数据项目中的风险管理bob3.app

缩放人工智能 bob3.app

2018年,O’Reilly就机构采用机器学习的阶段进行了一项调查,在11000多名受访者中,近一半仍处于探索阶段。可以肯定地说,至少对其中一些探险家来说,数据和人工智能项目的风险前景正在瘫痪,导致他们停留在实验阶段。

冒险走钢丝

明确地说,制定应对风险的计划是良好的做法。但需要有一种平衡——数据项目风险管理计划的限制性不能太大,以至于人们无法有效地处理数据,从而影响业务。bob3.app

这种恐惧和犹豫不决可能会对大规模数据科学、机器学习和人工智能项目造成不利影响。如今,企业中数据科学的民主化,以及将数据交给多数人而不仅仅是少数精英(比如数据科学家甚至分析师)手中的工具,意味着企业以前所未有的方式使用更多数据。

oreilly带dropshadow的建筑封面

这是非常有价值的;事实上,在使用数据推动业务方面最成功的企业都采用了这种方法。然而,如果没有适当的培训——特别是对于那些之前不熟悉数据科学流程的人——以及工具和流程,它也会暴露出一些风险。

如果数据民主化是最终实现人工智能服务的前进之路,那么它将需要商业人士、分析人员和数据专家(如数据科学家和工程师)之间的大量合作,以及可能推出的计划,如自助分析程序O'Reilly在其电子书中详细分析了可能的风险类型构建数据解决方案的基础:

  1. 技术风险
  2. 团队风险
  3. 需求风险

平衡这三者关系到通过使用开发原则和策略来管理和降低风险,设定现实的期望,并为建立成功的团队提供指导,从而建立方法和成功的环境。

你可能也喜欢

MLOP的7个神话

阅读更多

如何打造人工智能人才工厂

阅读更多

如何成为一名成功的业务分析师

阅读更多

人工智能驱动的文化变革入门

阅读更多