機器學(xué)習(xí)算法經(jīng)常被描述為數(shù)據(jù)饑餓。但調(diào)研機構(gòu)Gartner公司的Erick Brethenoux最近表示，對于某些人工智能用例來說，企業(yè)首席信息官在開始應(yīng)用時應(yīng)該考慮數(shù)據(jù)質(zhì)量，而不是數(shù)量。

在最近的一個網(wǎng)絡(luò)研討會上，Brethenoux提出了一個新的研究方案，他斷言：“企業(yè)的規(guī)模和數(shù)據(jù)量都不利于企業(yè)使用這些人工智能技術(shù)?！?/p>

這是他提供給開始采用人工智能技術(shù)的公司的一個建議。以下將詳細介紹為什么Brethenoux強調(diào)某些用例中突出的數(shù)據(jù)質(zhì)量而不是數(shù)量，以及為什么他認為從業(yè)務(wù)問題開始是至關(guān)重要的原因。他還向已經(jīng)為人工智能做好準備的客戶提出了五個問題。

清潔數(shù)據(jù)優(yōu)于大量數(shù)據(jù)

Brethenoux在網(wǎng)絡(luò)研討會期間給出一個令人驚訝的提示：企業(yè)在決定是否使用人工智能技術(shù)時，數(shù)據(jù)量并不是一個很好的經(jīng)驗法則。他舉了一個小型區(qū)域銀行客戶的例子，該客戶使用人工智能不僅實現(xiàn)個性化貸款，而且還開始向小額貸款客戶提供新服務(wù)。

他說，“他們擁有的數(shù)據(jù)量并不大。但是，這些數(shù)據(jù)的質(zhì)量必須是無可挑剔的?！?/p>

Brethenoux重申了這一點。他說，“企業(yè)擁有的數(shù)據(jù)越多，通常就越能找到有趣的相關(guān)性，但沒有必要通過擁有大量的數(shù)據(jù)才能找到有趣的東西。”如果需要，企業(yè)人工智能團隊可以利用來自提供商的外部數(shù)據(jù)來彌補內(nèi)部數(shù)據(jù)不足。

另一方面，低質(zhì)量數(shù)據(jù)可能會觸發(fā)瘋狂的算法追逐。而加拿大的一家保險公司想要根據(jù)保險公司的工作地點來衡量保險公司的風(fēng)險時，其分析產(chǎn)生了垃圾結(jié)果。根據(jù)Brethenoux的說法，事實證明，其距離數(shù)據(jù)分別以英里和公里為標(biāo)記，使結(jié)果出現(xiàn)了偏差。

雖然數(shù)據(jù)質(zhì)量很重要，但他表示，企業(yè)首席信息官不應(yīng)該被迫去清理每一項數(shù)據(jù)，并推遲啟動。

“企業(yè)最終要做的就是不斷清理，而且從機器學(xué)習(xí)或預(yù)測分析的角度來看，很多數(shù)據(jù)可能對企業(yè)嘗試做的事情沒有幫助。”他說，“這就是企業(yè)堅持從一個用例開始的原因?！?/p>

專注于業(yè)務(wù)問題

為了引入人工智能技術(shù)，企業(yè)首席信息官應(yīng)該從業(yè)務(wù)問題入手，努力尋求解決方案。重點是業(yè)務(wù)問題?！坝美⒉皇且粋€好主意，而是一個商業(yè)案例?！盉rethenoux說。

他建議首席信息官與企業(yè)進行溝通，找出問題的癥結(jié)所在，然后將問題“范圍縮小”為他們可以在幾周內(nèi)完成的事情。Brethenoux說，這就是首席信息官們?nèi)绾闻宄麄儾恢朗裁矗约八麄冃枰P(guān)注什么的方式。

這一建議部分來自于他的觀察，即“以資產(chǎn)為中心的公司”，例如制造業(yè)或能源公司，在人工智能技術(shù)方面取得了比“以服務(wù)為中心的公司”（如營銷公司）更多的成功。

“大多數(shù)以資產(chǎn)為中心的組織正在處理以工程為中心的文化，這些文化從用例開始，并返回解決問題所需的數(shù)據(jù)和技術(shù)?！彼诰W(wǎng)絡(luò)研討會上說。Brethenoux表示，在以服務(wù)為中心的公司中，這一過程經(jīng)常發(fā)生逆轉(zhuǎn)：數(shù)據(jù)專業(yè)人員在數(shù)據(jù)中找到趨勢或相關(guān)性，然后尋找問題。

Brethenoux闡述了這一點，并補充說，以服務(wù)為中心的企業(yè)有時會因缺乏關(guān)注而受到影響，而將人工智能技術(shù)引入企業(yè)時可能會面臨問題。

他說，“當(dāng)企業(yè)開始處理更多的數(shù)據(jù)和問題時，解決問題的方法并不那么嚴謹?！?/p>

提出的五個問題

當(dāng)客戶告訴Brethenoux想要使用人工智能來解決問題時，他提出了五個問題，以確定人工智能是否是適當(dāng)?shù)男袆臃桨福约翱蛻羰欠駵蕚溲刂斯ぶ悄苈窂角斑M。問題如下：

（1）業(yè)務(wù)用例是什么？ Brethenoux表示，這個過程應(yīng)該包括描述預(yù)期和期望的結(jié)果，以及確定如果引入人工智能技術(shù)將如何衡量業(yè)務(wù)價值。

（2）企業(yè)具有必要的技能嗎？企業(yè)首席信息官可能不需要雇傭大批數(shù)據(jù)科學(xué)家。Brethenoux建議他們從評估內(nèi)部技能開始，并考慮培訓(xùn)合格的數(shù)據(jù)工程師或主題專家。他還建議舉辦“黑客大會”來幫助發(fā)掘人才?！盎蛘咂髽I(yè)可以采取這些措施：聘請顧問，在短期內(nèi)幫助企業(yè)走出困境，并推動這些努力?！彼f。

（3）企業(yè)有必要的數(shù)據(jù)嗎？企業(yè)可能不需要他們想象的那么多的數(shù)據(jù)，但他們需要數(shù)據(jù)，并且它應(yīng)該是合理的。當(dāng)Brethenoux要求一家大型保險公司想要拍攝事故的現(xiàn)場照片，并預(yù)測索賠的類型和費用時，他收到了一堆照片，該公司花費兩個月的時間對這些圖像進行數(shù)字化、整理和標(biāo)記?！爱?dāng)企業(yè)解決其試圖解決的用例時，需要確保擁有適當(dāng)?shù)臄?shù)據(jù)?！彼f。

（4）企業(yè)需要什么樣的技術(shù)？業(yè)務(wù)問題將推動技術(shù)決策。 Brethenoux引用了幾種成熟的人工智能技術(shù)——從概率推理（如機器學(xué)習(xí)被確定為最成熟的技術(shù)）到基于代理的編程（被認為是最不成熟的技術(shù)）。

（5）企業(yè)如何組織團隊？一旦企業(yè)有了一些概念上的證據(jù)，就應(yīng)該考慮這樣的團隊?wèi)?yīng)該在哪里實施，團隊?wèi)?yīng)該向誰報告，以及如何支持團隊來提高其技能和技術(shù)。