數據科學已經徹底改變了企業(yè)AI，如果提供有價值的見解，以做出數據驅動的決策，那么數據科學有很大的升級潛力。

每天，全球各地的組織都在尋找2.5萬億字節(jié)的數據，以獲得對其業(yè)務的見解和價值驅動的行動。為了實現(xiàn)這一目標，需要高技能的科學專家或數據科學家參與開發(fā)業(yè)務中的企業(yè)AI。在不斷增長的業(yè)務領域中，數據科學家的每一個行動都有助于改進業(yè)務的功能。

所有的職業(yè)都會遇到一定的障礙或挑戰(zhàn)，數據科學家的角色也不例外。許多企業(yè)未能充分利用數據科學家，將其置于錯誤的角色或不提供必要的要求。根據LinkedIn，當今數據科學家的十大技能包括機器學習、大數據、數據科學、R、Python、數據挖掘、數據分析、SQL、MatLab和統(tǒng)計建模。大多數數據科學家都可以在他們的電腦中運用這些技能;然而，這些技能還不足以讓他們擔任正確的角色以實現(xiàn)最佳的業(yè)務增長。

下面來探討一下，當今數據科學家面臨的共同挑戰(zhàn)。

1、為智能企業(yè)AI準備數據

數據科學家最重要的功能是識別和準備正確的數據。根據CrowdFlower的一項調查，近80%的數據科學家每天都在清理、組織、挖掘和收集來自不同數據集的數據。在這里，對數據進行徹底檢查，然后對其進行分析和進一步工作。這是一個非常艱苦的過程，76%的數據科學家認為這是他們工作中最糟糕的部分之一。數據之爭要求數據科學家在維護日志以防止系統(tǒng)中的數據重復的同時，在不同的平臺上以不同的格式和代碼精簡TB級數據。

克服這一問題的最佳方法是采用基于人工智能的技術，讓數據科學家在其功能上保持敏銳和更強大。增強學習是另一種多功能的企業(yè)AI工具，可以幫助和協(xié)助數據準備，并提供對手頭問題的見解。

2、從多個來源生成數據

組織以各種格式從不同的應用程序、軟件和工具獲取數據。對于數據科學家來說，處理大量數據是一個巨大的挑戰(zhàn)。這個過程需要手動輸入和編譯數據，這非常耗時，并且可能導致重復或錯誤的決策。當數據被適當地用于企業(yè)AI的最佳功能時，它可能是最有用的。

企業(yè)可以建立具有集中平臺的智能虛擬數據倉庫，將所有數據源集成到一個地方。可以對來自中央存儲庫的數據進行控制或加重處理，以滿足和提高企業(yè)的效率。這個簡單的修復方法可以有效地節(jié)省數據科學家所需要的寶貴時間和精力。

3、識別業(yè)務問題

問題識別是穩(wěn)定運行的一個重要方面。在構建數據集和分析數據之前，數據科學家應專注于識別與企業(yè)運營相關的關鍵問題。在設置數據集之前，有必要找到問題的根源，而不是跳到機械的方法。

數據科學家可以在啟動任何分析過程之前維護受監(jiān)管的工作流程。工作流程必須考慮到所有業(yè)務利益相關者和關鍵方。特殊的儀表板軟件提供了一系列可視化小部件，可用于使數據對企業(yè)更有意義。

4、將結果傳達給非技術利益相關者

數據科學家的角色與業(yè)務策略相一致，他們的基本目標是改善組織中的決策。數據科學家面臨的最大挑戰(zhàn)是與企業(yè)高管溝通他們的結果或分析。大多數管理者或利益相關者都不了解數據科學家使用的工具和設備，因此，為了通過企業(yè)AI實現(xiàn)模型，向他們提供正確的基本理念至關重要。

數據科學家需要采用一些概念，比如數據講故事，為他們對概念的分析和可視化提供強有力的敘述。

5、數據安全

快速升級使組織轉向云管理來存儲其重要數據。云存儲受到網絡攻擊和在線欺騙的威脅，使機密數據容易受到外界的攻擊。為了防止這些網絡攻擊，已經實施了嚴格的法規(guī)來保護中央存儲庫中的數據。新的指導方針迫使數據科學家繞開這些新規(guī)定，使他們的工作變得更加復雜。

為了克服對安全的威脅，組織必須安裝高級加密和機器學習安全系統(tǒng)來保護數據。這些系統(tǒng)必須遵守所有安全規(guī)范，旨在避免耗時的審計，以提高運營效率。

6、高效協(xié)作

數據科學家通常與數據工程師一起為組織開展相同的項目。那么良好的溝通渠道是必不可少的，以消除任何沖突。組織機構應采取措施建立良好的溝通渠道，以確保雙方團隊的工作流程匹配。企業(yè)還可以設立一名首席執(zhí)行官來監(jiān)督兩個部門是否在同一條線上工作。

7、非特定KPI指標的選擇

有一種誤解，認為數據科學家可以獨自完成大部分工作，并為組織面臨的所有問題提供現(xiàn)成的解決方案。這給數據科學家?guī)砹司薮蟮膲毫Γ步档土似涞墓ぷ餍省?/p>

對于每個組織來說，有一套確定的指標來衡量數據科學家提出的分析是至關重要的。此外，他們必須檢查這些指標對業(yè)務運作的影響。

數據科學家的工作是一項具有挑戰(zhàn)性的工作，因為有各種的任務和要求。然而，其是當今市場上需求量最大的工作之一。數據科學家面臨的問題可以輕松地減少，以提高企業(yè)AI在苛刻的工作環(huán)境中的生產力和功能。

關鍵詞： 數據科學家 為智能企業(yè)AI準備數據 從多個來源生成數據 非特定KPI指標的選擇