49％的CIO報(bào)告說他們的企業(yè)已經(jīng)改變了他們的商業(yè)模式

公司正在以前所未有的速度推進(jìn)數(shù)字化轉(zhuǎn)型。Gartner Research最近的一項(xiàng)調(diào)查發(fā)現(xiàn)， 49%的CIO報(bào)告說他們的企業(yè)已經(jīng)改變了他們的商業(yè)模式，以擴(kuò)大他們的數(shù)字化努力，或者正在這樣做。

隨著公司不斷推進(jìn)這些轉(zhuǎn)型，他們將數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)融入各種業(yè)務(wù)功能中。這不是一件容易的事。典型的企業(yè)數(shù)據(jù)科學(xué)項(xiàng)目非常復(fù)雜，需要部署跨學(xué)科團(tuán)隊(duì)，其中包括匯集數(shù)據(jù)工程師，開發(fā)人員，數(shù)據(jù)科學(xué)家，主題專家和具有其他特殊技能和知識的個(gè)人。

而且，這種人才稀缺而且代價(jià)高昂。事實(shí)上，只有少數(shù)公司成功建立了經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)實(shí)踐。而且，雖然構(gòu)建這個(gè)團(tuán)隊(duì)需要時(shí)間和資源，但許多公司面臨著更大的問題：超過 85%的大數(shù)據(jù)項(xiàng)目都失敗了。

許多因素導(dǎo)致了這些失敗，包括人為因素，以及時(shí)間，技能和影響方面的挑戰(zhàn)。在這篇eWEEK數(shù)據(jù)點(diǎn)文章中，專注于企業(yè)數(shù)據(jù)科學(xué)自動化的硅谷科技創(chuàng)業(yè)公司dotData的創(chuàng)始人兼首席執(zhí)行官Ryohei Fujimaki博士討論了導(dǎo)致這些失敗的五個(gè)關(guān)鍵因素。

數(shù)據(jù)點(diǎn)1：缺乏執(zhí)行數(shù)據(jù)科學(xué)項(xiàng)目的資源

數(shù)據(jù)科學(xué)是一種跨學(xué)科的方法，涉及數(shù)學(xué)家，統(tǒng)計(jì)學(xué)家，數(shù)據(jù)工程，軟件工程師，以及重要的主題專家。根據(jù)項(xiàng)目的規(guī)模和范圍，公司可能會部署大量數(shù)據(jù)工程師，解決方案架構(gòu)師，領(lǐng)域?qū)＜?，?shù)據(jù)科學(xué)家(或多個(gè))，業(yè)務(wù)分析師以及可能的其他資源。許多公司沒有和/或沒有能力部署足夠的資源，因?yàn)楣陀眠@些人才變得越來越具有挑戰(zhàn)性，而且公司通常還有許多數(shù)據(jù)科學(xué)項(xiàng)目要執(zhí)行，所有這些項(xiàng)目都需要數(shù)月才能完成。

數(shù)據(jù)點(diǎn)2：長期周轉(zhuǎn)時(shí)間和前期努力，無法看到潛在價(jià)值

盡管缺乏對最終結(jié)果及其業(yè)務(wù)價(jià)值的可見性，但數(shù)據(jù)科學(xué)項(xiàng)目面臨的最大挑戰(zhàn)之一是需要大量的前期工作。傳統(tǒng)的數(shù)據(jù)科學(xué)過程需要數(shù)月才能完成，直到評估結(jié)果。特別是，將業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)換為機(jī)器學(xué)習(xí)就緒格式的數(shù)據(jù)和特征工程過程需要大量的迭代工作。與此方法相關(guān)的長周轉(zhuǎn)時(shí)間和大量前期工作通常會導(dǎo)致數(shù)月投資后項(xiàng)目失敗。因此，企業(yè)高管對于應(yīng)用更多資源猶豫不決。

