企业向机器学习转型所需遵循的五大步骤

原文: Five Steps For Re-tooling Your Organization With Machine LearningTechnologies

来源: https://www.forbes.com/sites/forbestechcouncil/2018/03/06/five-steps-for-re-tooling-your-organization-with-machine-learning-technologies/#6d49bcdf3ca5

导读:

  1. 如今,机器学习技术高居新兴科技技术成熟度曲线(Hype Cycle for EmergingTechnologies)的顶点,这意味着,它已经足够成熟,可以激发更加广泛的兴趣了。换言之,你的竞争对手们也在投资机器学习呢。
  2. 近九成企业已经不同程度地用上了机器学习,大部分依旧处在战略开发或试水阶段。然而,机器学习的潜力仍未完全释放。在大部分企业,很多决策仍需要人类插手。只有8%的受访者表示,其机器学习战略已经相当或高度完备。
  3. 在机器学习的普及过程中,一个常见的障碍就是保障数据质量。劣质数据会导致机器做出劣质决策,从而增加风险。

原文翻译:

假如你想修个新房,你不但得购买新建材,还得雇佣熟练的建筑工人,才能把房子修起来。首席信息官们(CIO)要想推行机器学习技术,从而在没有人类直接干预的情况下,对业绩加以分析与提升,他们也得遵循同样的规则。企业IT云服务公司ServiceNow的一项最新调查显示,大多数CIO都因为缺乏所需的人才、数据质量与预算,而无法充分利用这种技术。若你的企业即将踏上机器学习的征程,那么,要让投资物有所值,你必须遵循五大步骤。

这五大措施应尽快采取,因为说不定,大家期盼已久的机器学习时代很快就要降临了。效仿人类智能的机器虽然被炒得热火朝天,但计算机科学早已经迎头赶上。如今,机器学习技术高居新兴科技技术成熟度曲线(Hype Cycle for EmergingTechnologies)的顶点,这意味着,它已经足够成熟,可以激发更加广泛的兴趣了。换言之,你的竞争对手们也在投资机器学习呢。

最近,《全球CIO观点调查》(Global CIO Point of View Survey)向500名CIO发出了问卷。调查结果显示,企业都在为这种变革性的技术的普及摩拳擦掌,以实现自动化决策。近九成企业已经不同程度地用上了机器学习,大部分依旧处在战略开发或试水阶段。然而,机器学习的潜力仍未完全释放。在大部分企业,很多决策仍需要人类插手。只有8%的受访者表示,其机器学习战略已经相当或高度完备,相比之下,认为自己企业物联网战略相当或高度完备的占到35%,数据分析战略对应的比例则达65%。

根据麦肯锡(McKinsey)的一项调查,为实现机器学习方面的数据与分析目标,最重要的挑战有这样三个:

1)支持数据与分析活动的企业架构;

2)行之有效的技术基础设施;

3)管理层的参与。该研究还宣称,能够有效驾驭这三点的企业将能创造出显著的价值,并实现自身的差异化;办不到的企业,则会日益陷入劣势地位。

要捕获更大的价值,企业要做的不仅仅是投资于技术。对企业架构或流程的改变也必不可少,这其中包括对待人才的态度、IT管理与风险管理。要取得进步,企业必须遵循以下五个步骤:

一、改进数据质量

在机器学习的普及过程中,一个常见的障碍就是保障数据质量。劣质数据会导致机器做出劣质决策,从而增加风险。CIO要考虑实施恰当的解决方案,简化数据维护,从而加速向机器学习转型。第一步就是整合冗余或预制的IT工具,将它们变成单一的数据模型。

二、树立价值实现方式

将所有技术目标的商业价值明确表述出来,继而确定这些目标的最佳实现方式。这包括审视已有流程,找到最能得益于自动化的非结构化工作模式。知道了碎片化数据都在哪里,你也就知道了如何用自动化实现生产效率的提升。

三、创造最优客户体验

机器学习带来的自动化可以促进运营效率,但不要忘了,它也能(在不牺牲准确度的前提下)加速决策,改进客户体验,从而提高投资回报率。先设想一下你想创造的客户体验,然后在商业流程之中,找到最能提升客户体验的元素,加以重点投资。机器学习使企业或机构能够针对每一位顾客,度身定制相应的广告、呼叫中心的互动,乃至产品或服务,以及预测顾客接下去的需求。

四、设定指标并加以衡量

CIO们深知机器学习的价值,但高管团队和董事会其他成员可能就不清楚了。因此,在着手实施之前,CIO们必须树立预期,设置成功指标,并准备好充分的商业依据,在申请款项时,随时呈递给领导层。在实施机器学习技术、收获智能自动化的益处的同时,这些衡量指标也得随时调整。

