但是，兩者之間可以轉(zhuǎn)移哪些最佳實(shí)踐，以及從這里發(fā)生的事情?Kimberly Nevala(左)是分析，商業(yè)智能和數(shù)據(jù)管理提供商SAS的業(yè)務(wù)戰(zhàn)略總監(jiān)。在本月晚些時(shí)候出現(xiàn)在舊金山的AI和大數(shù)據(jù)博覽會(huì)之前，AI News與Nevala坐了下來，以了解SAS正在做什么以及將在這個(gè)領(lǐng)域做什么，以及大數(shù)據(jù)和AI之間的聯(lián)系。
AI新聞：您能否定義您在SAS詳細(xì)信息和日常工作中的工作角色?
Kimberly Nevala：作為SAS的戰(zhàn)略顧問，我的職責(zé)包括市場和行業(yè)研究，內(nèi)容開發(fā)以及為我們的客戶和潛在客戶提供建議。簡而言之，我?guī)椭M織了解AI和ML等新興技術(shù)的業(yè)務(wù)潛力和實(shí)際現(xiàn)實(shí)。
在人工智能和機(jī)器學(xué)習(xí)方面，您在SAS工作的一些舉措是什么?它們?nèi)绾斡绊懣蛻?
我們不僅關(guān)注AI能力的持續(xù)發(fā)展，而且關(guān)注AI / ML如何與其他領(lǐng)域相交以解決問題。這包括通過分析提高物聯(lián)網(wǎng)的智商。我們最近的一些工作包括：
通過將傳感器和設(shè)備與流分析相結(jié)合，使物聯(lián)網(wǎng)變得智能化。例如，沃爾沃和Mack Trucks正在使用來自其公路車隊(duì)的傳感器數(shù)據(jù)，以更快的速度提供75%的主動(dòng)實(shí)時(shí)診斷，從而減少停機(jī)時(shí)間并減少嚴(yán)重故障。該系統(tǒng)允許快速診斷和干預(yù)，從駕駛員到當(dāng)?shù)鼐S修店，以及在卡車在路上時(shí)上傳軟件更新。同樣，柯尼卡美能達(dá)日本通過部署包含傳感器和傳統(tǒng)數(shù)據(jù)源的多種分析模型來加快其PDCA(計(jì)劃 - 執(zhí)行 - 檢查 - 行動(dòng))周期，以改善各種區(qū)域，如故障預(yù)測和管理優(yōu)化。
現(xiàn)代CAO需要精通決策科學(xué)，而不僅僅是數(shù)據(jù)科學(xué)
在更傳統(tǒng)的客戶參與空間中，大和證券通過整合AI / ML，使用新的CRM系統(tǒng)，客戶購買率提高2.7倍，客戶離職率降低50%。
我們也熱衷于將數(shù)據(jù)(和AI)用于Good。一個(gè)很好的例子是我們使用WildTracks創(chuàng)建足跡識(shí)別工具(FIT)。FIT通過對(duì)其足跡的數(shù)字分析，實(shí)現(xiàn)對(duì)獵豹等瀕危動(dòng)物的無創(chuàng)監(jiān)測。
在人工智能和大數(shù)據(jù)的增長以及兩者日益增加的組合方面，您認(rèn)為過去10年中技術(shù)格局如何變化?
AI和大數(shù)據(jù)的交集提供了以普遍和直觀的方式提供更有針對(duì)性，及時(shí)，相關(guān)的洞察力的能力(“Alexa，......”)。提供這種簡單性需要一個(gè)比10年前更加復(fù)雜的分析和數(shù)據(jù)生態(tài)系統(tǒng)。
為此，從BI到AI的有效部署分析現(xiàn)在是項(xiàng)目組合管理的一項(xiàng)練習(xí)。完成離散的客戶群(高管到數(shù)據(jù)科學(xué)家)，各種數(shù)據(jù)環(huán)境(倉庫到湖泊)，開發(fā)方法(確定性報(bào)告開發(fā)到動(dòng)態(tài)概率算法建模)和廣泛的部署選項(xiàng)(增壓儀表板到流事件檢測和響應(yīng)) 。
這一切如何與更傳統(tǒng)的商業(yè)智能相關(guān)?
