人工智能和机器学习以及不断增长的数据量正在改变当前的商业和社会格局。这些领域出现了一些需要CIO关注的主题和问题。O'Reilly在伦敦Strata举行的为期多天的数据会议的与会者正在更好地了解大数据、机器学习(ML)和人工智能的发展方向。这些新兴技术在过去5年中发展迅速，新技术、流程和应用程序改变了组织管理数据的方式。数据大会提供了一个很好的技术发展晴雨表，与会者可以了解到技术在大数据处理中的作用，以及开发者和用户关注的问题。会议还明确了影响大数据、机器学习和人工智能未来发展的8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数据科学家和会议组织者BenLorica在会议上表示，他认为5G技术和边缘计算带来的更高带宽和灵活性将是关键驱动因素.他指出，中国已成为该技术领域的全球领先力量，但许多公司仍在为其正在进行的5G投资制定商业模式。2.改变数据科学家的技能组合GoogleCloud的决策科学家CassieKozyrkov在演讲中指出，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侧重于专业化，而是更多关于跨越孤岛的工作能力和更多融入业务方面的能力。3、线上线下融合阿里巴巴电子商务集团和亚马逊都在尝试推出线下实体店，这些实体店仍在适应新的线上世界。电子商务集团的线下活动对于线上投资具有防御性的实体零售商来说是一种竞争举措。在这一切全面展开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专业知识为他们提供了关键优势。4.内部数据平台正在成为增长和创新的关键来自Lyft和BMW的数据科学家的演讲表明，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。虽然这对于像Lyft这样的数字原生公司来说可能是很自然的事情，但随着数据生成传感器嵌入到产品中，传统工业公司也将不得不参与其中。5.开放数据需要被认真对待，因为众所周知，开放源代码软件是大数据和机器学习产品和服务兴起的幕后推手。开源的商业和技术案例的重要性已被证明多年。然而，很少有人注意到开放数据对创新的重要性。开放式企业数据库提供商OpenCorporations的联合创始人兼首席执行官ChrisTaggart强调了企业在依赖专有数据集时面临的问题，并指出这些来源可能是粗略的，而且元数据不会跨产品共享。开放数据更加透明，不会将企业锁定在企业难以摆脱的昂贵商业合同中。6.捕获和管理实时数据的重要性虽然AI和ML项目并不总是需要实时或近实时数据，但构建能够处理数据的系统的能力可能是一种有价值的竞争优势形式.随着数据驱动的决策越来越深入到组织中，竞争优势有时会转移到那些能够更快地响应事件的人身上。AmazonWebServices在这方面的规模和广度表明，执行此操作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·瓦赫特博士在会议上的演讲强调了一个可能在未来一两年内被更多讨论的问题。她指出，由于GDPR法规等相关法律已经生效，许多公司现在已经意识到他们有义务保护个人数据。然而，一个讨论较少且监管机构仍在努力解决的问题是嵌入式算法需要根据它们处理的数据做出的推理和决策。至少在欧洲，用户有权查看所持有的数据并进行不同程度的更正或删除。但是，用户没有相同的补救措施，因为企业可能会根据信用检查和健康保险等领域的数据自动对用户做出假设。8.中小企业如何在大数据和算法决策时代竞争一个需要人们思考的问题是，没有互联网巨头或全球快消品公司的海量数据集的中小企业如何在这个时代竞争大数据和算法决策。大公司利用网络服务的网络效应来巩固其领先地位对良性创新圈来说是一种风险，也许人们已经看到了这一点。然而，正如UnravelDataSystems的联合创始人兼首席技术官ShivnathBabu指出的那样，互联网和应用程序经济仍然能够让中小型公司利用其应用程序和在线活动中的数据，并对市场。也许这一点，以及来自公共来源的开放数据的兴起，将为新一代初创企业改变世界提供基础，就像谷歌、Facebook和亚马逊在过去20年所做的那样。
