展会信息港展会大全

研究称机器学习、大数据将重塑业务流程
来源:互联网   发布日期:2014-01-28 21:31:00   浏览:33298次  

导读:当我们在未来回顾2014年时,会把它看作为企业新时代的一年吗?根据国际数据分析研究所(IIA)的相关数据,大数据的发展,以及机器学习和嵌入式分析,将推动新产品,彻底改变旧的业务流程,并很可能意味着律师们将会有大量的工作。 这所位于俄勒冈州波特兰市...

当我们在未来回顾2014年时,会把它看作为企业新时代的一年吗?根据国际数据分析研究所(IIA)的相关数据,大数据的发展,以及机器学习和嵌入式分析,将推动新产品,彻底改变旧的业务流程,并很可能意味着律师们将会有大量的工作。

这所位于俄勒冈州波特兰市的咨询和研究分析机构发布了9项针对新的一年的官方预测,下面来看一下他们如何预测2014年的。

1. 企业将继续推动机器学习和自动化。企业将需要依靠机器学习和自动化,如果他们希望能够应对他们所面对的大量数据。比如,一些企业,正在生产上千种模型 - 有时是在SKU层面。 “当你的模型规模,达到成千上万的时候,机器学习则成为了一项有吸引力的技术,” Sanjeev Kumar,Dell的企业IT组织的分析产品经理说。“它可以不断地学习,并不断挖掘大数据”。

2. 企业将在人与机器的能力和判断之间寻找合适的平衡。企业越来越善于(也更安于)自动化的业务决策,但是,这并不意味着每一个决定都应该是自动化的。 “如果你把人从计算程式中脱离地太远,他们失去了与工作流程的接触,那他们的技能就会萎缩, ” Robert Morison,工作分析法:更智慧的决定,更好的结果,一书的合著者说。而当某种异常情况发生或系统突然无法工作时,员工就不知道该怎么办。2014年,自动化的最大挑战将是找到合适的平衡,他说。

3. 数据科学家将推动新产品和新服务。对于这一预测的证据无处不在, 根据Tom Davenport,IIA的联合创始人兼研究总监,巴布森学院IT和管理的杰出教授。 下面是几个例子:Jawbone,可穿戴电子产品的制造商,去年夏天聘请了Monica Rogati。她之前是LinkedIn Corp.公司的数据科学家,并且也领导了这家社交媒体公司的数据产品部门。 Intuit公司,一家金融软件公司,在10月份收购了小型咨询公司Level Up Analytics,这家由数据科学家运行的公司。游戏公司Electronic Arts Inc.正在使用数据 “通过分析来加强传统游戏,并告诉人们如何更有效地来玩游戏,” Davenport说。

4. 公司不再只是停留在对于大数据的吹捧上。Kumar是这样说的: “ 2014年,将开启一个新时代,企业们必须评估什么(业务)已经完成,他们得到了什么,以及那些和大数据有关的举措带来的价值,这些都将被提上议事日程。”

Bill Franks,Teradata Corp.公司的首席分析官说,不是把大数据单独分开,CIO们而是需要想办法。 “把它和其他数据相结合,并将其注入到业务流程中,就像他们对待那些传统数据一样, ”

5. 大量结构化数据将会扬名。Morison把他的注意力放在他称之为大量结构化数据的世界里。 “公司将要面对大量结构化数据,这也会开启新一轮的流程改进, ”他说。 通用电气( GE)将之称为“工业互联网”,并且,为了证明有关大量结构化数据不可忽视的这一观点, Morison指着一个燃气涡轮的GE传感器, 而它每天产生的数据比所有Twitter都要多。 他表示:“这些数据可以用在产品设计,产品维护,维修设施的管理上以及更多。”

6. 分析行业正在不断成熟壮大。预期我们将会看到更多的,更好的分析团队形成,更多的分析专家会融入到业务前线。这样做可以创造合作机会,并将企业引导到以建立卓越为中心的道路上。 “这是下一步,让不同的,嵌入式业务分析专家通力合作, ” Greta Roberts,Talent Analytics Corp.的CEO说。

7. 供应商和用户将专注于操作和管理这些模型。Omer Sohail,Deloitte美国的金融服务类分析和信息化管理实践的负责人说, “焦点将从传统的模型发展转为自我学习/机器学习的模型发展,” 这些更尖端的模型将尽可能在最接近那些做出决定的地方被嵌入,随着IT对数据的关注减少,而更多的投入到元数据和模型管理。那些提供软件和服务来构建这些模型的供应商也意识到这一趋势,并且注意到Dell的 Kumar称之为模型的生命周期,或如何利用这些模型,管理和更新,使它们始终保持在最新状态。

8. 采纳分析即服务这一模式将加快。随着对于分析需求的不断增长,以及持续的人才(和基础设施)缺乏, Morison表示,企业将转向使用分析即服务这一模式以此来填补这一空白。 “速度,成本,能力和我称之为' 可试验能力 ”等这些因素 – 这所有的一切都在推动这一模式的采纳。 ”

9. 面部识别数据将发挥更大的作用。面部识别技术将不仅用于人类。根据Davenport所说,一家宠物商店想要使用该技术(显然有一个该应用程序)来识别宠物,从而可以用名字向它们问好。

10. 可穿戴设备的数据将被纳入到预测分析中。运动记录设备,比如Fitbit公司的产品,会收集更多的数据指标,这可以使它带来更有趣 – 更个性化 – 的预测分析,Franks说。可穿戴设备的数据可以洞察一切,包括吃零食的最佳时间,优化集中你的注意力,通过运动缓解压力。

11. 企业将对所有类型的数据进行可视化。气泡图可以帮助显示随着时间推移而产生的变化, 就像2006年Hans Rosling在他的TED演讲中, 以此来演示发展中国家的疾病一样,Davenport说。 根据Franks所说,企业也将开始试验行业分析师Richard Hackathorn称之为的仿真智能。 “这将是一个体验逼真数据的场景 – 你会处于一个3-D世界里,”他说。这给了数据和非数据大众一个同样的机会,真正地在数据中穿越并与之互动。

12. 企业将考虑把“律师”加入到他们的大数据阵容中?不是每个IIA预测都最后上榜的。这就是一个被排除在外的: “我提出了一个有关公司需要为他们的大数据团队聘请律师(以确保)他们在足够的程度上拥有这些数据,并准许他们有所作为的预测” Davenport说,“但我的同事们并不太认同这个预测。 ”

赞助本站

人工智能实验室

相关热词: 机器学习 大数据

相关内容
AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港