數(shù)據(jù)點(diǎn)3：技術(shù)和商業(yè)期望的錯(cuò)位

大多數(shù)數(shù)據(jù)科學(xué)項(xiàng)目旨在為業(yè)務(wù)團(tuán)隊(duì)提供重要的見解。但是，通常項(xiàng)目開始時(shí)業(yè)務(wù)和數(shù)據(jù)科學(xué)團(tuán)隊(duì)之間沒有明確的關(guān)于項(xiàng)目期望和目標(biāo)的一致性，導(dǎo)致數(shù)據(jù)科學(xué)團(tuán)隊(duì)主要關(guān)注模型準(zhǔn)確性，而業(yè)務(wù)團(tuán)隊(duì)更關(guān)注諸如經(jīng)濟(jì)利益，業(yè)務(wù)見解或模型可解釋性。最后，業(yè)務(wù)團(tuán)隊(duì)不接受數(shù)據(jù)科學(xué)團(tuán)隊(duì)的成果。

數(shù)據(jù)點(diǎn)第4號：缺乏對生產(chǎn)，運(yùn)營的建筑考慮

許多數(shù)據(jù)科學(xué)項(xiàng)目的開始都沒有考慮如何將已開發(fā)的管道部署到生產(chǎn)中。之所以出現(xiàn)這種情況，是因?yàn)闃I(yè)務(wù)流程通常由IT團(tuán)隊(duì)管理，而IT團(tuán)隊(duì)無法深入了解數(shù)據(jù)科學(xué)流程，數(shù)據(jù)科學(xué)團(tuán)隊(duì)專注于驗(yàn)證其假設(shè)，并且沒有生產(chǎn)和解決方案的架構(gòu)視圖積分。因此，許多數(shù)據(jù)科學(xué)項(xiàng)目不是集成到管道中，而是最終作為一次性的概念驗(yàn)證練習(xí)，無法實(shí)現(xiàn)真正??的業(yè)務(wù)影響或?qū)е麓罅砍杀驹黾右允鬼?xiàng)目生產(chǎn)。

數(shù)據(jù)點(diǎn)第5點(diǎn)：對技能，特定個(gè)人經(jīng)驗(yàn)的嚴(yán)重依賴

傳統(tǒng)的數(shù)據(jù)科學(xué)在很大程度上依賴于有經(jīng)驗(yàn)的個(gè)人的技能，經(jīng)驗(yàn)和直覺。特別是，數(shù)據(jù)和特征工程過程現(xiàn)在主要基于領(lǐng)域?qū)＜液蛿?shù)據(jù)科學(xué)家的手動努力和直覺。盡管這些有才能的人才是寶貴的，但考慮到這些經(jīng)驗(yàn)豐富的人才的招聘挑戰(zhàn)，依賴這些人的做法對于企業(yè)公司來說是不可持續(xù)的。因此，公司需要尋求解決方案來幫助數(shù)據(jù)科學(xué)民主化，使更多具有不同技能水平的參與者能夠有效地執(zhí)行項(xiàng)目。

數(shù)據(jù)點(diǎn)第6號：端到端數(shù)據(jù)科學(xué)自動化是一種解決方案

通過人工智能(AI)和機(jī)器學(xué)習(xí)(ML)計(jì)劃實(shí)現(xiàn)更高投資回報(bào)的壓力促使更多企業(yè)領(lǐng)導(dǎo)者為其數(shù)據(jù)科學(xué)管道尋求創(chuàng)新解決方案，例如機(jī)器學(xué)習(xí)自動化。選擇一個(gè)能夠提供數(shù)據(jù)科學(xué)過程端到端自動化的正確解決方案，包括自動化數(shù)據(jù)和特征工程，是數(shù)據(jù)驅(qū)動型公司成功的關(guān)鍵。數(shù)據(jù)科學(xué)自動化使得更快地執(zhí)行數(shù)據(jù)科學(xué)過程成為可能，通常在幾天而不是幾個(gè)月內(nèi)，更加透明，并提供可以持續(xù)改進(jìn)的最小可行管道。因此，公司可以快速擴(kuò)展其AI / ML計(jì)劃，以推動變革性業(yè)務(wù)變革。