位置: 首页 > 中国各地 > 中国企业 正文

想要取得成功的AI企业应解决的5个问题!

作者: 来源:admin 关注: 时间:2018-07-26 09:25

尽管近些年人工智能进入了大众视野,也做了相当程度的宣传,但没有多少人能够将人机互动达到最佳平衡。Dataiku最新的白皮书强调的是数据科学项目中的协作,它使整个数据团队能够更有效的探索、原型化、构建并交付他们自己的数据产品,同时有助于找出数据团队可能存在的问题。想要获得成功的企业,至少要在2018年余下的半年时间去解决这些问题。

数据项目&数据科学项目

想要取得成功的AI企业应解决的5个问题!

与数据科学项目不同的是,数据项目仅仅是目标为建立更具分析深度的项目。打个比方,一个营销归因模型,它的目的是为了观察分析营销策略;一个运输行业中的预测性维护项目,尝试预测在不同地点更换零件的需求。

不过这些项目通常可以利用相对简单的统计模型结合行业经验解决。数据项目之所以能成为数据科学项目,需要利用更先进的机器学习方法,分析结合系统中添加潜在的、非存量的附加数据(如使用数据、点击数据、传感器数据、社会数据等等)。

在数据科学项目中,数据科学家和数据分析师之间就相互依存,前者关注的是潜在的新数据源和新的预测模型,数据科学家的模型和数据被数据分析师打包分析,统筹处理。

应该聘请什么样的数据科学家?

想要取得成功的AI企业应解决的5个问题!

不同的数据科学家有不同的优势,就像文学家,不是豪放派的就比婉约派的高级,选择不同的数据科学家完全取决于一家企业正在攻关的课题或项目。

拥有博士学位的数据科学家并不好招(跟别提薪资要求高),因为其中80%的人都被谷歌挖走了,从另一个角度说,他们也许也不适配于你的企业需求。

Dataiku的白皮书将数据科学家分为七类:传说型、全能型、统计专家、二把刀型、ML工程师、垂直领域专家、明星级数据经理。纵然他们都有相同的职称抬头,但是必须理解和承认各种数据科学家都是有其作用,在不久的将来,不同专业类型的数据科学家会有不同的抬头,也许就在明年有望成为一个新的趋势。

为什么很多数据科学家会辞职?

想要取得成功的AI企业应解决的5个问题!

美国Glassdoor公司(美国的一家企业点评与职位搜索的职场社区平台)提名数据科学家为2018年美国最佳工作,Linkedln(全球知名职场社交平台)则将数据科学家列入最佳工作的top10。但是与此同时,英国《金融时报》将数据科学家放在“寻找新工作”榜单榜首的位置。

其实仔细想想就能明白个中三味。

企业对数据科学家的需求很强烈,数据科学家们很容易就能够找到待遇更好的公司,一定程度上意味着他们很难长期在一个地方。这也涉及到他们工作幸福感的问题,大多数人都不会倾向于频繁更换工作,但是由于这个职位相对较新,很多公司不知道该怎么做去留住这些最重要且最前沿的角色。

一个数据经理想离职有很多原因。作为企业的管理者,需要确保数据团队不被其他团队孤立,开放的工作环境,保证沟通无碍;通过想其他团队展示数据团队的丰富内容,让他们了解数据团队在一个项目中的意义,能够做什么来帮助改进流程或产品从而推动项目进程。

除了技术之外,沟通技巧也是重要一环,你肯定也不希望数据科学家通过Excel去推销业务,数据科学家要会通过数据讲故事,多角度纵横分析。企业主招聘时要考量数据科学家的PPT能力。

每个行业都是成王败寇,知道让企业员工凝合聚力做到利益最大化,自然能封王拜相。不过这不仅仅是企业需要做的,数据科学家们的工作同样不可或缺,发挥自己的特长帮助企业完成好项目,能够与时俱进持续成长不故步自封,不断提高工作幸福感。

非协作不成功

想要取得成功的AI企业应解决的5个问题!

自2017年《福布斯》表示数据科学世界必须通力协作以来,这个观点至今风靡。数据团队协作模型的支持者提出各种论据来证明其效率及有效性,但是协作背景下,同时也意味着存在着很多误解和矛盾。以下是关于数据科学协作的常见观念:

-协作意味着数据科学家之间可以进行工作划分;

-协作意味着工作可以依着更多初级和更高级的资源进行划分;

-协作意味着工作可以仰赖团队中不同的角色进行划分;

这是迄今为止最有效率的数据科学项目协作办法。

因为数据科学项目中的某些部分更适合数据分析师去做:数据挖掘和整理。一旦他们完成这部分的工作,处理预测或负责机器学习的工作才能继续。

这意味着数据分析师和数据科学家能够更大的发挥作用,因为他们不需要对整个项目负责,可以同时多线操作,服务于多个不同的项目。

在一些组织当中,同时承接的数据科学项目很多,在这种情形下,一个组织中的数据科学家数量可能成为一个限制因素——不可能每个项目都配备一个数据科学家。

基于以上,为了持续获得收益,数据科学家和数据分析师之间的协作自然也变得尤为普遍。

我的公司是否能部署+管理多个预测模型?

想要取得成功的AI企业应解决的5个问题!

-首先对标已经完成的组织,尤其是那些同一行业或者同类型的数据科学项目的组织。

-再问问自己,部署这些预测模型对你的企业意味着什么?(例如,是否意味着内部仪表板暴露给企业内的其他团队,是否将推荐引擎暴露给了客户?)明确答案后再确定后面的问题。

声明:凡注明为其它来源的信息均转自其它平台,目的在于传递更多信息,并不代表本站观点及立场和对其真实性负责。若有侵权或异议请联系我们删除。

千家智客微信公众号

扫描下方二维码,关注千家智客微信公众号(qianjiacom),随时随地知晓智能行业天下事!

想要取得成功的AI企业应解决的5个问题!



(此文不代表本网站观点,仅代表作者言论,由此文引发的各种争议,本网站声明免责,也不承担连带责任。)

打印此文】 【关闭窗口】【返回顶部】 [
相关文章
推荐文章
最新图文
  亚欧日报是大型综合日报,亚欧日报网路报是一家大型的网络报电子版,新闻信息涵盖四海五洲,新闻内容五花八门,新闻视角独特敏锐。