就大數據、分析和人工智能而言，價值不是來自收集數據(甚至也不是來自于從中獲取的一些洞察)，價值來只有一個來源：行動。

我在90年代中期開辦了***家公司，那時我做了大多數***創業的企業家都做過的事——訂購名片。

實際上，我首先得選址并訂購一部手機。畢竟，沒有手機，我無法訂購名片。然后要建立一個會計系統、做法律文書工作、建一個網站。當然，還寫了一個很長的商業計劃。

我把該做的事情都做了，唯獨漏了一件事：講述我的故事并銷售我的解決方案。

[[246642]]

但和往常一樣，我太過沉溺于機制而忽略了目的。我花了一段時間才站穩了腳跟。

最近由O'Reilly和Cloudera聯合舉辦的Strata Data Conference會議讓我想起了這種強有力的學習經歷。

有如此多的大數據和分析空間(還有，人工智能市場正日益與之發生相撞)仍然專注于機制。

誠然，機制很重要。但機制并非所有這些學科存在的原因。就大數據、分析和人工智能而言，價值不是來自收集數據(甚至也不是來自于從中獲取的一些洞察)，價值來只有一個來源：行動。

大數據：***步就走錯了?

我可能從一開始就過度關注機制。我可以很好地總結大數據背后的精神：收集一切，稍后再進行整理。

重點是建立海量數據湖，這些數據胡收集一切可以想象的數據，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的***技術官Satyendra Rana認為：“(這種方法)是錯誤的。你無法贏得這場戰斗。數據不斷地增長，你會沉入湖底，無法在表面遨游。”

很多組織都得出了同樣的結論。此外，IT和業務***發現，他們必須改變自己的思維方式，專注于運營和變革方面的成果，以揭示大數據和人工智能計劃的真正價值。

SAP Leonardo的副總裁David Judge解釋說：“心態轉變至關重要。我們的客戶有兩條路可走。***條路是優化——自動化并削減人工活動。然后，有些人(專注于)創建新的業務模式(與數據)，這些模式更具變革性。做得***的公司往往兩者兼顧。”

這傳遞出來的信息很明確。當你真正的目標是從所有這些數據中創造價值時，只關注機制是不夠的。因為這陷入了丐詞邏輯的毛病：你如何從數據中獲得價值?

通過行動實現價值

diwo的Rana解釋說：“數據毫無價值。只有當人們在語境中使用數據時，數據才會創造價值。當數據投入使用時，這就是價值產生的源頭。因此，責任不在數據創建者身上，而是在價值創造者身上，后者要決定如何利用數據。”

從表面上看，當很多權威人士將數據稱為新的石油或貨幣時，Rana的說法似乎背道而馳，這種新的石油或貨幣似乎具有固有的價值。但當組織進一步從事大數據、分析和人工智能時，人們發現Rana的說法是有道理的。

通用電氣的數據副總裁兼***數據官Diwakar Goel解釋說：“當我們開始使用大數據時，我們只是想做一些快速而簡單的分析并獲得一些見解。最初的價值在于揭示這些洞察。但后來我們意識到，這些洞察并沒有改善業務。因此，我們需要使這些洞察可操作化，同時將這些洞察轉化為行動，你希望將這些洞察提供給能夠實際采取行動的人。”

事實上，就傳統的對大數據采取數據優先的方法而言，正是這種缺乏以行動為導向的業務重點成了老大難，

連續數據平臺Iguazio的創始人兼***執行官Asaf Somekh解釋說：“數據湖是以IT為導向的。數據湖正在實現一個章程，以建立一個存儲組織所有的數據的平臺。數據湖無關乎改善業務成果，也不是商業計劃。”

在尋找價值時，請不要揪著技術背景不放

因此，在設法實現價值運作時，人們要從業務角度而不是技術角度來看待事物，這非常重要。

這可能比想象得更難。

我去了今年的Strata會議，那時我是帶著自己對人工智能的偏見與會的。我確信，人工智能將迫使行業重新以商業價值為中心——我覺得這些東西早已不復存在。

然而，我對人工智能的關注也不過是另一種技術背景而已。我也沒有看到業務的視角，只關注更閃亮的新技術。

對于我們這些已經在科技行業工作一段時間的人來說，這是一個很難打破的習慣。

事實上，組織可以從很多形式的大數據、分析和人工智能投資中獲得很多商業價值。訣竅就是專注于如何更好地使那些行動密切相關的人采取行動。

流分析和時序數據的應用就是很好的例子，這些例子表明組織如何在遠未完全實現人工智能之前就能實現這一價值。

Striim的聯合創始人兼***技術官Steve Wilkes解釋說：“流處理和流分析是使機器學習可操作化的重要組成部分。如果你可以使數據科學家處在上游并使他們可以使用流處理......那么他們就可以構建模型，然后將該模型注入數據流......并進行實時預測和分析。”

