几天前，O'Reilly在伦敦Strata举行了为期数天的数据会议，与会者更好地了解了大数据管理，机器学习（ML）和人工智能。这些新兴技术在过去五年中迅速发展，新技术，流程和应用程序改变了组织管理数据的方式。
影响大数据，机器学习和人工智能未来发展的8个因素。
数据会议提供了良好的技术开发晴雨表，参与者可以了解最新技术在大数据处理中的作用，以及开发人员和用户的关注点。会议还澄清了影响大数据，机器学习和人工智能未来发展的八个因素。
1. 5G将刺激机器学习的增长并产生新的应用和服务
O'Reilly的首席数据科学家和会议组织者Ben Lorica在会议上表示，他相信5G技术和高级计算的带宽和灵活性的增加将成为关键驱动因素。他指出，中国已成为这项技术的全球领导者，但许多公司仍在为其持续的5G投资开发商业模式。
2.改变数据科学家的技能。
Google Cloud首席决策者Cassie Kozyrkov在演讲中表示，随着机器学习工具用户体验的提升，数据科学家所需的技能将不再专注于专业化，而是这将更加注重在岛屿上工作的能力，并将更加一体化。在业务旁边。
3.线上和线下世界正在融合。
阿里巴巴电子商务集团和亚马逊正试图离线开设实体店，而实体店仍在适应新的在线世界。电子商务社区的线下活动是实体零售商的竞争运动，而实体零售商的在线零售商则处于守势。在完全开展之前还有很长的路要走，但亚马逊和阿里巴巴等公司在大规模数据管理方面的经验为他们带来了关键优势。
4.内部数据平台正在成为增长和创新的关键。
Lyft和BMW的数据科学家的演示表明，将数据平台置于新产品开发和业务流程管理的中心可以推动创新。虽然这对Lyft等本土数字公司来说可能很自然，但传统工业公司必须参与，因为数据生成传感器已集成到产品中。
5.开放数据应该像开源软件一样严肃对待
众所周知，开源软件的背后是数据和自动学习产品和服务的兴起。多年前已经证明了商业和技术开源案例的重要性。但是，很少关注开放数据对创新的重要性。666克里斯·塔格特，OpenCorporations的联合创始人兼CEO，数据库开公司是世界上最大的供应商，凸显时，他们依赖于数据集的业主公司所面临的问题，并指出，这些数据源可以是困难和元数据他们不是。在产品之间分享开放数据更加透明，并不会阻止企业摆脱公司难以放弃的昂贵商业合同。
6.实时捕获和管理数据的重要性。
虽然项目人工智能和机器学习并不一定需要实时或接近实时的数据，建立能够处理数据的系统的能力可以成为竞争优势的宝贵形式。随着数据驱动的决策更多地集成到组织中，竞争优势有时会改变为能够更快地响应事件的组织。亚马逊在这一领域的Web服务的规模和广度表明，实现这一目标的工具变得越来越容易和便宜。
7.法律和道德问题开始改变公司的创新方式。
牛津大学的桑德拉·沃切特博士在会上发表了讲话，并在接下来的一年或两年，这个问题可以进一步讨论。他指出，现在很多公司意识到，他们有责任保护您的个人数据，因为相关的法律，法规和GDPR，已经生效。然而，一个较少讨论的问题也是监管机构仍在努力解决的问题，即集成算法应根据其处理的数据采取的推理和决策。
至少在欧洲，用户有权查看保留的数据，并在不同程度上纠正或消除这些数据。但是，由于信用检查和健康保险等领域的数据，公司可以自动对用户做出假设，因此用户没有相同的资源。
8.中小企业如何在大数据和算法决策时代竞争？
最后，人们应该思考的一个问题是如何中小型企业没有从互联网巨头或商品的公司大量数据集全球快速消费品可以在大数据时代的竞争，算法决策大公司利用网络服务的网络效应巩固其领导地位，这是一个良性创新圈子的风险，人们可能已经看到了这种风险。
然而，随着Shivnath巴布，创始人和解开数据系统公司首席技术官指出，网络经济和应用程序仍然可以允许从他们的应用程序和在线活动中小型企业利用数据和对市场的影响。也许这和开放的数据从公共数据源的崛起提供了新一代的创业公司的基础上改变世界，因为他们有谷歌，Facebook和亚马逊在过去的20年间。
中文
电话咨询
微信咨询
公众号
