Martin De Saulles Charles

人工智能和機器學習以及不斷增長的數據，正在改變我們的商業和社會環境。在這些領域中，首席信息官們應關注出現的一些主題和問題。

我剛剛在倫敦參加了幾天O 'Reilly的Strata數據大會，對大數據、機器學習（ML）和人工智能的發展方向有了更深刻的認識。這些領域在過去5年中發展非常迅速，新技術、新流程和新應用改變了企業管理其數據的方式。

Strata大會是很好的晴雨表，讓我們了解了大數據處理目前的最新發展水平，以及開發人員和用戶關注哪些問題。從這次活動中，我發現了8個關鍵因素。

1. 5G將刺激機器學習的增長，產生新的應用和服務

我和O'Reilly的首席數據科學家兼Strata組織者Ben Lorica討論過這個問題，他認為5G極大的帶寬和靈活性，以及邊緣計算是關鍵的推動因素。他指出，中國在這項技術方面是全球領先的力量，而很多企業仍在為他們正在進行的所有5G投資制定商業模式。

2. 改變數據科學家的技能

谷歌云的首席決策科學家Cassie Kozyrkov在她的演講中指出，隨著機器學習工具的用戶體驗越來越好，所需的技能將變得不太技術化，而更關注的是數據科學家打破孤島、更能融入到業務中的能力上。

3. 線上和線下環境的融合

中國的阿里巴巴電子商務集團（Alibaba Ecommerce Group）和亞馬遜正在嘗試自己的實體店，而現實中的實體店還在不斷適應新的網絡世界。在我看來，電子商務集團的線下行動過于積極，而實體零售商的線上投資過于保守。要完全實現這些還有很長的路要走，但是像亞馬遜和阿里巴巴這樣的企業在大規模管理數據方面的專長，卻是他們的關鍵優勢所在。

4. 內部數據平臺成為增長和創新的關鍵

Lyft和BMW數據科學家的報告展示了將數據平臺置于新產品開發和業務流程管理的中心是怎樣推動創新的。雖然這對于像Lyft這樣的數字化原生企業來說是自然而然的事情，但隨著數據生成傳感器嵌入到產品中，傳統的工業企業也不得不參與其中。

5. 開放數據應像開源軟件一樣受到重視

我們都知道，很多大數據和機器學習產品和服務之所以能夠興起是因為背后有開源軟件。很多年前就有了成熟的開源商業和技術案例。然而，人們很少關注開放數據相對于創新的重要性。算法的輸出僅取決于所輸入的數據質量。

全球最大的開放式企業數據庫OpenCorporations的聯合創始人兼首席執行官Chris Taggart非常重視企業在依賴專有數據集時遇到的問題，在這些數據集中，數據源可能是粗略的，并且元數據不會在產品之間共享。開放數據更透明，不會使得企業只能選擇某一昂貴的商業合同，而企業卻很難放棄這些合同。

6. 采集和管理實時數據的重要性

雖然人工智能和機器學習項目并不總是需要實時或者接近實時的數據，但能夠構建可以處理數據的系統將是一種寶貴的競爭優勢。隨著數據驅動的決策越來越深入到企業內部，競爭優勢有時會轉移到那些能夠更快響應事件的企業。亞馬遜網絡服務在這方面的規模和廣度表明，能夠實現這一點的工具變得越來越容易使用，也更便宜。

7. 法律和道德問題開始改變企業的創新方式

牛津大學的Sandra Wachter博士在一次演講中強調了一個問題，而我認為，在未來一兩年內，人們會越來越關注這個問題。她指出，隨著GDPR等倡議的生效，很多企業現在意識到了有責任去保護個人數據。然而，一個討論較少、也是監管機構仍在努力解決的問題是，嵌入式算法基于所處理的數據而做出推斷和決策。

至少在歐洲，我們有權了解我們掌握的數據，并在不同程度上糾正或者刪除這些數據。然而，對于信用檢查和健康保險等領域的這些數據，企業可能會根據數據自動地對我們做出假設，而我們卻不能去改變這些假設。

8. “凡有的，還要賜給他”

會議接近尾聲時，我開始思考，規模較小的公司并沒有互聯網巨頭或者全球FMCG公司的海量數據集，這些小公司怎樣在大數據和算法決策時代參與競爭呢？利用網上服務的網絡效應鞏固大公司的地位，形成良性創新循環，但這存在風險，或許我們已經看到了這種風險。

然而，正如Unravel數據系統公司聯合創始人兼首席技術官Shivnath Babu向我指出的那樣，互聯網和應用程序經濟仍然能夠允許小公司利用其應用程序和網上活動中的數據，并對市場產生影響。正是因為如此，還有來自公共數據源的開放數據的興起，將為新一代初創公司打下基礎，讓他們能夠像20年前的谷歌、臉書和亞馬遜那樣，去改變世界。

Martin De Saulles博士是一位作家和學者，專門研究并撰寫數據驅動的創新技術和物聯網。