想成为排名第一的AI公司？建立一支“数据军团”，雇佣这些人吧

大数据文摘出品

来源：forbes

编译：Sirin、胡笳

人工智能不仅有光明的前景，而且走在了商业的前沿。人工智能显然是机器人、电子商务、分析和云计算管理的一个构成因素。即使是人才挑选、定制化市场营销和许多其他业务，现在也都依赖于人工智能的解决方案。

如果人工智能的触角在现在以及可预见的未来注定要伸向各个领域，那么每个企业都需要知悉如何建立一个强大的数据团队，这个团队能够利用人工智能工具以专业视角对产品和客户完成价值增长的工作。

那么都需要哪些人的加入？让我们来看看一个完整团队的成员配备。

数据分析师

数据分析师经常需要将大量异构的数据组织到AI系统中。通常，他们可能专注于几个感兴趣的领域（如来自Salesforce、Firebase或SAP的数据），寻找建立客户数据路径的方法。

为此，他们可能会查看数字化信息和地理位置，如web地址、具体实体店铺位置或仓库信息；他们会将这些信息与客户访问、访问停留时间、访问地点和设备、查看的产品和服务以及购买的产品混合在一起。

通常，数据分析师喜欢简洁的程序和紧凑、优美的SQL代码。他们经常做数据定位和清洗的关键工作，以便数据真实可靠。一旦完成这些，就该将数据混合成一个内聚的整体。这个时候该换下一个角色了。

数据工程师

数据工程师的职责是尽可能高效地把正确的东西存储在正确的地方。这意味着不同存储位置的数据可以快速有效地移动。有些（如BigQuery）将存储来自数据库的结构化数据。另外的（如云存储）可能存放非结构化数据，如图像、呼叫中心的音频文件或发票的pdf文档。

这是一项重要的工作，因为以正确的方式保存和获取数据(不仅是存储方案和方式的选择，还包括是否需要实时信息存储或选择更便宜的存储方案)都会影响您的成本。这决定了一个团队的AI工作效率。

数据工程师经常使用Apache Beam等工具优化数据流，Apache Beam是一种开源编程模型，用于创建数据处理管道，包括ETL、批处理和流处理。许多人都有使用Spark、Hadoop和大数据处理工具的经验，他们精通网络和数据安全。数据开始流动时，你仿佛看到激动的同事们在你的办公室里挥舞着闪烁智慧的图表。现在你需要知道这些个人智慧是如何推动你的业务的，下一个角色登场。

数据可视化人员

数据可视化人员通过创建交互式在线可视化平台直观地展示数据。他们是使用业务术语描述数据的创作者，从大规模统计数据中呈现简洁、直观的表达。他们使用统计图形、绘图、信息图形、配色方案和清晰的字体来完成数据的表达。他们使用的工具包括如下软件，ClickView, Tableau, Looker, D3.js和Observable。

可视化工作帮助其他人看到用户使用最频繁的数据路径，以及当天的“热点”数据。这些可以根据周期性价值、位置信息和时间对客户进行分组。或者，他们可以用简单的术语来命名页面和产品，帮助其他人全面地思考数据的含义。

交互式可视化是高度复杂的应用程序，确保对常见用例的快速响应。它们能让你立即看到全局，但在需要时，可以在任何浏览设备上继续深入挖掘。一个好的投资项目往往需要几个月的投资才能获得回报。

当决策者进入这种层次的洞察时，他们会感到有点迷茫。他们可能会问，与经验模式相比什么是已被证明的业务驱动的模式？这个工作交给下一个角色。

数据科学家

数据科学家是统计专家，从大量结构化和非结构化数据中梳理出合理的数学结论。

数据可视化工具帮助您从周期价值的角度考虑客户，数据科学家则帮助您了解客户购买给定产品的可能性有多大，以及客户购买过程中的哪条数字路径对您最有利。哪些路是死胡同？最有可能的下一步操作是什么？哪里最有价值？

数据科学家生活在一个数学观的世界里，他们使用R、Python和MATLAB等工具。他们的工作依赖于清晰的信息（主要是由分析师和工程师完成的工作）。

现在您已经对如何盈利有所了解，您希望预测客户的需求，引导他们到达正确的页面，并提高用户满意度。现在轮到我们最后一个角色了。

机器学习工程师

机器学习工程师需要设计复杂的预测和创造工具。他们必须精通多种学科，通常包括计算机科学、数据科学、微分方程、线性代数、分布式系统和计算神经科学。一个博士学位可能是最好的“配备”。

机器学习工程师采用分类和分组、以及来自数据科学家的分析结果和预测，创建模型，实现更加可靠、自动化的方式预测用户数字路径中的下一步。他们的工作可以被业务中的其他人使用，将预测能力赋能到更多的地方。

目标也许是预测企业中每个注册客户的周期价值。或者将最赚钱的加密客户数据提供给谷歌广告，精确定位，帮助将营销信息定位给那些拥有最高商业价值的人。或者向购买力强的人卖的更多。

据我们估计，世界上大约有1万名技能高超的机器学习工程师，这意味着他们应该被用于最有价值的工作。机器学习工程师不仅精通Python、C++和JavaScript等编程语言，还了解TensorFlow和PyTorch等AI工具，并经常开发自己的预估引擎和复杂的AI模型。

Net-net投资

尽管人工智能具有许多新奇之处和强大的功能，但它仍然是一种需要遵守商业纪律的商业工具。你的大部分招聘和预算应该集中在数据管道的前期处理——数据分析师和数据工程师。他们清理和搜集堆积如山的数据，为客户路径提供清晰的数字画像，为未来的增长奠定基础。

通常，雇佣专业团队来帮助您与数据科学家、数据可视化人员和机器学习工程师合作是一个好主意。这是你现在最好的选择，因为全球的劳动力都在学习这些新技能，新的人才涌入市场，供应一般会赶上需求。

我们正处在一场彻底重塑商业模式的前沿时代，而这种重塑可以由人工智能带来。在正确的地方用正确的人将帮助你更高效地达成目标。

相关报道：

https://www.forbes.com/sites/googlecloud/2019/10/02/want-to-become-an-ai-first-company-hire-these-people/#13c90c585c72