大量数据不足以创建以见解为导向的企业原因？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-03-08
与数据驱动的企业不同，洞察力驱动的组织包含人类视角模拟数据
几年前，人工智能（AI）的爆炸式增长是每个人都想谈论的热门的新技术，它也不是真正的新技术，但是实用性和成熟度已经显着提高，因此引起了新的兴趣，如果AI真的让您感到满意，那就是海量数据，我们终于找到了收集数据的一个很好的理由，大数据也是很多年前在AI爆炸之前在每个人眼中都是的东西，但是它从来没有任何真正明确的价值-您将把所有数据都存放在许多湖泊中。
借助大量的定性数据和日益先进的AI模型
我们可以实现人类无法做到的许多奇妙的事情，经过训练的AI模型，模型只是通过听他们的咳嗽来确定某人是否患有电晕，即使是受过严格训练的医生也无法做到，如果我们推断这些进步，我们仅需要更多数据就可以创建AI模型，这些模型不仅可以在当前和现在的运营工作中做出正确的决策，而且可以制定业务的发展和前进方向，我们与RPA和其他机器人技术一起，创建了自动驾驶汽车企业，我们不需要方向盘，没有人，我们只需要更多数据。
借助大量的定性数据和日益先进的AI模型，我们可以实现人类无法胜任的许多奇妙事物
正是在这个激动人心的，令人挠痒的但反乌托邦的未来梦中，我们得出了一些错误的结论，我们相信，只要有足够的数据，它就可以推动和发展组织，就好像它在推动某种力量一样。但是然后我们似乎忘记了一些非常重要的事情，数据不仅是数字的，还有模拟的数据，它来自公司中的所有员工，使用公司提供的服务的所有客户以及以某种方式受到影响的所有其他人，人们有很多特性，梦想，价值，思想，经历，想法，驱动力，思想，需求和社会联系，这些都很难转化为数据点，这种数据量比我们今天收集的数字数据无限大。
今天的重点是确保数据不包含任何偏差
对现实的任何内在失真。人工智能有望摆脱偏见和主观判断，这是其的好处之一，但是正是主观特质使我们成为我们所有人，使我们成为人，如果删除它们，我们将变得无所事事，只是流浪的计算机工厂，机器人，它们根据指定的输入值进行预定操作，差不多两年前，我写了一篇稍长的文章，标题为“何时成为重要的问题”，现在当我再次阅读它时，我认为它仍然成立，但是我想从抽象的，几乎是哲学的高度上把它取下来，以具体化它的信息，即我们应该如何在组织中以方式使用数据。
我们如何结合需要完全不同的方法和功能的数字和模拟数据，以创建可付诸实践的合格见解？
如果我们尝试定义要基于数据创建的价值，那么无论我如何扭转，答案都是关于某种见解的，洞察力是对事物的一种新的，更深刻的理解，可以作为采取行动的基础。为了使见解有价值，它必须是相关的并且有质量保证的，但是也可以从几种不同的来源获得，这是我们要解决问题的核心或可能的原因，具体取决于您戴的是哪种眼镜，我们如何结合需要完全不同的方法和功能的数字和模拟数据，以创建可付诸实践的合格见解？认为这个问题有一个答案，甚至我会坐在那个答案上，这有点冒昧，但是我想我可以提出一些观点，当您在自己的内部考虑这个问题时，可以带给您很好的一点，很多事情是寻找新方法，工作方法和角色来解决这个问题：
组织是否了解重要的战略数据？您是否了解上述不同类型的数据之间的区别，是否有处理这些数据的策略？
是否需要技能，文化和技术平台才能根据企业中的数字和模拟数据产生正确的见解和分析？
组织是否围绕数据拥有正确的协作和生态系统，从而不仅可以在其经营的市场内向内看，而且还可以向外看？
是否可以在组织中进行跨职能的工作以获得重要的见解，或者是否存在阻碍协作的孤岛和看不见的墙？
合适的人有机会获得见解吗？它们是否易于理解而不会造成误解，是否清楚可以使用哪些选项来做出决策？
