機器學習(ML)正在迅速成為識別具有前瞻性的首席信息官的試金石。在未來十年內，未能采用機器學習進行產品開發或業務運營的公司將承擔落后于更多靈活的競爭對手的風險。這是根據奧斯利Dan Olley的說法，他是RELX集團科學和健康信息部門愛思唯爾(Elsevier)的首席技術官，近年來，他提高了組織對ML技術的采用。

 

上個月Olley在科羅拉多斯普林斯舉辦的CIO100研討會上向觀眾介紹說：“我從根本上認為我們正處于機器學習的轉折點，并將在未來十年內改變與數字世界的互動方式。我們將越來越多地用機器做出決定。”

 

這是一個合理的假設。計算能力的增長，算法和訓練模型的日益復雜以及看似無限的數據來源促成了人工智能(AI)的重大創新。人工智能包括機器可以模仿人類思維行為的任何技術，比如ML的子領域，其中基于統計的算法自動化知識工程。谷歌、亞馬遜、百度等公司正在向人工智能和機器學習投入更多的錢。此外，麥肯錫全球研究所(McKinsey Global Institute)認為，這些發展帶來的創業活動是2016年投資的三倍，介于260億美元至390億美元之間。

 

 

據麥肯錫稱，在技術部門以外的人工智能的采用大多處于早期的試驗階段，很少有公司大規模部署。尚未將大規模人工智能技術作為核心業務的公司不確定是否能得到期望的投資回報率。但是，Olley在愛思唯爾的機器學習工作已經幫助制藥的客戶發現了藥物并向臨床醫生提供了相關的醫療信息，他這類使用案例在人才管理、銷售和市場營銷、客戶支持等領域都比比皆是。

 

如果想要建立競爭優勢，或者至少保持領先優勢，首席信息官們最好跟上這些新興技術的發展速度。Olley說：“這是你現在開始著手的事情。”

 

從未見過人工智能算法的組織如何展開數據科學或機器學習?Olley和Gartner提供以下建議。

 

 

你有一個在組織中利用數據科學和機器學習的想法，但你如何去實現呢?首先，你不需要將數據科學和機器學習的運作集中化。事實上，將數據科學和機器學習嵌入到每個部門，包括銷售、營銷、人力資源和財務都是有意義的。Olley建議首席信息官們嘗試一些在愛思唯爾有效的東西，他將數據科學家與軟件工程師或腫瘤學專家集結在一起，他們在受到Spotify模型所啟發的敏捷小分隊中構建產品。

 

Olley說：“我們已經將數據科學團隊組建在產品管理團隊和業務部門中，但我們將它們作為一個分會集結起來，并指定一個人來帶領。我們確實盡可能讓數據科學家來處理這個問題，因為我們認為這是更好地擴大整個組織的方式。”

 

 

您不需要執行五點計劃來建立數據科學企業，也不需要構建閃亮的機器學習產品的框架。 Gartner說你應該在需要特定的人工智能技術進行學習的不同業務領域促進小型實驗，而不是光想著投資回報率。Olley說：“如果你還沒有開始的話我完全建議你開始，因為你的競爭對手已經開始了”。

 

 

在以數據作為燃料推動任何人工智能 / 機器學習工作的情況下，首席信息官必須管理數據，保護數據并對此著迷，像對待金錢一樣對待數據。Olley說：“你的首席財務官不會讓這些賬戶散落在整個公司。他們也不會說，‘我認為今年的收入已經有這么多了。’”

 

 

Olley說：數據科學家往往是數學和統計學方面的高素質人士，善于發現數據的洞察，而不一定是能夠編寫算法和制作產品的軟件工程師。然而說起來容易做起來難，因為企業經常尋求獨角獸般候選人，他們是大師級統計學家，高段位的軟件工程師和某個工業領域的大師，比如衛生保健或金融服務行業領域，Olley說：“我聽說有一個人這樣描述，‘我想要一位有數學博士學位的軟件工程師，他也是一名訓練有素的臨床醫生，如果他們在腫瘤專業也有專長就更有用了。’”Olley諷刺地補充說他認識“這三個人”。

 

 

并不是每個從事數據科學的人都是數據科學家，或者需要黑帶的技術段位。Olley說：“你不會找到這么多這樣的人，所以你要努力培養他們。”Olley指出他讓一個人來負責提高他的IT人員在數據科學中的技能，Elsevier還利用Coursera來助力，Olley建議首席信息官至少要創建概率和統計學的進修課程，候選人必須通過最終考試來證明自己的能耐，Gartner建議你發現人工智能知識和人才的缺口并制定培訓和招聘計劃以擴建你的能力。

 

 

跟上了人工智能和機器學習的速度的企業，或者不確定如何解決數據科學問題企業可以將數據丟進數據科學平臺(如Kaggle)中。數據科學家、統計學家、數學家、軟件程序員和其他喜歡解決棘手問題的團隊可以一起在企業的業務挑戰上展開競爭。

 

 

如果你要與合作伙伴分享你的算法，那么他們就會看到你的數據。他表示，這讓愛思唯爾這樣的信息學公司很不安，愛思唯爾熱衷于保護其數據，它將其視為競爭優勢。Olley說：“你的數據就是新的貨幣。你必須在策略上了解你想要保留的東西、你樂于分享的東西和像金錢一樣對待的東西。”

 

 

保健機構可以試著建立一種取代所有全科醫生的算法，患者在沒有提前很多天預約的情況下很難找他們就診?；蛘呖梢酝ㄟ^編寫算法來解決問題的一小部分，至少可以辨別一個人是否只需要阿司匹林還是要更嚴重的治療。Olley說：“解決問題的一小部分，獲取更多的數據，隨著時間的推移而增建。”

 

 

Olley表示：獲得正確的訓練集比完善數據模型更重要。不要用數據放任任何人，這可能導致數據模型不正確。Olley說：“最大的挑戰是向人們展示可能性的藝術，并真正把人們解放出來，以考慮這些東西可以做什么，然后將其擴展。”

 

 

這么說，你們就是有前途的數據科學領航。根據Gartner的說法，作為首席信息官，你應該提倡以人工智能和機器學習作為影響首席執行官顛覆市場并重塑現有業務模式的策略的手段。畢竟，成功的機器學習操作可能是你的組織未來成功的關鍵。