认识 。数据团队不仅由数据科学家组成 ， 而且由更多的角色组成 ， 并且认为一个角色能够建立和维护仓库 ， 架构数据工作流程 ， 编写完美优化的机器学习算法并对所有内容进行分析都是无知的 。为了填补项目的正确角色 ， 您需要明确定义目标 ， 了解每个技术角色/团队结构的细微差别 ， 并确保在招聘信息中列出所有这些内容 。下图显示了核心技能对于数据科学中新兴角色的相对重要性：

数据如何解决企业AI的最大挑战
本文插图

> Chart of skill importance in Data Science
5.创建数据策略路线图 。数据是ML项目训练模型的关键资产 。根据人工智能领域的先驱Andrew Ng所说 ， 最大 ， 最成功的产品拥有最多的用户 。拥有最多的用户通常意味着您可以获得最多的数据 ， 而对于现代ML ， 拥有最多的数据通常意味着您可以创建最佳的AI 。下图描述了以上概念：

数据如何解决企业AI的最大挑战
本文插图

6.利用第三方软件 。不要试图彻底改变现状并建立内部数据管道 。为了成功启动AI ， 重要的是选择正确的工具 ， 这些工具可以帮助您的组织完成在采购 ， 抓取 ， 标准化 ， 优化和集成数据方面可以自动化的任务 。代表Alegion进行的Dimensional Research报告发现 ， 最终 ， 有71％的团队将培训数据和其他机器学习项目活动外包 。在"建造与购买"辩论中 ， 选择"建造"的公司花费更多的时间和金钱 。请记住 ， 您不是在雇用数据管理员 ， 而是在雇用数据科学家 。采用DataOps工具并找到使数据生命周期的准备阶段和过程阶段自动化的方法 ， 将会缩短洞察时间 。 从来都不是容易的事 ， 但不必那么难
一些企业没有足够的数据 ， 另一些企业则在挣扎着十多年无法使用的价值 。拥有数据并不自动意味着可以从中获得见解 。组织无法识别从数据中获取见解所需的必要准备工作 ， 因此 ， 在创新和增长方面会出现越来越多的瓶颈 。不是没有数据 ， 而是可用数据 。
数据是创建预测性和智能解决方案的重要因素 ， 但是数据不仅拥有很多 ， 而且还有更多 。找到问题 ， 找到合适的人来解决它 ， 并为他们提供有效解决问题和衡量其效力所需的工具-这些是成功ML的要求 。
最初发布在https://blog.thinkdataworks.com 。
【数据如何解决企业AI的最大挑战】(本文翻译自Maha Islomova的文章《How to Solve the Biggest Challenges in Enterprise AI》 ， 参考：https://towardsdatascience.com/how-to-solve-the-biggest-challenges-in-enterprise-ai-deb0b1635bcb)


推荐阅读


上一篇：客人马云的中国第一家无人酒店，看到了50年后该有的样子全是黑科技

下一篇：『』揭秘：关于物联网安全的那些黑色产业