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
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

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page