[[389401]]

十多年來(lái)，大數(shù)據(jù)一直在穩(wěn)步增長(zhǎng)。新興的數(shù)據(jù)驅(qū)動(dòng)公司已經(jīng)崛起，并成為價(jià)值數(shù)十億美元的巨頭，而成熟的市場(chǎng)領(lǐng)導(dǎo)者則早日意識(shí)到了數(shù)據(jù)的力量，并進(jìn)行了相應(yīng)的投資。但是就像許多事情一樣，2020年是對(duì)數(shù)據(jù)戰(zhàn)略的一次警鐘，尤其是許多沒(méi)有立即產(chǎn)生價(jià)值的戰(zhàn)略。

我認(rèn)為現(xiàn)在是時(shí)候接受大數(shù)據(jù)的局限性并接受對(duì)智能數(shù)據(jù)的需求了。向智能數(shù)據(jù)的轉(zhuǎn)變已經(jīng)持續(xù)了至少十年。我自己的公司背后的核心思想是為企業(yè)提供他們需要的智能數(shù)據(jù)，以改善需求預(yù)測(cè)。

盡管準(zhǔn)確的外部數(shù)據(jù)是可以為您的計(jì)劃帶來(lái)確定性的少數(shù)因素之一，但許多數(shù)據(jù)科學(xué)家報(bào)告稱(chēng)，他們卻花費(fèi)了大約80%的時(shí)間來(lái)清理、驗(yàn)證和準(zhǔn)備數(shù)據(jù)。

在智能數(shù)據(jù)的新時(shí)代，已被清理、驗(yàn)證、特征化并且能夠插入模型并開(kāi)始快速交付價(jià)值的數(shù)據(jù)，可能性很大。通過(guò)配置智能數(shù)據(jù)，模型可以更快地查找和使用最有影響力的數(shù)據(jù)，從而了解世界的運(yùn)作方式并做出更好的決策。充分利用智能數(shù)據(jù)的企業(yè)可能是那些擺脫了大數(shù)據(jù)思維方式的公司。

我們?nèi)绾蜗萑氪髷?shù)據(jù)淹沒(méi)?

數(shù)十年來(lái)，企業(yè)一直在向數(shù)據(jù)源投入資金，并將更多的信息注入其數(shù)據(jù)湖。但是，新數(shù)據(jù)并不總是等同于新的智能(對(duì)于機(jī)器學(xué)習(xí)模型，尤其是對(duì)核心業(yè)務(wù)戰(zhàn)略)，慢慢地，所有這些數(shù)據(jù)的權(quán)重就逐漸建立起來(lái)。

由于大多數(shù)數(shù)據(jù)源都需要清理和標(biāo)準(zhǔn)化，因此聘請(qǐng)一個(gè)擁有多個(gè)研究生學(xué)位的昂貴員工，其通常也會(huì)在一周的大部分時(shí)間里花時(shí)間整理基礎(chǔ)數(shù)據(jù)。當(dāng)將近90%的數(shù)據(jù)科學(xué)項(xiàng)目從未投入生產(chǎn)時(shí)，再加上產(chǎn)生有用的機(jī)器學(xué)習(xí)模型的復(fù)雜性，就意味著大量的數(shù)據(jù)科學(xué)投資并沒(méi)有取得重大收益。

2020年進(jìn)入大流行時(shí)代。當(dāng)財(cái)務(wù)團(tuán)隊(duì)對(duì)所有事務(wù)運(yùn)行精細(xì)化管理時(shí)，必須做好任何準(zhǔn)備。正確的數(shù)據(jù)項(xiàng)目決定成功與否，但是任何不能用于改善核心功能的東西(例如需求預(yù)測(cè)、定價(jià)或提高競(jìng)爭(zhēng)優(yōu)勢(shì))都是沒(méi)有道理的。數(shù)據(jù)更好的時(shí)代已經(jīng)過(guò)去，現(xiàn)在是進(jìn)入智能數(shù)據(jù)新時(shí)代的時(shí)候了。

大規(guī)模聚合和使用數(shù)據(jù)僅僅是開(kāi)始

最重要的部分是獲取價(jià)值。您現(xiàn)在如何讓數(shù)據(jù)達(dá)到目標(biāo)?最近10年的分析癱瘓狀態(tài)已經(jīng)結(jié)束。

大數(shù)據(jù)策略一直試圖使數(shù)據(jù)海洋沸騰已久。這些極簡(jiǎn)主義方法行不通，因?yàn)樗鼈兲y了。他們從來(lái)沒(méi)有做過(guò)，當(dāng)您的團(tuán)隊(duì)成員較少，利潤(rùn)更緊且您的需求預(yù)測(cè)依賴(lài)于過(guò)去的數(shù)據(jù)時(shí)，他們肯定不會(huì)這樣做。從我所看到的情況來(lái)看，現(xiàn)在最好的企業(yè)正在將注意力集中在數(shù)據(jù)湖的深度和廣度上，而更多地從中獲得最大的價(jià)值。

