|
就大数据、阐明和人工智能而言，代价不是来自收集数据(甚至也不是来自于从中获取的一些洞察)，代价来只有一个来历：动作。 我在90年月中期创办了第一家公司，当时我做了大大都首次创业的企业家都做过的事——订购手刺。 实际上，我首先得选址并订购一部手机。究竟，没有手机，我无法订购手刺。然后要成立一个管帐系统、做法令文书事情、建一个网站。虽然，还写了一个很长的贸易打算。 我把该做的工作都做了，唯独漏了一件事：报告我的故事并销售我的办理方案。
但和往常一样，我过分沦落于机制而忽略了目标。我花了一段时间才站稳了脚跟。 最近由O'Reilly和Cloudera连系举行的Strata Data Conference集会会议让我想起了这种强有力的进修经验。 有如此多的大数据和阐明空间(尚有，人工智能市场正日益与之产生相撞)仍然专注于机制。 诚然，机制很重要。但机制并非所有这些学科存在的原因。就大数据、阐明和人工智能而言，代价不是来自收集数据(甚至也不是来自于从中获取的一些洞察)，代价来只有一个来历：动作。 大数据：第一步就走错了? 我大概从一开始就太过存眷机制。我可以很好地总结大数据背后的精力：收集一切，稍后再举办整理。 重点是成立海量数据湖，这些数据胡收集一切可以想象的数据，这些数据在某种水平上是有用的。但这种要领难以维持。 认知决定平台diwo的首席技能官Satyendra Rana认为：“(这种要领)是错误的。你无法赢得这场战斗。数据不绝地增长，你会沉入湖底，无法在外貌飞舞。” 许多组织都得出了同样的结论。另外，IT和业务率领者发明，他们必需改变本身的思维方法，专注于运营和厘革方面的成就，以展现大数据和人工智能打算的真正代价。 SAP Leonardo的副总裁David Judge表明说：“心态转变至关重要。我们的客户有两条路可走。第一条路是优化——自动化并削减人工勾当。然后，有些人(专注于)建设新的业务模式(与数据)，这些模式更具厘革性。做得最好的公司往往两者分身。” 这通报出来的信息很明晰。当你真正的方针是从所有这些数据中缔造代价时，只存眷机制是不足的。因为这陷入了丐词逻辑的短处：你如何从数据中得到代价? 通过动作实现代价 diwo的Rana表明说：“数据毫无代价。只有当人们在语境中利用数据时，数据才会缔造代价。当数据投入利用时，这就是代价发生的源头。因此，责任不在数据建设者身上，而是在代价缔造者身上，后者要抉择如何操作数据。” 从外貌上看，当许多权威人士将数据称为新的石油或钱币时，Rana的说法好像南辕北辙，这种新的石油或钱币好像具有固有的代价。但当组织进一步从事大数据、阐明和人工智能时，人们发明Rana的说法是有原理的。 通用电气的数据副总裁兼首席数据官Diwakar Goel表明说：“当我们开始利用大数据时，我们只是想做一些快速而简朴的阐明并得到一些看法。最初的代价在于展现这些洞察。但厥后我们意识到，这些洞察并没有改进业务。因此，我们需要使这些洞察可操纵化，同时将这些洞察转化为动作，你但愿将这些洞察提供应可以或许实际采纳动作的人。” 事实上，就传统的对大数据采纳数据优先的要领而言，正是这种缺乏以动作为导向的业务重点成了老浩劫， 持续数据平台Iguazio的首创人兼首席执行官Asaf Somekh表明说：“数据湖是以IT为导向的。数据湖正在实现一个章程，以成立一个存储组织所有的数据的平台。数据湖无关乎改进业务成就，也不是贸易打算。” 在寻找代价时，请不要揪着技能配景不放 因此，在设法实现代价运作时，人们要从业务角度而不是技能角度来对待事物，这很是重要。 这大概比想象得更难。 我去了本年的Strata集会会议，当时我是带着本身对人工智能的成见与会的。我确信，人工智能将迫使行业从头以贸易代价为中心——我以为这些对象早已不复存在。 然而，我对人工智能的存眷也不外是另一种技能配景罢了。我也没有看到业务的视角，只存眷更闪亮的新技能。 对付我们这些已经在科技行业事情一段时间的人来说，这是一个很难冲破的习惯。 事实上，组织可以从许多形式的大数据、阐明和人工智能投资中得到许多贸易代价。诀窍就是专注于如何更好地使那些动作密切相关的人采纳动作。 流阐明和时序数据的应用就是很好的例子，这些例子表白组织如安在远未完全实现人工智能之前就能实现这一代价。 |
