Total Pageviews

Monday 25 July 2016

数据科学的运用与学习能力将成为未来公司的分野


不久前,华盛顿大学的机器学习教授卡洛斯•格斯特林(CARLOS GUESTRIN)执掌的公司TURI在旧金山主办了一次数据科学峰会,结果有1600人出席,这表明数据科学引起的兴趣是多么的浓厚。格斯特林提出,所 有软件应用在5年内都将需要内置的智能,使数据科学家——经过培训,能够对海量数据进行分析的人员——成为这一新兴“认知”技术经济中的关键工作者。无论 这种关于数据科学即将无处不在的预测正确与否,目前已有一些核心的关键应用依赖机器学习。把不久前还专属于研究科学家的技术纳入生产级的业务应用程序,代 表了企业竞争力的一种深刻变化。那些炫耀数据科学和机器学习技能的公司——包括优步(UBER)、PINTEREST和QUORA等,都创立于数字时代。 有专业人士称,一些在模拟世界里成长壮大的公司,比如沃尔玛(WALMART),也在大举投资于数据科学领域。但在专业人士看来,它们不太可能赶上亚马逊 (AMAZON)之类公司,这类公司拥有先发优势,并且动作很快。随着相关技术在不同行业推广,随着智能系统发挥越来越关键的作用,这些趋势可能导致行业 领导地位发生天翻地覆的变化。拖累许多传统公司的一个因素,是开展真正的机器学习运作的高成本。英国《金融时报》引述一名知情人士称,在线影片租赁提供商 NETFLIX.COM估计在电影推荐系统这个单一应用上每年就要支出1.5亿美元,而一旦把该公司对相关技术的所有应用都考虑在内,总账单很可能是这一金额的4 倍(6亿美元)。人才是许多非科技公司遇到的另一个问题。尽管数据科学家正大量涌现出来,但有些人技能十分短缺,尤其是在深度学习方面——这是最高形式的 机器学习。业内人士称,在使用数据分析竞赛网站KAGGLE的自由职业计算机科学专家中,仅有大约1000人拥有深度学习技能。然而,适应即将到来的“智 能”应用时代的最大障碍则是文化上的。有些公司,比如通用电气(GE)一直在硅谷打造自己的研发团队,以吸引和开发他们将需要的数字技能。但他们将不得不 把新的数据科学家和机器学习专家安排到运营部门中去,让他们更接近部门经理,才能收获全部好处。从现在开始,所有的经理都将需要在数据引导下做出决策,但 这需要思维模式的彻底改变。尽管转变有难度,但可以肯定的是,对数据科学的应用与学习能力,将成为未来许多公司的分野.