現(xiàn)在是時(shí)候?qū)⑽覀兊臄?shù)據(jù)策略從癱瘓狀態(tài)轉(zhuǎn)變?yōu)閱⒂脿顟B(tài)了，以獲取資產(chǎn)并將其轉(zhuǎn)化為可以從中獲取價(jià)值的東西?，F(xiàn)在，讓您的數(shù)據(jù)科學(xué)家自由地完成他們夢(mèng)寐以求的工作：不收集、匯總和清理數(shù)據(jù)，而是構(gòu)建模型以利用大數(shù)據(jù)來(lái)進(jìn)行諸如勞動(dòng)力優(yōu)化和價(jià)格預(yù)測(cè)之類(lèi)的核心流程。

麥肯錫的首席數(shù)據(jù)官和該公司的一位合作伙伴在2月的一篇文章中很好地指出：“許多公司在收集和利用其自身活動(dòng)中的數(shù)據(jù)方面取得了長(zhǎng)足的進(jìn)步。盡管如此，到目前為止，很少有人意識(shí)到鏈接的全部潛力內(nèi)部數(shù)據(jù)以及由第三方、供應(yīng)商或公共數(shù)據(jù)源提供的數(shù)據(jù)。忽略此類(lèi)外部數(shù)據(jù)是錯(cuò)失的機(jī)會(huì)。... COVID-19危機(jī)提供了一個(gè)示例，說(shuō)明在短短幾個(gè)月內(nèi)外部數(shù)據(jù)的相關(guān)性、消費(fèi)者的購(gòu)買(mǎi)習(xí)慣、活動(dòng)和數(shù)字行為發(fā)生了巨大的變化，使先前存在的消費(fèi)者研究，預(yù)測(cè)和預(yù)測(cè)模型過(guò)時(shí)了;此外，隨著組織爭(zhēng)先恐后地了解這些不斷變化的模式，他們發(fā)現(xiàn)內(nèi)部數(shù)據(jù)很少使用。外部數(shù)據(jù)可以而且仍然可以幫助組織進(jìn)行細(xì)粒度的計(jì)劃和響應(yīng)。”

展望未來(lái)，您可以使用數(shù)據(jù)為動(dòng)態(tài)決策提供依據(jù)，并使模型更準(zhǔn)確，從而在大流行混亂中提供確定性。您可以使用數(shù)據(jù)來(lái)做出關(guān)于效率和機(jī)會(huì)的明智決策，而這些決策卻可以立即發(fā)現(xiàn)，而無(wú)需五個(gè)人組成的五個(gè)月的研究團(tuán)隊(duì)在三個(gè)月后進(jìn)行。這就是智能數(shù)據(jù)的力量。

什么定義了智能數(shù)據(jù)?

隨著企業(yè)學(xué)會(huì)借力，自動(dòng)化和機(jī)器學(xué)習(xí)變得至關(guān)重要。智能數(shù)據(jù)始于可靠且經(jīng)過(guò)驗(yàn)證的數(shù)據(jù)，但不僅僅是真實(shí)的記錄。需要對(duì)其進(jìn)行豐富、情景化和特性化，以使其不再僅僅是原始信息，而是高質(zhì)量的信息。這減少了將新數(shù)據(jù)輸入到機(jī)器學(xué)習(xí)模型中的摩擦和易于出錯(cuò)的特性。

在評(píng)估每個(gè)新數(shù)據(jù)源時(shí)，您應(yīng)該提出以下要求：

這些數(shù)據(jù)是否提供足夠的深度以為我正在構(gòu)建的模型要解決的問(wèn)題提供足夠的背景信息?

• 數(shù)據(jù)的驗(yàn)證度和準(zhǔn)確性如何?
• 當(dāng)我們進(jìn)入期待已久但混亂的恢復(fù)階段時(shí)，更新和重新驗(yàn)證的頻率是多少?
• 是否足夠豐富，我的模型將知道如何處理其輸入?
• 這將使我的機(jī)器學(xué)習(xí)模型更快更好地做出哪些核心業(yè)務(wù)決策?
• 我可以輕松地解釋此數(shù)據(jù)源顯示什么，以及它對(duì)我的預(yù)測(cè)和運(yùn)營(yíng)的影響嗎? 

去年，最終的黑天鵝事件使許多企業(yè)措手不及?，F(xiàn)在，許多人都在努力集成新數(shù)據(jù)并推出數(shù)據(jù)驅(qū)動(dòng)的恢復(fù)計(jì)劃，以了解什么將推動(dòng)他們的需求。不管是電視體育比賽還是節(jié)節(jié)高漲的需求，洪水或恐怖襲擊使需求下降，還是許多大型活動(dòng)讓大多數(shù)企業(yè)無(wú)法預(yù)料的人員聚集規(guī)模，很多企業(yè)都參與其中。而且我認(rèn)為每個(gè)企業(yè)都必須做到。