Linux发行版市场的新竞争者？

设立分析项目或成立分析组织是一回事，从分析中获得价值是另一回事。由于新冠疫情严重扰乱了全球各地的经济，许多公司在考虑是否设立分析和数据科学团队时可能会密切关注投资回报。

Mike Onders是俄亥俄州克利夫兰市KeyBank的首席数据官、部门CIO兼企业架构负责人，他说：“这并非关乎分析，甚至并非关乎洞察力，而是关乎影响。如果你无法带来影响，无异于白白浪费时间。”

就这点而言，持续地关注业务结果是关键，能够迅速证明分析可以对业务带来影响，而随后大规模交付成果也是关键。

益百利(Experian)的执行副总裁兼全球分析和人工智能总经理Shri Santhanam说：“我们实际上是在进行逆向设计，先从我们希望获得的具体业务成果入手。最终，机器学习和人工智能往往是使我们实现最终目标的工具，但实际上，我们谈论的、我们共享的以及我们与客户共同努力获得的是一系列更好的成果。”

分析创造价值所面临的障碍

市场研究公司Forrester的副总裁兼为CIO提供咨询服务的首席分析师Brian Hopkins表示，制度性障碍是数据分析获得投资回报面临的最大障碍。

“我们发现的问题是，CIO的数据战略将涉及许多业务层面的变更、业务流程变更、IT部门之外新的组织结构，才能对数据定义和优先事项做出决策，并执行数据隐私策略以及CIO无法控制但面临成本的其他事情。”

Hopkins表示，许多公司转向CIO，希望他们提供一种能从数据中获取价值的技术解决方案，却没有看到更宏观的局面。无论他们为技术编制了多少预算，可能不得不为广泛的业务变化投入多达一倍的预算。

Hopkins说：“这些公司对最终由CIO负责的数据战略制定了目光宏远的愿景，编制了预算以购置技术解决方案，它们会认识到数据战略的成本远不止IT方面的，还涉及大量的业务变更。这包括流程变更、应用程序变更、组织变化管理和激励措施变更等。”
 

在自动驾驶汽车中使用深度学习可以帮助克服各种挑战，例如了解行人的行为，找到最短的路线以及对人和物体进行准确检测。

根据一份报告，2018年约有80%的道路交通事故是由于人为错误造成的。因此，将自动驾驶汽车纳入主流的主要目标之一是消除对人类驾驶员的需求并减少道路致死率。使用自动驾驶汽车进行的实验无疑表明在一定程度上减少了道路伤亡人数。

但是，仍然有很多人经常看到有关自动驾驶汽车事故的新闻，例如Uber自动驾驶汽车事故在美国亚利桑那州撞死了一名行人。发生事故的原因据说是自动驾驶汽车无法准确检测和识别行人。为了尽可能地减少此类事故，需要对自动驾驶车辆进行大量的训练，以准确检测其路线中是否存在人员和任何其他物体，这就是深度学习的介入。自动驾驶汽车的深度学习可以帮助他们有效地分类和检测道路和周围环境中的人或物体。

深度学习是机器学习的一个子集，它使用人工神经网络来模仿人脑的复杂功能。深度学习可以在没有任何人工干预的情况下更准确地对对象进行分类。例如，假设有两个人写数字九(9)，但是他们两个人都以不同的方式写数字(一个人写9，其他人写一个nine，底部没有清晰的曲线)。除非掌握了所有可能的写数字九的方法，否则深度学习网络以外的AI算法将很难检测到，尽管形状不同，但两个数字都代表九。借助深度神经网络进行的深度学习可以轻松地将两个数字都识别为9。深度学习准确地对不同对象进行分类的能力可以解决自动驾驶汽车面临的一些主要挑战。

（编辑：济宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!