需要明確的是：傳統(tǒng)的BI并沒有消失 - 它變得更加智能，更容易訪問。它也是強(qiáng)大的分析產(chǎn)品組合的必要組成部分。事實(shí)上，圍繞BI(有意義地衡量結(jié)果)的良好紀(jì)律是確保先進(jìn)的AI / ML解決方案實(shí)現(xiàn)其預(yù)期價(jià)值的關(guān)鍵成功因素。
您在2014年為“CAO的肖像”編寫的SAS電子書之一。從那時(shí)到現(xiàn)在發(fā)生了什么變化?想要聘請(qǐng)首席分析官的組織今天面臨哪些困難?
分析越來越成為我們業(yè)務(wù)流程，產(chǎn)品和服務(wù)的組成部分。因此，今天的每位高管都需要成為CAO的一部分。也就是說，正式CAO角色的復(fù)雜性來自管理技術(shù)和組織變革的需要。現(xiàn)代CAO需要精通決策科學(xué)，而不僅僅是數(shù)據(jù)科學(xué)。他們還需要協(xié)作 - 能夠動(dòng)態(tài)地匯集內(nèi)部和外部專家的集體，以解決各種問題。在引領(lǐng)精英分析先鋒的同時(shí)，不斷研究新興解決方案，使組織能夠決定是否，何時(shí)以及如何實(shí)現(xiàn)價(jià)值。
您看到的最令人興奮的用例是圍繞AI還是ML?
環(huán)境現(xiàn)在非常動(dòng)態(tài)，很難選擇。我最受我們?cè)卺t(yī)療保健和公共服務(wù)領(lǐng)域所做工作的啟發(fā)。例如，像健康內(nèi)華達(dá)項(xiàng)目 這樣的項(xiàng)目，其目的不僅是治療疾病，還能促進(jìn)健康。該項(xiàng)目正在分析遺傳，臨床，環(huán)境和社會(huì)經(jīng)濟(jì)數(shù)據(jù)，以更好地了解這些因素與健康之間復(fù)雜的相互作用。在重新思考我們?nèi)绾畏?wù)和保護(hù)弱勢群體方面也有很多工作要做。
我覺得有趣的其他用例來自像Phylagen這樣的公司。Phylagen使用AI來分析所有物質(zhì)上存在的微生物，以確定貨物，材料甚至人類的起源。這是查看供應(yīng)鏈完整性甚至非法販運(yùn)問題的一種非常不同的方式。(從我的角度來看)并不一定需要制造商的參與或許可。
從BI到AI的有效部署分析現(xiàn)在是項(xiàng)目組合管理的一項(xiàng)練習(xí)
我發(fā)現(xiàn)AI / ML能夠采用一種全新的方法來解決一個(gè)非常古老，復(fù)雜的問題。
在這個(gè)領(lǐng)域，未來12-18個(gè)月我們對(duì)SAS有何期望?
在接下來的12-18個(gè)月內(nèi)，我們將繼續(xù)為該產(chǎn)品組合添加額外的分析方法 - 重點(diǎn)是ML，DL，NLI和邊緣分析。這包括增強(qiáng)模型可解釋性和透明度的功能。同樣出現(xiàn)：增加所有用戶類型的可用性和協(xié)作，持續(xù)增強(qiáng)集成環(huán)境，支持從模型開發(fā)到大規(guī)模部署的生命周期(無論您是使用SAS，Python，R等編寫代碼)還是嵌入AI(包括自然語言接口)到我們自己的解決方案。
最后，不要放棄太多 - 本月晚些時(shí)候，AI和大數(shù)據(jù)博覽會(huì)的討論主題是什么?
AI提供的功能與數(shù)字轉(zhuǎn)換的愿望之間存在著令人難以置信的協(xié)同作用。人工智能還放大了尋求“成為數(shù)字化”的公司所面臨的挑戰(zhàn)。本次討論將為參與者提供成功導(dǎo)航這些交叉點(diǎn)的??知識(shí)。
京公網(wǎng)安備 11010502049343號(hào)