在数据世界您的企业和AI的未来是什么样？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-03
AI需要在业务用户做出决策时提供针对特定上下文的建议
我们已经从传统的分析和向后看的商业智能转变为具有前瞻性的技术，这是一个根本性的转变，您激动并且认为潜力的一项新兴技术是什么？这项技术有什么特别之处？特定于上下文的AI具有的潜力，可以使业务更好，代AI完全脱离了业务环境，它没有考虑到企业独特的成本效益权衡和容量限制，传统的AI假定所有成本和收益都是相等的，但是在业务中，正确预测的收益几乎永远不会等于错误预测的成本。
如果赢得交易的好处是不必要进行交易的成本的100倍，该怎么办？
您可能愿意赢得单笔胜利并输掉99笔交易，基于模型指标，仅能在100次尝试中赢得1次胜利的AI会非常不准确，尽管这会增加您的净收入，那就是您想要从AI获得的东西，第二代AI专注于公司的特定业务现实，数据分析师指出的那样，专注于数据科学指标（例如模型准确性）的AI通常不会带来业务影响。
今天企业面临的挑战是什么？大多数企业如何响应（并且有效）？
解决人工智能的一公里问题是当今公司面临的的业务挑战。目前，大多数业务经理还没有办法了解预测模型将如何影响他们的业务。与发现AI所学到的东西相比，这是一个根本不同的问题，我告诉您汽车的工作原理并不意味着您知道如何驾驶汽车，实际上为了开车，您通常不需要了解有关汽车工作原理的所有细节，在代AI中，我们着迷于详细解释汽车的工作原理。那就是所谓的“可解释的AI”，我们现在要转向的是企业了解汽车如何影响其生活的能力，企业需要了解AI在不同业务场景下如何影响其业务成果，没有这些知识，您就无法采用AI，因为您是在要求企业主玩俄罗斯轮盘赌，您没有向他们提供他们需要了解给定AI模型如何影响其KPI的信息，您只是给他们一些模型，并告诉他们希望。
数据或分析中是否有一项新技术带来的挑战比大多数人想象的要多？企业应如何调整其方法？
实际上，基于模型准确性的传统AI可能会对企业造成极大的危害。经过训练可以优化模型准确性的AI通常非常保守，这会使企业陷入死循环，保守的模型会告诉您要追随越来越少的客户，因此可以确保您完成几乎每笔交易，但是很多次这意味着您终会留下很多钱，并逐渐破坏了您的业务，以牺牲业务影响为代价来化准确性的AI比没有用的更糟-它破坏了价值。
您的企业在今天花费多时间/资源的是什么计划？
换句话说，您的企业专注于哪些内部项目，以便您的公司（而非客户）从自己的数据或业务分析中受益？我们是一家处于初期阶段的初创企业，其数据量相对较小，但我们相信迅速开始使用AI而不是等待获取大量数据，我们首先开始使用AI来预测哪些客户可能会从首次联系到次会议，以及哪些客户可能会单击电子邮件。
随着时间的流逝，我们已经收集了更多的数据
并且能够优化我们在不同渠道上的营销支出，并能够准确地确定要关注的客户，如果我们一直等到拥有大量数据才能开始使用，那么我们将无法取得足够的进展，通过快速入门AI，我们能够更快地改善AI流程。
您如何看待2020年及以后的分析和数据管理方向？我们还没有听说过什么呢？
每个人都听说过很多有关AI的信息，但是我们所听到的AI并不是能够带来业务影响的AI，我们所听到的AI是从业务现实中抽象出来的实验室AI，人们开始意识到的情况是，要获得业务影响，您必须拥有一种截然不同的AI。创建单个AI模型没有任何意义，因为业务现实不断变化，您需要做的是创建针对不同业务现实调整的AI模型组合，如果您追求客户的成本增加了10％，或者平均交易规模增加了20％，则您需要一个不同的模型。如果创建AI模型组合，您的业务将具有更大的变化适应力-可以依靠的就是变化。
描述您的解决方案及其为企业解决的问题
