Araujo表示，当他在上世纪90年代中期第一次创业，做了大多数创业者做首先做的事：印刷订购名片。实际上需要一个地址和一个电话号码。毕竟没有这些信息无法制作名片。然后，Araujo为其公司建立了一个会计系统，开展法律文书工作，建立一个网站，当然，还要写一个全面的商业计划。Araujo做了所有应该做的事情之外，开始销售解决方案。

 

但情况往往如此，很多企业由于太沉迷于这些具体事务的方法，往往失去了自己的目标。Araujo表示，他花了一段时间才使企业业务得以开展。

 

如今，大数据、分析空间以及越来越多的人工智能(AI)得到应用，这些新技术仍然专注于方法。

 

当然，方法很重要。但它们不是任何这些学科存在的原因。在大数据、分析和人工智能方面，其价值并不来自于收集数据，也不是来自从中获得的一些洞察力。价值来自于一件事：行动。

 

大数据：从错误的角度出发?

 

过度关注方法可能从一开始就开始了。在此可以总结大数据背后的精神：收集所有数据，稍后整理出来。

 

其重点是建立海量数据湖，这些数据湖收集了可以想象到的每条数据，这些数据在某种程度上是有用的。但这种方法难以维持。

 

认知决策平台diwo公司首席技术官SatyendraRana表示，“这种方法是错误的，你无法赢得这场战斗。数据不断增长，而将陷入那个数据湖泊无法自拔。”

 

许多组织都得出了同样的结论。此外，IT和业务领导者发现他们必须改变自己的思维方式，专注于运营和变革结果，以揭示其大数据和人工智能计划的真正价值。

 

“心态转变至关重要。”SAP Leonardo公司副总裁David Judge解释道，“我们的客户已经走了两条路。第一个是自动化并采用人工活动的优化路径。第二个是专注于创建新的商业模式与数据，这是更具变革性的。那些做得最好的企业都把重点放在了这两个方面。”

 

消息很清楚。当真正的目标是从所有这些数据中创造价值时，关注方法是不够的。这引出了一个问题：如何从数据中获得价值?

 

通过行动实现价值

 

“数据毫无价值。”diwo公司的Rana解释道。“在场景中有人使用数据时会创建价值。当数据投入使用时，这就是价值所在。因此，责任不在数据创建者身上，而在于价值创造者来决定如何利用数据。“

 

从表面上看，当许多专家将数据称为新的石油或货币时，Rana的声明可能显得与其相反。这种新的石油或货币似乎具有天生的价值。但随着组织走上大数据、分析和人工智能的道路，他们在这个声明中找到了真相。

 

通用电气数字公司的副总裁兼首席数据官DiwakarGoel解释说：“当我们开始研究大数据时，我们只是想做一些快速而大量的分析，并获得一些见解。最初的价值揭示了这些见解。但后来我们意识到这些洞察力并没有使业务更好。因此，我们需要对它们进行操作并将这些洞察力提升到行动的角度，并且希望将其提供给能够实际采取行动的人。”

 

事实上，缺乏以行动为导向的业务重点是传统的数据优先大数据方法面临的最大挑战。

 

“数据湖是以IT为导向的。”连续数据平台Iguazio公司创始人兼首席执行官Asaf Somekh解释道，“他们正在完成一个章程，以建立一个存储所有组织数据的平台。他们不是要改善业务成果，也不是商业计划。”

 

在寻找价值时，请忘记技术背景

 

因此，在尝试实现价值运作时，从业务角度而不是技术角度来看待事物非常重要。这可能比听起来更困难。

 

专家确信人工智能将迫使行业重新围绕商业价值，而这是很多企业忽略的东西。

 

然而，专家对人工智能的关注只是另一种技术背景，他们关注的不是商业视角，只关注更感兴趣的新技术。

 

对于这些已经在科技行业工作了一段时间的人来说，这是一个很难打破的习惯。

 

而且，事实上，组织可以从许多投资中获得大量的商业价值，这些投资在大数据、分析和人工智能中有多种形式。诀窍是专注于如何使那些行动最接近的人采取行动。

 

流分析和时间序列数据的应用是组织在完整人工智能实现之前很久就能实现这一价值的很好的例子。

 

“流处理和流媒体分析是机器学习操作的重要组成部分。”Striim公司联合创始人兼首席技术官Steve Wilkes解释道，“如果可以将数据科学家移动到上游，并使他们使用流处理，那么他们可以构建模型，然后将该模型注入数据流.，并进行实时预测并执行实时分析。”

 

随着企业走向人工智能的道路，同样重要的是，他们不会错过能够采取行动的宝贵机会。

 

“第三步(在进化过程中)是人工智能和机器学习领域，用户可以预测将要发生的一切。”时间序列数据库公司Timescale公司联合创始人兼首席执行官AjayKulkami解释道，“第一步是收集数据，但其中有一步只是使用数据监测正在发生的事情……然后从监测转到可观测性。这就是我们首先要做的，以便能够实时查看业务发生了什么事情。”

 

让数据具有意义

 

然而，从大数据的历史、回顾性分析价值主张转向以行动为中心的价值主张的挑战在于它增加了风险。而且，这些行为越实时，风险和回报就越大。

 

在这个数据驱动行动的世界中，数据的准确性和理解如何使用它来做出决策或采取行动成为一项战略任务。

 

“决策制定涉及做出决定的人以及用于做出这些决定的数据，”Rana解释道，“因此，认知系统需要对这两种模式进行建模，而不仅仅是数据。”

 

随着利害关系的增加，理解数据本身的需求成为实现数据价值的关键能力和途径。

 

“当用户摄取大量数据时，也会产生大量‘暗数据'，也就是不知道的数据。”通用电气的Goel指出，“这就是像Io-Tahoe这样的公司发挥作用的地方。他们提供数据见解。在根据数据分析获得见解之前，企业需要了解这些数据。”

 

然而，更重要的是，理解数据的需要超出了数据沿袭和治理等方面。特别是当用户根据这些数据采取行动时，需要理解自己在场景中的数据以及与其他数据的关系。

 

“数据摄取具有根本性的颠覆性。”Goel阐述道，“当用户将数据带入数据湖时，将失去数据集之间的关系。数据集的值在数据中较少，在关系中较多。这是工具可以提供帮助的地方。它们可以帮助用户重建以前存在的关系，并帮助用户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

 

如今，数据行业正在走向成熟。虽然该领域的一些技术公司坚持传统的大数据精神，并且仍然专注于方法和技术细微差别，但更多的人认识到这只是结果和对数据采取行动的能力。

 

人工智能的不断发展无疑将在这种成熟过程中发挥重要作用，并且随着人工智能在未来几年内的深入，可能会使行业再次发生变化。

 

SiliconANGLE公司研究主管Peter Burris总结了人工智能的未来：“其目标是为了让更多数据发挥作用。”

 

他接着解释说，这样做包括更有效地捕获数据，将其转化为价值，然后再使用它。他表示，“随着人们越来越多地转向人工智能使用获得的宝贵数据，人们需要努力解决其后果。”

 

“由于这种行动的概念，它迫使我们考虑一种新的系统。”Burris解释说，“那种新的系统被称为代理系统。”

 

系统将数据作为组织的代理，并将其作为组织代理的想法现在才开始成为现实。

 

因此，随着企业领导者走上这条道路，他们必须始终如一地专注于数据的价值，正如他们采取行动的能力所表达的那样。

 

Diwo的Rana总结得最好，告诉我，当我们结束谈话时，“这是一个数据会议。但这应该是一次商业价值会议。”