"Standardowa edukacja zapewni Ci przeżycie. Samokształcenie - fortunę".   Jim Rohn

"Jeśli trwacie w nauce mojej, jesteście prawdziwie moimi uczniami i POZNACIE PRAWDĘ ,A PRAWDA WAS WYZWOLI"    - Jezus z Nazaretu

Strategia Data Science (I)


WSTĘP

W społeczeństwie zachodzi rewolucyjna zmiana. Wszyscy, od małych lokalnych firm po globalne przedsiębiorstwa, zaczynają zdawać sobie sprawę z potencjału digitalizacji swoich zasobów danych i stają się napędzani danymi. Niezależnie od branży firmy wyruszyły w podobną podróż, aby zbadać, jak uzyskać nową wartość biznesową, wykorzystując techniki analityczne, uczenie maszynowe (ML) i sztuczną inteligencję (AI) oraz wprowadzając naukę o danych jako nową dyscyplinę. Jednak, chociaż wykorzystanie tych nowych technologii pomoże firmom uprościć ich działalność i obniżyć koszty, nie ma nic prostego w wyborze strategicznego podejścia odpowiedniego do inwestycji w naukę danych. Im później dołączysz do gry ML / AI, tym ważniejsze będzie, aby od samego początku zastosować strategię dla konkretnego obszaru działalności. Zatrudnienie kilku naukowców zajmujących się danymi do zabawy z danymi jest dość łatwe - jeśli możesz znaleźć kilku z nielicznych dostępnych - ale prawdziwe podnoszenie ciężarów pojawia się, gdy próbujesz zrozumieć, jak wykorzystać naukę danych do tworzenia wartości przez cały czas swoją firmę i umieść to zrozumienie w wykonywalnej strategii nauki o danych. Jeśli możesz to zrobić, jesteś na dobrej drodze do sukcesu. Niedawna ankieta przeprowadzona przez Deloitte wśród "agresywnych użytkowników" technologii kognitywnych wykazała, że 76 procent uważa, że za pomocą danych i sztucznej inteligencji "znacząco przekształcą" swoje firmy w ciągu najbliższych trzech lat. IDC, globalna firma zajmująca się wywiadem marketingowym, przewiduje, że do 2021 r. 75% komercyjnych aplikacji korporacyjnych będzie korzystać ze sztucznej inteligencji, a ponad 90% konsumentów będzie współpracować z botami obsługi klienta; a ponad 50 procent nowych robotów przemysłowych będzie wykorzystywać sztuczną inteligencję. Jednak jednocześnie istnieje bardzo duża przepaść między aspiracjami a rzeczywistością. Gartner, kolejna firma badawczo-doradcza, stwierdziła w 2017 roku, że 85 procent wszystkich projektów Big Data kończy się niepowodzeniem; nie tylko to, nadal wydaje się, że istnieje niejasność co do prawdziwych kluczowych czynników sukcesu, jeśli chodzi o inwestycje w dane i sztuczną inteligencję Głównym kluczowym czynnikiem sukcesu jest doskonała strategia nauki o danych. Docelowymi czytelnikami są wszyscy zainteresowani dokonywaniem zrównoważonych wyborów strategicznych w dziedzinie nauki o danych, bez względu na to, na którym aspekcie się koncentrujesz i na jakim zespół nauk o danych. Strategiczne wybory mają znaczenie! Jak dotąd wydaje się, że niewiele jest dogłębnych badań lub analiz na temat nauki o danych i strategii sztucznej inteligencji, a także niewiele praktycznych wskazówek. Nieliczne artykuły koncentrują się głównie na łatwych do konsumpcji wskazówkach i trikach, jednocześnie omawiając kilka aspektów związanych z wyzwaniami i potrzebnymi kwestiami. Brakuje dogłębnych wskazówek, które nie są dostępne w formie artykułu. Jednocześnie głównym powodem niepowodzeń firm w zakresie nauki o danych lub inwestycji w sztuczną inteligencję jest brak strategii w zakresie nauki o danych lub niezrozumienie złożoności realizacji strategii. Chociaż ta ogromna transformacja zachodzi właśnie tutaj, teraz, wszędzie wokół nas, wydaje się, że niewielu ludzi zrozumiało, w jaki sposób nauka o danych narzuci fundamentalną zmianę w społeczeństwie - i dlatego nie rozumieją, jak do tego podejść. Jeśli chcesz być liderem w swojej firmie, nie masz ani czasu, ani pieniędzy na popełnianie błędów. Naprawdę potrzebujesz solidnej, kompleksowej strategii analizy danych, która będzie działać dla Ciebie na poziomie, którego potrzebujesz, aby rozwijać swoją organizację. Nadszedł czas!


Wesprzyj Szkołę, kliknij w Reklamę…Dziękujemy…