我们已经从传统的分析和向后看的商业智能转变为具有前瞻性的技术，这是一个根本性的转变，您激动并且认为潜力的一项新兴技术是什么？这项技术有什么特别之处？特定于上下文的AI具有的潜力，可以使业务更好，代AI完全脱离了业务环境，它没有考虑到企业独特的成本效益权衡和容量限制，传统的AI假定所有成本和收益都是相等的，但是在业务中，正确预测的收益几乎永远不会等于错误预测的成本。
如果赢得交易的好处是不必要进行交易的成本的100倍，该怎么办？
您可能愿意赢得单笔胜利并输掉99笔交易，基于模型指标，仅能在100次尝试中赢得1次胜利的AI会非常不准确，尽管这会增加您的净收入，那就是您想要从AI获得的东西，第二代AI专注于公司的特定业务现实，数据分析师指出的那样，专注于数据科学指标（例如模型准确性）的AI通常不会带来业务影响。
今天企业面临的挑战是什么？大多数企业如何响应（并且有效）？
解决人工智能的一公里问题是当今公司面临的的业务挑战。目前，大多数业务经理还没有办法了解预测模型将如何影响他们的业务。与发现AI所学到的东西相比，这是一个根本不同的问题，我告诉您汽车的工作原理并不意味着您知道如何驾驶汽车，实际上为了开车，您通常不需要了解有关汽车工作原理的所有细节，在代AI中，我们着迷于详细解释汽车的工作原理。那就是所谓的“可解释的AI”，我们现在要转向的是企业了解汽车如何影响其生活的能力，企业需要了解AI在不同业务场景下如何影响其业务成果，没有这些知识，您就无法采用AI，因为您是在要求企业主玩俄罗斯轮盘赌，您没有向他们提供他们需要了解给定AI模型如何影响其KPI的信息，您只是给他们一些模型，并告诉他们希望。
数据或分析中是否有一项新技术带来的挑战比大多数人想象的要多？企业应如何调整其方法？
实际上，基于模型准确性的传统AI可能会对企业造成极大的危害。经过训练可以优化模型准确性的AI通常非常保守，这会使企业陷入死循环，保守的模型会告诉您要追随越来越少的客户，因此可以确保您完成几乎每笔交易，但是很多次这意味着您终会留下很多钱，并逐渐破坏了您的业务，以牺牲业务影响为代价来化准确性的AI比没有用的更糟-它破坏了价值。
您的企业在今天花费多时间/资源的是什么计划？
换句话说，您的企业专注于哪些内部项目，以便您的公司（而非客户）从自己的数据或业务分析中受益？我们是一家处于初期阶段的初创企业，其数据量相对较小，但我们相信迅速开始使用AI而不是等待获取大量数据，我们首先开始使用AI来预测哪些客户可能会从首次联系到次会议，以及哪些客户可能会单击电子邮件。
随着时间的流逝，我们已经收集了更多的数据
并且能够优化我们在不同渠道上的营销支出，并能够准确地确定要关注的客户，如果我们一直等到拥有大量数据才能开始使用，那么我们将无法取得足够的进展，通过快速入门AI，我们能够更快地改善AI流程。
您如何看待2020年及以后的分析和数据管理方向？我们还没有听说过什么呢？
每个人都听说过很多有关AI的信息，但是我们所听到的AI并不是能够带来业务影响的AI，我们所听到的AI是从业务现实中抽象出来的实验室AI，人们开始意识到的情况是，要获得业务影响，您必须拥有一种截然不同的AI。创建单个AI模型没有任何意义，因为业务现实不断变化，您需要做的是创建针对不同业务现实调整的AI模型组合，如果您追求客户的成本增加了10％，或者平均交易规模增加了20％，则您需要一个不同的模型。如果创建AI模型组合，您的业务将具有更大的变化适应力-可以依靠的就是变化。
描述您的解决方案及其为企业解决的问题
AI平台通过为用户提供适合其现有技能和需求的工具来确保业务采用，通过允许终用户定制模型并查看它们如何影响业务来克服一公里的问题，您可以通过完全自动化机器学习过程来快速开始使用已有的数据，团队成员可以为AI项目贡献他们独特的业务见解，不一样的是提供了动态平衡的AI模型，因此您始终可以在正确的时间部署正确的模型，帐户中或在本地运行来确保数据安全，并且永远不会看到您的数据或训练有素的模型。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
