在大数据、分析和AI方面，价值不是来自收集数据（甚至不是从中收集一些见解），价值来自一个来源：行动。当我在90年代中期开始我的第一笔生意时，我做了大多数初次创业者都会做的事情——订购名片。事实上，我首先必须现场订购一部手机。毕竟，我无法在没有手机的情况下订购名片。然后你必须建立一个会计系统，做法律文书工作，并建立一个网站。当然，还写了一份很长的商业计划书。除了一件事，我做了我需要做的一切：讲述我的故事并销售我的解决方案。但一如既往，我太拘泥于机制而忘记了目的。我花了一段时间才站稳脚跟。最近由O'Reilly和Cloudera联合主办的StrataDataConference让我想起了这种强大的学习经历。如此多的大数据和分析空间（以及AI市场与之发生越来越多的冲突）仍然集中在力学上。诚然，力学很重要。但机制并不是所有这些学科存在的原因。就大数据、分析和人工智能而言，价值并非来自收集数据（或什至从中收集一些见解），价值仅来自一个来源：行动。大数据：第一步错了？我可能从一开始就过于关注机制。我可以很好地总结大数据背后的精神：收集所有东西，然后再整理。重点是建立一个海量数据湖，收集所有可以想象到的在某种程度上有用的数据。但这种方法很难维持。认知决策平台地我首席技术官SatyendraRana认为：“[这种做法]是错误的。你无法赢得这场战斗。数据在不断增长，你会沉入湖底。”也不能在水面上游泳。”许多组织得出了相同的结论。此外，IT和业务领导者发现他们必须改变思维方式，将重点放在运营和转型成果上，以揭示大数据和人工智能计划的真正价值。SAPLeonardo副总裁DavidJudge解释说：“思维方式的转变至关重要。我们的客户有两条路。第一条路是优化——自动化和减少手动活动。然后，一些人（专注于）创建新的业务模型（和数据）更具变革性。做得最好的公司往往会两者兼顾。”信息很明确。当您的真正目标是从所有这些数据中创造价值时，仅关注机制是不够的。因为这落入了胡言乱语的逻辑陷阱：你如何从数据中获取价值？通过行动创造价值diwo的Rana解释说：“数据没有价值。只有当人们在上下文中使用它时，数据才能创造价值……当数据被使用时，这就是价值的来源。因此，责任不在数据的创造者身上数据，但取决于价值的创造者，谁决定如何使用数据。”从表面上看，当许多专家把拉纳的说法与数据称为新石油或新货币时似乎有矛盾，这似乎具有内在价值。但是当组织进一步进入大数据、分析和人工智能时，人们会发现Rana的说法是有道理的。通用电气数据副总裁兼首席数据官DiwakarGoel解释说：“当我们开始使用大数据时，我们只是想做一些快速简单的分析并获得一些见解。最初的价值是揭示这些见解。但然后我们意识到这些见解并没有改善业务。所以我们需要使这些见解具有可操作性，同时将这些见解转化为行动，并且您希望将这些见解提供给可以实际采取行动的人。事实上，正是这种缺乏以行动为导向的业务重点一直是传统的数据优先大数据方法的一个问题，连续数据平台Iguazio的创始人兼首席执行官AsafSomekh解释说：“数据湖是面向IT的。数据湖是“履行章程以构建用于存储组织所有数据的平台。数据湖不是为了改善业务成果，也不是关于业务计划。”在寻找价值的时候，不要执着于技术Keepinginthecontext所以在试图实现价值运营的时候，人们从商业角度而不是技术角度看事情是非常重要的。这可能比想象的要难。我参加了今年的Strata会议，当时我对AI有自己的偏见。我相信AI将迫使该行业重新关注商业价值——我认为这早已不复存在。然而，我对人工智能的关注只是另一个技术背景。我也看不到商业角度，只看到更闪亮的新技术。对于我们这些在科技行业工作了一段时间的人来说，这是一个很难改掉的习惯。