Araujo表示，當他在上世紀90年代中期第一次創業，做了大多數創業者做首先做的事：印刷訂購名片。實際上需要一個地址和一個電話號碼。畢竟沒有這些信息無法制作名片。然后，Araujo為其公司建立了一個會計系統，開展法律文書工作，建立一個網站，當然，還要寫一個全面的商業計劃。Araujo做了所有應該做的事情之外，開始銷售解決方案。
但情況往往如此，很多企業由于太沉迷于這些具體事務的方法，往往失去了自己的目標。Araujo表示，他花了一段時間才使企業業務得以開展。
如今，大數據、分析空間以及越來越多的人工智能(AI)得到應用，這些新技術仍然專注于方法。
當然，方法很重要。但它們不是任何這些學科存在的原因。在大數據、分析和人工智能方面，其價值并不來自于收集數據，也不是來自從中獲得的一些洞察力。價值來自于一件事：行動。
大數據：從錯誤的角度出發?
過度關注方法可能從一開始就開始了。在此可以總結大數據背后的精神：收集所有數據，稍后整理出來。
其重點是建立海量數據湖，這些數據湖收集了可以想象到的每條數據，這些數據在某種程度上是有用的。但這種方法難以維持。
認知決策平臺diwo公司首席技術官SatyendraRana表示，“這種方法是錯誤的，你無法贏得這場戰斗。數據不斷增長，而將陷入那個數據湖泊無法自拔。”
許多組織都得出了同樣的結論。此外，IT和業務領導者發現他們必須改變自己的思維方式，專注于運營和變革結果，以揭示其大數據和人工智能計劃的真正價值。
“心態轉變至關重要。”SAP Leonardo公司副總裁David Judge解釋道，“我們的客戶已經走了兩條路。第一個是自動化并采用人工活動的優化路徑。第二個是專注于創建新的商業模式與數據，這是更具變革性的。那些做得最好的企業都把重點放在了這兩個方面。”
消息很清楚。當真正的目標是從所有這些數據中創造價值時，關注方法是不夠的。這引出了一個問題：如何從數據中獲得價值?
通過行動實現價值
“數據毫無價值。”diwo公司的Rana解釋道。“在場景中有人使用數據時會創建價值。當數據投入使用時，這就是價值所在。因此，責任不在數據創建者身上，而在于價值創造者來決定如何利用數據。“
從表面上看，當許多專家將數據稱為新的石油或貨幣時，Rana的聲明可能顯得與其相反。這種新的石油或貨幣似乎具有天生的價值。但隨著組織走上大數據、分析和人工智能的道路，他們在這個聲明中找到了真相。
通用電氣數字公司的副總裁兼首席數據官DiwakarGoel解釋說：“當我們開始研究大數據時，我們只是想做一些快速而大量的分析，并獲得一些見解。最初的價值揭示了這些見解。但后來我們意識到這些洞察力并沒有使業務更好。因此，我們需要對它們進行操作并將這些洞察力提升到行動的角度，并且希望將其提供給能夠實際采取行動的人。”
事實上，缺乏以行動為導向的業務重點是傳統的數據優先大數據方法面臨的最大挑戰。
“數據湖是以IT為導向的。”連續數據平臺Iguazio公司創始人兼首席執行官Asaf Somekh解釋道，“他們正在完成一個章程，以建立一個存儲所有組織數據的平臺。他們不是要改善業務成果，也不是商業計劃。”
在尋找價值時，請忘記技術背景
因此，在嘗試實現價值運作時，從業務角度而不是技術角度來看待事物非常重要。這可能比聽起來更困難。
專家確信人工智能將迫使行業重新圍繞商業價值，而這是很多企業忽略的東西。
然而，專家對人工智能的關注只是另一種技術背景，他們關注的不是商業視角，只關注更感興趣的新技術。
對于這些已經在科技行業工作了一段時間的人來說，這是一個很難打破的習慣。
