top of page

數據科學帶來新視角

Updated: Apr 28

入行10年了,我一直在推廣數據化思維的重要。銘記於心的是師傅說,用好大數據的前提是假設數據都可以獲取,先不要被數量多寡限制想法。馬總也說過,真正的大數據就是當你還未想通如何用它時,它已經在那裏。大數據時代確實需要一種全新思維方式,而且這遠比數據資源及任何演算法重要。我認為,機械人統治世界的日子還遠呢,但贏家應該屬於兼具信仰和數據驅動的人們,科技的目的是讓生活過得更美好幸福。

當大家為人工智能與大數據興奮不已之際,有否想過為什麼真正從中得利的企業還是寥寥可數?其實大多數公司仍然處於大數據的發展初期。別忘了,像谷歌、阿里巴巴這類公司,10年前已經啟動變革步伐。雖然至今,我們尚不能形容出「大數據」的全貌,大數據還是個進行式的詞彙。我卻堅定不移地認為,未來是一個高速運轉的世界,其命脈肯定依賴於海量數據驅動的即時決策與互動。

大數據將從根本上變革人類的生活模式及企業營運方式,甚至催生全新的社會形態乃至產業,包括智能空間和社區創新。

然而,利用海量數據和人工智能演算法,協助企業自動優化並即時執行運營任務,前提是高效的數據流通及即時回應。這種企業要先具備掌握海量數據(包括內部、外部、結構化、非結構),以及轉換這些資源形成智能決策的能力。有了這種數據科學範式,那些企業就能搶在事情發生之前作出應對。我們可以把數據科學實戰描述成一個優化的閉環:

1)首先圍繞着定義好問題及目標如何被量化 2)獲取訓練數據作測試、探索,識別最佳的數據模式 3)為數據作準備,包括清洗、增強數據等 4)圍繞着定義好的量化目標,作數據分析及建立模型 5)呈現問題解決步驟,找到解決方案 6)根據量化結果優化以上過程

凡是把這個閉環嵌入公司中樞神經系統的企業,都將迎來全新視角,提早進入敏捷行動、精確預測、多維自動化決策的智能管理時代。然而須謹記,數據科學只是一種工具,要成為開創行業變革的領先者,不能忽略如何釋放人類潛能。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page