事实上，组织可以通过投资多种形式的大数据、分析和人工智能获得大量商业价值。诀窍是专注于如何更好地让那些密切相关的行动采取行动。流式分析和时间序列数据的应用是组织如何在人工智能完全实现之前很久就实现这一价值的好例子。Striim的联合创始人兼首席技术官SteveWilkes解释说：“流处理和流分析是使机器学习可操作的重要组成部分。如果你能让数据科学家上游并让他们可以使用流处理......那么他们就可以构建一个模型，然后将该模型注入数据流……并进行实时预测和分析。”随着企业在AI道路上前进，他们不能错过任何能够对有价值的机会采取行动也很重要。时间序列数据库公司Timescale的联合创始人兼首席执行官AjayKulkami解释说：“第三步（仍在发展中）是人工智能和机器学习领域，在那里你可以预测将要发生的事情。一切。第一步是收集数据，但中间有一个中间步骤，就是使用监控正在发生的事情的数据......然后从监控转向可观察性。这就是我们首先要到达那里的地方，以便您可以实时了解业务正在发生的事情。理解您的数据然而，从大数据价值主张的历史、回顾性分析方面到以行动为中心的价值倡导的挑战在于这会增加风险。而且，这些动作越接近实时，风险和回报就越大。在数据驱动行动的世界中，数据的准确性以及了解如何利用该准确性做出决策或采取行动已成为战略要务。“决策涉及做出决策的人和用于做出这些决策的数据，因此认知系统需要对两者建模——而不仅仅是数据，”diwo的Rana解释道。随着数据的增加，人们必须了解数据本身，这已成为实现价值的关键能力和途径。GE的Goel分享道：“当你摄取大量数据时，你会创建大量‘暗数据’，即你不知道的数据。这就是像Io-Tahoe这样的公司发挥作用的地方。这些公司提供数据洞察力。之前你可以从数据分析中获得洞察力，你必须了解数据本身。”然而，更重要的是，理解数据的需求超越了数据沿袭和数据治理。在上下文中理解你的数据以及它如何与其他数据相关（尤其是当你对这些数据采取行动时）变得非常重要。Goel阐述道：“数据摄取从根本上是破坏性的。当您将数据放入数据湖时，您就失去了数据集之间的关系。数据集的价值不在于数据，而在于关系。这是（工具）可以提供帮助的地方。这些工具可以帮助您重建预先存在的关系，并帮助您发现不同数据集中数据之间的关系。“数据和人工智能的未来我从Strata会议中得到的一大启发是数据行业正在走向成熟。虽然这个领域的一些技术公司仍然坚持大数据的传统精神，仍然专注于数据的细节机制和技术，但越来越多的科技公司认识到，结果和对重要数据采取行动的能力才是最重要的。人工智能的持续发展无疑将在这一成熟过程中发挥重大作用——而随着AI的根深蒂固，它可以使作为会议报道的开端，由SiliconANGLEMedia出品的企业技术直播脱口秀theCUBE举办了一场名为TheFutureofAI的活动。在此期间，SiliconANGLE研究总监PeterBurris总结道人工智能的未来是这样说的：“人工智能的目标是让更多的数据发挥作用。他继续解释说，这样做涉及更有效地捕获数据并将其转化为价值——然后使用它的做法。随着我们越来越多地转向人工智能，使用我们新获得的宝贵数据，我们将需要应对人工智能的各种后果。“由于这种行动的概念，我们必须考虑一个新的系统，”伯里斯解释道。这个新系统将被称为代理系统（SystemsofAgency）。“系统获取数据并作为组织的代理人对其采取行动的想法现在才成为现实。但是，毫无疑问，条条大路都通向这样的目的地。因此，随着企业***逐渐走下坡路在这条道路上，他们必须始终专注于数据的价值，这体现在他们采取行动的能力上。Diwo的Rana很好地总结了这一点，并告诉我，当我们结束对话时，“这是一个数据会话。但这应该是一个商业价值会议。“我完全同意。