而且，事實上，組織可以從許多投資中獲得大量的商業價值，這些投資在大數據、分析和人工智能中有多種形式。訣竅是專注于如何使那些行動最接近的人采取行動。
流分析和時間序列數據的應用是組織在完整人工智能實現之前很久就能實現這一價值的很好的例子。
“流處理和流媒體分析是機器學習操作的重要組成部分。”Striim公司聯合創始人兼首席技術官Steve Wilkes解釋道，“如果可以將數據科學家移動到上游，并使他們使用流處理，那么他們可以構建模型，然后將該模型注入數據流.，并進行實時預測并執行實時分析。”
隨著企業走向人工智能的道路，同樣重要的是，他們不會錯過能夠采取行動的寶貴機會。
“第三步(在進化過程中)是人工智能和機器學習領域，用戶可以預測將要發生的一切。”時間序列數據庫公司Timescale公司聯合創始人兼首席執行官AjayKulkami解釋道，“第一步是收集數據，但其中有一步只是使用數據監測正在發生的事情……然后從監測轉到可觀測性。這就是我們首先要做的，以便能夠實時查看業務發生了什么事情。”
讓數據具有意義
然而，從大數據的歷史、回顧性分析價值主張轉向以行動為中心的價值主張的挑戰在于它增加了風險。而且，這些行為越實時，風險和回報就越大。
在這個數據驅動行動的世界中，數據的準確性和理解如何使用它來做出決策或采取行動成為一項戰略任務。
“決策制定涉及做出決定的人以及用于做出這些決定的數據，”Rana解釋道，“因此，認知系統需要對這兩種模式進行建模，而不僅僅是數據。”
隨著利害關系的增加，理解數據本身的需求成為實現數據價值的關鍵能力和途徑。
“當用戶攝取大量數據時，也會產生大量‘暗數據'，也就是不知道的數據。”通用電氣的Goel指出，“這就是像Io-Tahoe這樣的公司發揮作用的地方。他們提供數據見解。在根據數據分析獲得見解之前，企業需要了解這些數據。”
然而，更重要的是，理解數據的需要超出了數據沿襲和治理等方面。特別是當用戶根據這些數據采取行動時，需要理解自己在場景中的數據以及與其他數據的關系。
“數據攝取具有根本性的顛覆性。”Goel闡述道，“當用戶將數據帶入數據湖時，將失去數據集之間的關系。數據集的值在數據中較少，在關系中較多。這是工具可以提供幫助的地方。它們可以幫助用戶重建以前存在的關系，并幫助用戶發現不同數據集中數據之間的關系。”
數據和人工智能的未來
如今，數據行業正在走向成熟。雖然該領域的一些技術公司堅持傳統的大數據精神，并且仍然專注于方法和技術細微差別，但更多的人認識到這只是結果和對數據采取行動的能力。
人工智能的不斷發展無疑將在這種成熟過程中發揮重要作用，并且隨著人工智能在未來幾年內的深入，可能會使行業再次發生變化。
SiliconANGLE公司研究主管Peter Burris總結了人工智能的未來：“其目標是為了讓更多數據發揮作用。”
他接著解釋說，這樣做包括更有效地捕獲數據，將其轉化為價值，然后再使用它。他表示，“隨著人們越來越多地轉向人工智能使用獲得的寶貴數據，人們需要努力解決其后果。”
“由于這種行動的概念，它迫使我們考慮一種新的系統。”Burris解釋說，“那種新的系統被稱為代理系統。”
系統將數據作為組織的代理，并將其作為組織代理的想法現在才開始成為現實。
因此，隨著企業領導者走上這條道路，他們必須始終如一地專注于數據的價值，正如他們采取行動的能力所表達的那樣。
Diwo的Rana總結得最好，告訴我，當我們結束談話時，“這是一個數據會議。但這應該是一次商業價值會議。”
京公網安備 11010502049343號