数据科学赋能组织顺利未来智能
发布时间：2021-12-01 13:48:53 所属栏目：站长百科 来源：互联网
导读：协作成为一个普适性的需求 。Collaboration，我们称之为一个核心需求，是fundamental的。我们知道从Slack为代表的协同办公软件开始到今天，各行各业都在广泛地让协同协作成为一个基础性的需求。这是因为既然我们都有复合型的技能，既然我们要有各种广泛的创新
|
“协作”成为一个普适性的需求 。Collaboration，我们称之为一个核心需求，是fundamental的。我们知道从Slack为代表的协同办公软件开始到今天，各行各业都在广泛地让协同协作成为一个基础性的需求。这是因为既然我们都有复合型的技能，既然我们要有各种广泛的创新，而且每个人都使用自己的专业工具，那么他们怎么形成一个合力，就变成了一个很有挑战的问题。所以专业工具的协同性功能的提供，甚至跨领域不同行业的协同功能的提供，其实是一个非常核心的需求。这就是我们看到的对于智能组织里面“人”成为最重要的生产因素以后，有这三个方面的需求。 数据科学平台的发展 第二部分我想谈一下数据科学平台本身的发展。大概在2012年数据科学被称为最性感的词汇，到2015年中国有了第一所高校设立数据科学专业，再到2018年超过200所高校设立数据科学专业以来，数据科学其实经历了一个比较完整的从实验室到生产化的过程，数据科学在企业中的应用也是follow了相同的逻辑。 数据科学在企业里面最开始还是从数据科学家工作台的方式渗入的。当企业面临一个业务挑战，比如想挽回流失的客户，想向已有客群推荐更多的金融产品，就会面临着我们称为AI建模 的工作。当进行AI建模工作的时候，需要做大量的AI数据准备，这些工作基本都是在数据科学家、数据工程师或者算法人员的工作范围内进行的，他们会使用专业的工具来完成这个过程，这个专业工具的类别就叫做数据科学家工作台。简而言之，这是一个相对来说在一个比较实验室的、一个开发的环境里完成的。 我们有一个简单的小结，在过去40年，软件核心系统完成的是“流程自动化”，那么在接下来的20年甚至更长的时间里，软件系统会完成“决策自动化”，决策自动化集中体现的就是数据科学在企业中的应用，也就是从实验室到生产系统当中去。 那么在全面地把数据科学落实到生产系统来改善业务的同时，一定会碰到一些挑战。其中一个非常突出的挑战——不是技术的挑战，而是业务的挑战——我们称之为知识融合 。 （编辑：湘西站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
