在您准备好机器学习之前，简单的数据分析如何让您的数据发挥作用
在 7 月 26 日至 28 日与领导者一起参加“人工智能转型和边缘周”。聆听高层领导围绕 AL/ML 技术、对话式 AI、IVA、NLP、Edge 等话题展开讨论。立即预订您的免费通行证！
数据已成为业务的新圣杯。从初出茅庐的初创公司到拥有数十年历史的巨头，各行各业的公司都收集（或希望收集）大量结构化、半结构化和非结构化信息，以改进其核心产品并提高运营效率。.
立即出现的想法是机器学习的实施，但并非每个组织都立即拥有移动数据的计划或资源。
“我们生活在一个公司只收集数据的时代，无论用例或他们将如何处理这些数据。这令人兴奋，但也有点可怕，因为收集的数据量， Orangetheory Fitness 的数据和分析总监 Ameen Kazerouni 在 VentureBeat 的 Transform 2022 会议上说。
从小处着手这个问题是数据驱动型增长的主要障碍，但根据 Kazerouni 的说法，公司并不总是必须从一开始就深入研究并在 AI 和 ML 上进行大量投资。相反，他们可以从基本的数据实践开始，然后扩大规模。
事件转型 2022
立即注册，获取 7 月 26 日至 28 日 Transform AI 周的免费虚拟通行证。聆听 Visa、Lowe's eBay、Credit Karma、Kaiser、Honeywell、Google、Nissan、Toyota、John Deere 等 AI 和数据领导者的心声。
在这里注册这位曾在 Zappos 领导人工智能工作的高管表示，面对海量数据的首批举措之一应该是创建一种标准化的共享语言来讨论收集的信息。这对于确保从数据中获得的价值对每个利益相关者都具有相同的意义非常重要。
“我认为许多收集了大量数据的公司的 CEO、COO 和 CFO 都会遇到这个问题，每个人都使用相同的名称作为指标，但值会根据他们获取的数据源而有所不同。而且几乎永远不应该是这样，”他指出。
一旦共享语言准备就绪，下一步就是与领导者联系，以确定由领域专家处理的重复且耗时的流程，否则他们可能会帮助解决更多紧急的数据问题。根据 Kazerouni 的说法，这些流程应该被简化或自动化，这将使数据大众化，使利益相关者可以使用它来做出更明智的决策。
“当这种情况发生时，您将立即开始看到数据的好处（并着眼于更大的问题），而无需预先进行大量的技术投资或去，嘿，让我们找到可以翻转机器学习的东西继续往下工作，”这位高管说。
集中星法为了获得最佳结果，Kazerouni 指出，不是技术原生的初创企业应该专注于中心辐射式方法，而不是尝试在内部构建所有东西。他们只需要专注于一个差异化因素并使用市场解决方案来获得完成工作所需的技术。
“但是，我也认为从该提供商获取数据并将其在内部移动到中央集线器或数据湖非常重要，后者实际上在生成点使用数据来生成 [它们] .for.如果您需要在其他地方利用该数据或将其连接到另一个数据资产，请将其带到中心...
在 7 月 26 日至 28 日与领导者一起参加“人工智能转型和边缘周”。聆听高层领导围绕 AL/ML 技术、对话式 AI、IVA、NLP、Edge 等话题展开讨论。立即预订您的免费通行证！
数据已成为业务的新圣杯。从初出茅庐的初创公司到拥有数十年历史的巨头，各行各业的公司都收集（或希望收集）大量结构化、半结构化和非结构化信息，以改进其核心产品并提高运营效率。.
立即出现的想法是机器学习的实施，但并非每个组织都立即拥有移动数据的计划或资源。
“我们生活在一个公司只收集数据的时代，无论用例或他们将如何处理这些数据。这令人兴奋，但也有点可怕，因为收集的数据量， Orangetheory Fitness 的数据和分析总监 Ameen Kazerouni 在 VentureBeat 的 Transform 2022 会议上说。
从小处着手这个问题是数据驱动型增长的主要障碍，但根据 Kazerouni 的说法，公司并不总是必须从一开始就深入研究并在 AI 和 ML 上进行大量投资。相反，他们可以从基本的数据实践开始，然后扩大规模。
事件转型 2022
立即注册，获取 7 月 26 日至 28 日 Transform AI 周的免费虚拟通行证。聆听 Visa、Lowe's eBay、Credit Karma、Kaiser、Honeywell、Google、Nissan、Toyota、John Deere 等 AI 和数据领导者的心声。
在这里注册这位曾在 Zappos 领导人工智能工作的高管表示，面对海量数据的首批举措之一应该是创建一种标准化的共享语言来讨论收集的信息。这对于确保从数据中获得的价值对每个利益相关者都具有相同的意义非常重要。
“我认为许多收集了大量数据的公司的 CEO、COO 和 CFO 都会遇到这个问题，每个人都使用相同的名称作为指标，但值会根据他们获取的数据源而有所不同。而且几乎永远不应该是这样，”他指出。
一旦共享语言准备就绪，下一步就是与领导者联系，以确定由领域专家处理的重复且耗时的流程，否则他们可能会帮助解决更多紧急的数据问题。根据 Kazerouni 的说法，这些流程应该被简化或自动化，这将使数据大众化，使利益相关者可以使用它来做出更明智的决策。
“当这种情况发生时，您将立即开始看到数据的好处（并着眼于更大的问题），而无需预先进行大量的技术投资或去，嘿，让我们找到可以翻转机器学习的东西继续往下工作，”这位高管说。
集中星法为了获得最佳结果，Kazerouni 指出，不是技术原生的初创企业应该专注于中心辐射式方法，而不是尝试在内部构建所有东西。他们只需要专注于一个差异化因素并使用市场解决方案来获得完成工作所需的技术。
“但是，我也认为从该提供商获取数据并将其在内部移动到中央集线器或数据湖非常重要，后者实际上在生成点使用数据来生成 [它们] .for.如果您需要在其他地方利用该数据或将其连接到另一个数据资产，请将其带到中心...
What's Your Reaction?
