RELATEED CONSULTING
免费使用
下列产品全部免费使用
服务时间:9:30-18:00
你可能遇到了下面的问题
关闭右侧工具栏
基于模型的结构:在数据驱动的世界中取得成功的关键
  • 发表时间:2020-08-23 22:09
  • 来源:数度域

数据科学已经成为许多企业的关键任务。互联网广告局的预测显示,随着美国公司向模型驱动的方向发展,他们将在2018年花费数十亿美元购买第三方受众数据,甚至更多的钱购买第三方解决方案来使用这些数据。

这不仅仅是收集数据然后处理它的问题;为了充分利用数据,公司必须将数据与他们的商业模式对应起来。

crm和销售软件供应商已经开始提供产品,帮助销售和营销团队紧密遵循他们公司的模式。

达美乐产品总监麦克斯蒂尔(mac steele)表示:“这是一个关乎生死存亡的问题。”

他对《电子商务时报》表示:“根据麦肯锡最近的一项调查,能够在生产中持续部署模型的公司,其利润率要比同行高出7.4%。”

斯蒂尔说,这种模型驱动的公司在开发更多突破性产品的同时,不断推动核心运营和客户体验的迭代改进。

他说:“像亚马逊这样把模型放在业务中心的公司,正在加速超越竞争对手。”“落后者越来越难赶上。”

进入数据建模

constellation research首席分析师道格亨舍恩(doug henschen)表示,建模包括预测性和规范性分析,也被称为“高级分析”。

他对《电子商务时报》表示:“你正在建立模型,预测未来可能发生的事情,并根据商业环境,对预测做出反应,以获得更好的结果。”

henschen说,公司一直在增加第三方数据,如人口统计、心理图、天气和行业数据,以考虑外部影响并获得更准确的模型。

随着数据量的增长,他们已经开始使用机器学习和深度学习的方法来创建基于数据本身的模型。

henschen指出,虽然模型已经用于贷款、索赔处理和其他高价值领域,但在整个公司应用这一数据科学专业知识需要开发“几十个、几十个甚至几百个或几千个模型。”“这需要自动化和强大的模型生命周期管理能力。”

2成为模型驱动的方法

henschen说,迈向模型驱动型业务的最大挑战是培养数据工程和数据科学人才,以推动和维护这一业务。

pegasystems的首席技术官don schuerman说:“数据太多了,将数据转化为商业价值的机会太多了,但数据科学家却太少了。”

他告诉《电子商务时报》:“为了使人工智能和分析的力量民主化,我们需要通过实验室工具,创建模型驱动的工厂,这些工厂是为精明的商人设计的,而不仅仅是数学家和程序员。” pegassystems的产品利用omnichannel人工智能,让用户在营销、销售和服务中应用实时分析,schuerman说:“我们所有的客户都采用这种方法。”

constellation的henschen承认,依靠现成的模型驱动的功能(整合到现成的商业应用程序中)或在云中作为服务提供的分析功能等快捷方式,比简单的历史信息报告和可视化要好,但它们“不能替代构建内部专业知识和能力,而这些知识和能力可以应用于面临最大业务挑战的公司。”

模型驱动方法的要求

pegasystems的schuerman说,公司在计划采用模型驱动的方法时,首先应该做的是获得商业领袖和it部门的认可。

henschen建议,建立一个数据工程和数据科学团队,然后“通过利用新兴的自动化和模型生命周期管理能力”来实现可重复的流程和扩展。

他指出,模型治理和可见性至关重要,因为在模型驱动的决策制定中,法规有时需要透明度。此外,数据科学团队“必须学会如何简化数据管理、迭代数据移动和模型测试等耗时的挑战,以便他们能够专注于创新和探索学习等前沿建模技术。”

scheurman建议,对基础设施采取开放的方法。“没有什么工具是银弹;工具灵活性和治理是最重要的目标。”

然而,他警告说,开放不应该以控制为代价。“正确的方法使人们能够准确地知道在每个项目和生命周期的每个步骤中使用了哪些工具和软件包,因此所有的实验都可以重现。”

采用模型驱动方法的挑战

斯蒂尔说,采用模型驱动的方法可能需要克服的最大挑战是,企业倾向于将数据科学视为一种技术技能,而非组织能力。

“雇佣更多的人和购买更多的工具并不能让组织达到他们需要的水平,”他说,并指出成为模型驱动型组织有四大挑战:

  • 静态基础设施——科学家使用的基础设施数据对于他们不断发展的需求来说太静态了;
  • 工作方法——数据科学家的工作方式是为个人而优化的,所以很难创造一种文化和过程来实现协作和知识共享;
  • 生产问题——很难将模型投入生产,更难获得关于模型如何工作或者是否被使用的反馈;和
  • 模型责任——必须对模型进行验证和监控,以确保它们跟上现实世界的变化,并且被正确使用。
  • Steele建议,公司应该“在人员、流程和技术上更紧密地将开发和生产联系起来,并让数据科学家从一开始就在项目上合作。

    基于模型的结构:在数据驱动的世界中取得成功的关键 相关的文章:

  • 营销公司zeta global以1 . 4亿美元的资金周转
  • 移动欺诈风险的严峻上升轨迹
  • 人工智能仍处于形成阶段
  • 约翰·奥利弗的观众用网络中立问题淹没了fcc网站
  • 亚马逊为回声报的报道增加了节目
  • veeva提供跨堆栈的客户洞察力