隨著企業沿著人工智能的道路發展，它們不能錯過途中任何能夠采取行動的寶貴機會，這同樣很重要。

時序數據庫公司Timescale的聯合創始人兼***執行官Ajay Kulkami解釋說：“(還在發展中的)第三個步驟是人工智能和機器學習的領域，在這個領域里，你可以預測將要發生的一切。***個步驟是收集數據，但是在這兩個步驟之間還有一個中間步驟，那就是使用數據來監控正在發生的事情......然后從監控轉向可觀察性。這就是我們首先要實現的地方，以便你能夠實時地查看業務發生了什么。”

使你的數據有意義

然而，從大數據的歷史的，回顧性分析方面的價值主張到以行動為中心的價值主張的所面臨的挑戰在于這增加了賭注。而且，這些行動越接近實時，風險和回報就越大。

在這個數據促進行動的世界里，數據的準確性，以及理解如何使用這種準確性來做出決策或采取行動成了一項戰略要務。

diwo的Rana解釋說：“決策制定涉及到做決策的人以及用于做出這些決策的數據，因此，認知系統需要對兩者都進行建模——而不僅僅是數據。”

隨著賭注的增加，人們必須理解數據本身，這成了實現價值的關鍵能力和途徑。

通用電氣的Goel分享道：“當你攝取大量數據時，你會創建大量的‘暗數據’，即你所不了解的數據。這就是Io-Tahoe這樣的公司發揮作用的地方。這些公司提供數據洞察。在根據數據分析獲得洞察之前，你必須了解數據本身。”

然而，更重要的是，理解數據的需求已經超出了數據沿襲和數據治理的范疇。在情境中理解你的數據以及其與其它數據的關系(當你根據這些數據采取行動時，尤其是這樣)，這變得十分重要。

Goel闡述道：“數據攝取基本上是破壞性的。當你將數據放進數據湖時，你將失去數據集之間的關系。數據集的價值與其說在于數據，不如說在于關系。這是(工具)可以提供幫助的地方。這些工具可以幫你重建以前就存在的關系，并幫你發現不同數據集中的數據之間的關系。”

數據和人工智能的未來

我從Strata大會得到的一大啟發是，數據行業正在走向成熟。雖然該領域的一些技術公司仍然堅持傳統的大數據精神，并且仍然專注于機制和技術方面的細枝末節，但更多的技術公司認識到，結果以及對重要數據采取行動的能力才是重要的。

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——并且由于人工智能在未來幾年內將牢牢扎根，它可能會使行業再次發生變化。

作為會議報道的開始，由SiliconANGLE Media舉辦的企業技術實況訪談節目CUBE舉辦了一場名為人工智能的未來(The Future of AI)的活動。在此期間，SiliconANGLE的研究主管Peter Burris這樣總結了人工智能的未來：“人工智能的目標是為了讓更多數據發揮作用。”

他接著解釋說，這樣做涉及到這樣的做法——更高效地捕獲數據并將其轉化為價值——然后再使用數據。他解釋說，隨著我們日益轉向人工智能，使用我們新獲得的寶貴數據，我們將需要努力應對人工智能所帶來的各種后果。

Burris解釋說：“由于有了這樣的行動概念，我們不得不考慮一種新的系統。這種新的系統將被稱為代理系統(Systems of Agency)。”

系統采用數據并以組織代理的身份對其發揮作用，這種想法現在才剛剛變成現實。然而，毫無疑問，所有的道路都指向了這樣的目的地。

因此，隨著企業***漸漸走上這條道路，他們必須始終如一地專注于數據的價值，這表現在他們采取行動的能力上。

Diwo的Rana給出了很好的總結，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。”

我完全贊同。