几年前，人工智能（AI）的爆炸式增长是每个人都想谈论的热门的新技术，它也不是真正的新技术，但是实用性和成熟度已经显着提高，因此引起了新的兴趣，如果AI真的让您感到满意，那就是海量数据，我们终于找到了收集数据的一个很好的理由，大数据也是很多年前在AI爆炸之前在每个人眼中都是的东西，但是它从来没有任何真正明确的价值-您将把所有数据都存放在许多湖泊中。
借助大量的定性数据和日益先进的AI模型
我们可以实现人类无法做到的许多奇妙的事情，经过训练的AI模型，模型只是通过听他们的咳嗽来确定某人是否患有电晕，即使是受过严格训练的医生也无法做到，如果我们推断这些进步，我们仅需要更多数据就可以创建AI模型，这些模型不仅可以在当前和现在的运营工作中做出正确的决策，而且可以制定业务的发展和前进方向，我们与RPA和其他机器人技术一起，创建了自动驾驶汽车企业，我们不需要方向盘，没有人，我们只需要更多数据。
借助大量的定性数据和日益先进的AI模型，我们可以实现人类无法胜任的许多奇妙事物
正是在这个激动人心的，令人挠痒的但反乌托邦的未来梦中，我们得出了一些错误的结论，我们相信，只要有足够的数据，它就可以推动和发展组织，就好像它在推动某种力量一样。但是然后我们似乎忘记了一些非常重要的事情，数据不仅是数字的，还有模拟的数据，它来自公司中的所有员工，使用公司提供的服务的所有客户以及以某种方式受到影响的所有其他人，人们有很多特性，梦想，价值，思想，经历，想法，驱动力，思想，需求和社会联系，这些都很难转化为数据点，这种数据量比我们今天收集的数字数据无限大。
今天的重点是确保数据不包含任何偏差
对现实的任何内在失真。人工智能有望摆脱偏见和主观判断，这是其的好处之一，但是正是主观特质使我们成为我们所有人，使我们成为人，如果删除它们，我们将变得无所事事，只是流浪的计算机工厂，机器人，它们根据指定的输入值进行预定操作，差不多两年前，我写了一篇稍长的文章，标题为“何时成为重要的问题”，现在当我再次阅读它时，我认为它仍然成立，但是我想从抽象的，几乎是哲学的高度上把它取下来，以具体化它的信息，即我们应该如何在组织中以方式使用数据。
我们如何结合需要完全不同的方法和功能的数字和模拟数据，以创建可付诸实践的合格见解？
如果我们尝试定义要基于数据创建的价值，那么无论我如何扭转，答案都是关于某种见解的，洞察力是对事物的一种新的，更深刻的理解，可以作为采取行动的基础。为了使见解有价值，它必须是相关的并且有质量保证的，但是也可以从几种不同的来源获得，这是我们要解决问题的核心或可能的原因，具体取决于您戴的是哪种眼镜，我们如何结合需要完全不同的方法和功能的数字和模拟数据，以创建可付诸实践的合格见解？认为这个问题有一个答案，甚至我会坐在那个答案上，这有点冒昧，但是我想我可以提出一些观点，当您在自己的内部考虑这个问题时，可以带给您很好的一点，很多事情是寻找新方法，工作方法和角色来解决这个问题：
组织是否了解重要的战略数据？您是否了解上述不同类型的数据之间的区别，是否有处理这些数据的策略？
是否需要技能，文化和技术平台才能根据企业中的数字和模拟数据产生正确的见解和分析？
组织是否围绕数据拥有正确的协作和生态系统，从而不仅可以在其经营的市场内向内看，而且还可以向外看？
是否可以在组织中进行跨职能的工作以获得重要的见解，或者是否存在阻碍协作的孤岛和看不见的墙？
合适的人有机会获得见解吗？它们是否易于理解而不会造成误解，是否清楚可以使用哪些选项来做出决策？
与数据驱动的企业不同，洞察力驱动的组织包括人类视角，模拟数据，它汇集了理性和情感，不满足于回答什么问题？什么时候做出决定，但又想回答这个问题，为什么？当我们知道为什么时，我们也可以正确地采取行动，因为我们了解潜在的因素，而不仅仅是表面上的数字波纹，我们来了解一下。
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 