五、理解企业文化将受到的影响

在企业引入机器学习的同时,雇员的角色也将发生改变,这就需要CIO们调整雇佣与培训过程。这个不难,因为它所需的技能组合,包括数据科学、工程学、数学和批判性思维在内,就是云时代的必备技能组合。这种转型很可能给某些雇员造成不适,因此,请务必使机器学习的价值转化到他们的日常工作之中。机器并未接管企业,它们将雇员从繁琐的手动操作中解放了出来,使员工专注于更加战略性的项目。

但这种不适的感受,CIO们也有可能面临。他们的角色也需要不断演变,从维持技术层面的正常运转,保障企业运营,到以高管的身份与企业各个层面广泛互动,因此,其战略重要性也将迈上新的台阶。

企业要实现机器学习的投资回报,就离不开规划与严格的贯彻执行——同时参照技术转型的速度、其对雇员日常工作的影响,对雇员做出相应的调整。遵循上述五个步骤,这一转型就会格外顺畅。

END.

来源:品觉 微信公众号(pinjueche.com)

车品觉简介

畅销书《决战大数据》作者;国信优易数据研究院院长;红杉资本中国基金专家合伙人;浙江大学管理学院客席教授;全国信标委员;数据标准工作组副组长;美丽心灵基金会桑珠利民基金副主席。

原阿里巴巴集团副总裁,首任阿里数据委员会会长;现担任中国信息协会大数据分会副会长、中国计算机学会大数据专家委员会副主任、粤港信息化专家委员、中国计算数学学会第九届理事、清华大学教育指导委员(大数据项目)、浙江大学管理学院客席教授等职。

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2018-04-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ATYUN订阅号

MIT开发虚拟现实训练系统Flight Goggles,减少因坠机带来的成本

即使是用最简单的障碍训练无人机快速飞行,也相当容易发生碰撞,只能以工程师沮丧地修理或更换设备收场。

15640
来自专栏DT数据侠

有了大数据加智能,你愿把荷包交给机器打理吗?

大数据遇上新消费的时代,各种服务都在讲究升级。智能投顾就是对传统投顾模式的一种升级。智能投顾怎么玩转?大数据如何在智能投顾中发挥作用?11月8日的线上数据侠实验...

8100
来自专栏飞总聊IT

如何迅速年薪百万(3):别做企业文盲

从这个角度来讲,企业文化本身既具备了世界观的属性,也具备了方法论的属性。好的企业文化既告诉了大家这个企业是怎么看待自己怎么看待世界的,也告诉大家一整套完整的可以...

9820
来自专栏新智元

机器学习初创公司出路,投资人看好医疗诊断、计算生物和供应链等 9 大方向

【新智元导读】作者 Medha Agarwal 是 Redpoint Ventures 的投资人,本文带来了作者认为成功的 AI 初创公司的特质,以及对搞机器...

35540
来自专栏大数据文摘

抛弃爬下来的灰色数据,有门槛的风控怎么做?

24670
来自专栏挖掘大数据

总结零售大数据分析应用的四个阶段

要建立数学模型要解决三个问题,首先是数据的量要达到一定的规模和质量;其次是用什么样的算法,如用时间序列还是回归或是人工智能算法;第三是“数据+算法”可以围绕什么...

39170
来自专栏华章科技

数据为谁而用?——人性化交互金融知识图谱问答探索

《经济学人》五月第一期杂志中,头条新闻中将数据比作世界上最有价值的资源。早在2014年马云董事长就说过阿里巴巴从本质上来讲已经成为一家数据公司。文章[4]中说现...

11720
来自专栏镁客网

华为、小米极力推崇!AI开源为何在国内大行其道?

卡内基梅隆计算机科学院院长安德鲁·摩尔(Andrew Moore)曾提到过这样一组数据:现在,在提交给大型人工智能会议的论文,50%都来自中国,而在十年前,这个...

15120
来自专栏机器之心

业界 | 医疗AI应该更关注「数据」还是「人」?数据工程师反思机器学习模型的力量

最近,《华尔街日报》的一篇文章——《Models Will Run the World》(模型将玩转世界)在网上流传。我相信这种观点在很大程度上是有道理的。机器...

9520
来自专栏AI科技评论

独家丨余凯年度总结,揭开中国人工智能的真实现状

2016 年,人工智能在美好理想和残酷现实的夹缝中野蛮生长。 当从业者们认为,人工智能时代是“技术为王”的时代,但面对价格战、商务战、公关战时,技术似乎不再是唯...

374140

扫码关注云+社区

领取腾讯云代金券