这5个重要技巧可能会帮助您打开数据科学之旅的大门。以此为指南，您将逐步了解如何选择正确的分析项目、获得资金、建立早期团队、获取数据以及选择有效的实施技术。2011年，谷歌内部仍普遍对深度学习技术的潜力持怀疑态度。很明显，当时担任谷歌大脑团队负责人的吴恩达要想说服大家将资源投入到人工智能（AI）这个新方向，就必须克服艰巨的挑战。吴恩达决定从小处着手，消除阻力。他首先得到了语音识别团队的初步支持。该团队在谷歌没有像搜索或广告业务部门那样受到重视，但吴恩达至少以此为起点，帮助第一个内部客户获得价值回报，让深度学习在谷歌的早期应用声音搜索。也正是有了这成功的第一步，深度学习技术才有机会在负责提升数据质量的谷歌地图上一试身手。每个项目的成功都增强了人们的信心。最终，飞轮效应被完全激活，让深度学习成为谷歌内部不可阻挡的洪流。今天，深度学习已经为谷歌的大部分产品提供了强大的支持，包括搜索、相册、YouTube甚至地图。这个故事也可以为医药行业的高管们提供宝贵的经验，启发大家立足于自己的组织，一步步探索数据科学领域。每个希望利用高级分析功能的组织都必须经历五个关键步骤。听起来很简单，但各行各业的高管往往未能给予这些步骤应有的重视。TPSGlobal临床和战略运营执行副总裁SyedShah说：“令我惊讶的是，药房可用的数据如此之多，但成功使用的数据却如此之少。”让我们通过示例一起了解这五个步骤如何帮助您为制药行业建立可靠的数据科学实践。1.避免挑战“moonshot”的野心，先从容易实现的目标中选择。在选择项目开始他们的数据科学之旅时，公司经常会犯同样的错误——倾向于选择那些紧迫但缺乏战略影响的项目，或有趣但很少有回报的项目。更糟糕的是，公司最终选择的项目往往过于复杂。请注意，最重要的是通过早期的小成功快速展现商业价值，而不是选择那些前景极其宏大但充满不确定风险的“登月”级项目。K.M.A.罗氏诊断商业智能和分析总监奥马尔表示，“在制药公司选择创业项目时，不一定非得从市场营销、销售或财务角度切入。研究等领域往往倾向于执行阻力较低，也可以为市场的发展提供患者带来可观的价值，另外，这部分人员对生物统计甚至数据应用概念有很好的理解，事实上，他们往往对组织的尝试先进的分析方法。”2.通过量化业务投资回报，而不是模糊预测，确保资金安全据Gartner称，数据分析项目缺乏资金已成为首席数据官（CDO）面临的最大障碍之一。赛沙指出，“要想获得资金，首先要明确项目的最终利益。”Shah补充道，“然而，确实有很多项目缺乏明确的投资回报率(ROI)或成本节约。对于此类项目，最重要的自然是概括其带来的无形收益，例如消除低质量产品造成的返工成本。”例如，假设你已经构建了一个自动计数细胞的数据科学解决方案，以加快药物发现的速度。人们普遍认为，这样的解决方案可以缩短开发周期或减少生物学家的工作量。对此最合乎逻辑的做法是，当然，要计算项目带来的潜在成本节约和投资回报。通过使用由此产生的近似估计作为投资回报率的起点，您的项目可以获得业务所需的关注和预算。3.配备您的早期的数据科学团队拥有技术通才，而不是急于引进纯数据科学家每个数据科学团队都需要五个专门的角色。但在早期阶段，通才往往比特定领域的专家更有价值。通常，通才是现有人员在公司内部，对制药领域和组织动态都有深刻的了解。根据RamCIyer的说法，CDO美国食品和药物管理局，“许多新领导低估了组织中已有的人才库。大多数与健康相关的组织都有高级知识分子，他们了解各种分析技术和工具。博士队列。”数据领导者必须利用他们的人才搜寻能力快速找到精通数字技术、充满好奇心并愿意学习的员工。Iyer补充说，这个人才库将成为启动初始项目和建立长期数据科学部门的重要基础。4.从少量数据开始，不要等待完善的数据仓库实现没有大规模、质量稳定、组织良好的数据的支持，数据科学是无法实现的。但在早期阶段，大多数组织并没有资源储备的奢侈。那么，制药业高管是否应该推迟他们的数据科学探索，直到他们拥有强大的数据工程层？“我强烈建议不要等待，因为完美的数据可用性永远不会到来，”奥马尔说，并补充说这些早期项目可以帮助建立创建可重用数据资产的案例。您可以使用它来引起对数据质量问题的注意。从萌芽阶段开始，大家就要关注数据架构层面的差距，将这部分问题充分体现在数据工程积压中。例如，您可以使用临床试验数据表来揭示有关患者行为、招募和保留的可行见解。您需要评估数据的可用性和质量，并在确定这些指标高于可接受的阈值后正式开始您的高级分析之旅。5.在利用AI的力量之前从简单的数据分析方法开始我们能否在我们的第一个数据科学项目中充分利用AI的潜力？根据Shah的说法，“不要被流行语和趋势陈述所误导。坚持你的直觉，探索真相，发展你自己的见解，并根据它们做出决定。在大多数情况下，初步探索并不需要特别复杂的技术或统计数据。”在罗氏诊断，“人工智能本身不属于一个独立的议程，它只是我们用来实现战略目标的一种工具和一些功能。”据该公司CIOWernerBoeing在《麻省理工学院斯隆管理评论》发表的报告称，正是这一将AI视为常规工具之一的举措，帮助罗氏诊断获得了根据实际需要使用AI功能的灵活性。例如，计算机视觉可以通过检查药品生产或包装问题的视频提要来提高药品制造的质量。但作为一个更合适的起步项目，不妨尝试通过简单的回归算法来快速提高药物良品率。数据科学之旅的第一个冲刺选择合适的数据科学项目、获得资金、组建团队、获取数据和产生可操作的见解都是相当艰巨的挑战。即使实现了这些目标，数据科学发现之旅仍未完成。只有将解决方案应用于现实世界的决策，数据科学才能真正为每个人创造价值。要冲过终点线，我们需要确保你的项目真正被用户采用，包括与业务支持者一起努力，为最终用户提供影响，并取得一个又一个成果，这样才能在医药行业。保持国内数据科学发展良好势头。Shah总结道：“只有当领导者能够看到他们的数据并体验其背后引人入胜的、以前未被发现的故事时，他们才会真正体会到数据科学在现实世界中的力量。”
