专家预测，到2025年，数据宇宙或数据宇宙的大小将达到180泽字节。这是一个真正令人难以置信的数字，凸显了大数据的指数级增长。《数据战略：如何从大数据，分析和物联网世界中获利》文章的作者BernardMarr提供了一些观点，并指出世界上90%的现有数据都是在过去两年内产生的。不幸的是，可用数据的数量和种类并不总是等同于价值。企业如何有效利用大数据？哈佛大学的GaryKing认为“大数据与数据无关！”他写道，“虽然数据量和种类的增加令人叹为观止，但数据本身并不是大数据革命所带来的。过去几十年使数据具有可操作性的分析技术的进步也是必不可少的。”这就是人工智能(AI)的用武之地。将AI带出科幻领域AI经常被误解，植根于好莱坞电影对机器人和操纵大型机的刻板印象。但人工智能的现实远没有那么险恶。人工智能可分为两种主要类型：狭义人工智能——也称为弱人工智能，狭义人工智能可以利用大数据完成特定任务。例如，预测分析可用于识别数据中的模式和相关性，从预测天气到分析新闻数据以预测风险。通用-也称为强人工智能，通用人工智能涉及人类的认知能力。尽管如此，这些认知技能还是有限的。机器学习就是这种类型；虽然它不支持抽象的“想法”，但它确实支持适应和持续改进。有些人认为人工超级智能是第三种类型，但现在，它更多的是理论而非实践。IBM的Watson击败Jeopardy冠军或亚马逊的Alexa响应请求可能会模仿人类的响应，但到目前为止，计算机还没有实现真正的认知飞跃。相反，他们只是以比人类更快的速度访问大量大数据。目前，人类终结者仍然是虚构的——但存在无法接受人工智能风险、无法更快采用并从数据实施中提取价值的对手。Netflix是数据驱动黑客的典型例子。随着流媒体视频的普及和视频租赁的不断增加。Netflix开始使用数据分析来扩大其订户群、提高客户保留率并为节目制作决策提供信息。该公司表示，其算法每年可在保留客户方面节省10亿美元。此外，分析启发了Netflix制作的几部广受好评和粉丝喜爱的剧集，包括《纸牌屋》、《怪奇物语》和《女子监狱》。克服从大数据中提取价值的挑战虽然大多数公司都认识到实施大数据计划的重要性，但许多公司仍在苦苦挣扎。许多挑战是组织性的，从吸引和留住数据专家到打破组织数据孤岛以更好地利用内部数据集。根据2017年哈佛商业评论的一篇文章，近70%的公司将建立数据驱动的文化作为优先事项，但只有40%的公司实现了目标。那你会从哪里开始？首先，确定您希望回答哪些关键业务问题。然后查看发现答案所需的数据类型。一些数据可能会在内部提供。有些可能需要付出一些努力才能从各个部门的孤岛中提取信息；有些可能在公共领域可用；有些可能通过数据即服务(DaaS)提供商提供。此外，考虑如何与主要利益相关者分享您发现的见解。使数据可访问意味着消除技术术语并讲述一个引人入胜的故事。数据可视化为原始数据注入了活力，使其在呈现要点的同时更容易消化。然而，借助合适的人员、流程和数据集，组织可以从机器学习、预测分析和其他数据实施中获得可操作的商业智能和可衡量的投资回报(ROI)。发现隐藏的洞察力——人工智能可以帮助公司检测各种模式，从客户流失的根本原因到可以激发新产品或服务的新兴趋势。使用公司、行业和经济数据的回归建模可以帮助组织了解政府政策或市场变化的实时影响和长期后果。对新闻和社交媒体数据的分析可以补充内部客户数据，以提高营销范围和有效性。自动化业务流程——对冲基金可以利用先进的人工智能分析来实现高频交易，根据历史和当前市场数据识别导致交易执行不佳的模式，并从这些模式中“学习”以提高未来的交易绩效。银行可以利用机器学习算法和预测分析来自动检测欺诈，或快速识别面临制裁风险的客户。减少中断——缺乏洞察力通常是中断事件的核心。借助预测分析和物联网(IoT)数据，制造商可以通过了解何时需要进行预防性维护来避免生产放缓，从而避免装配线中断。同样，数据分析使公关和营销组织能够在危机或机遇出现时更快地做出反应。实现节约——由大数据和分析提供支持的运营效率可以减少开支，同时释放人力资源用于人工智能无法完成的工作。此外，优化决策的能力——无论是与股票交易者的买入/卖出决策相关还是与推出新产品相关——为创造可衡量的价值打开了大门。随着机器学习和预测分析变得越来越复杂，企业可以根据证据做出决策，深度学习将进一步突破界限，以更好地解决问题和理解语言。那么你准备好了吗？
