換個「資料科學」(DS)腦袋

馬雲在《未來已來》這本書中提到
「人類正在從IT(資訊科技)時代,走向DT(資料科技)時代。」
(IT, Information Technology, 資訊科技;DT, Data Technology,資料科技)
(其中的「資料科技」(DT),主要就是在談「資料科學」(DS, Data Science)
以下就以「資料科學」
(DS)進行說明)

「資料科學」(DS)能夠做甚麼?
以準備統計學考試為例
如何只做70題的題目
學習效果比做700題題目還來的好?

答案就在「資料科學」(DS)(背後的AI人工智慧)

想像一下
有一個線上測驗的考試平台

同學在做題目時
該平台能對同學作答的時間、計算的過程、答題的結果
進行即時性的分析
以了解同學的程度
判斷同學不會的地方

之後
再給予同學「量身訂製」的「下一題」
協助同學徹底了解不懂之處
或是讓同學能依系統的個人化推薦
循序漸進且有效地學習完所有範圍的理論

在這套系統下
不同背景、不同程度的同學
有人可能只要做70
有人則可能要做300題、500
但無論做幾題
都能達到練習700題應有的成效

其實
要完成以上的平台
概念上並不難
以前的問題在於技術
但自2012年深度學習(Deep Learning)相關技術有了重大突破之後
只要擁有一套完整的學科學習地圖
並擁有大量有效的題庫
再配合大量的樣本對平台進行測試
就有機會建置出以上的學習測驗平台

只是
有了「資料科學」(DS)的概念還不夠
在企業經營管理實務上
要落實此概念
還有許多瓶頸需要克服

我們以「資料科學」這四個字為例
將「資料科學」拆開
企業會面臨「資料」的瓶頸與「科學」的瓶頸

在「資料」的瓶頸方面
對於多數的企業來說
其實並沒有多少「資料」可以進行分析

對於擁有「少數資料」的企業來說
所需要用到的「科學」
可能不用很複雜(例如用Excel就足夠處理)
所以無需做到「資料科學」

而對於一些擁有「大量資料」的企業
也可能會因為主管們沒有概念

而不清楚自己的「資料」多有價值

至於在「科學」方面的瓶頸
對於大多數企業來說
沒有足夠、適合的資料科學家
來協助分析
則是最大的問題

也因為以上的瓶頸
「資料科學」要真正普及到商業界
還有一段路要走

但無論如何
身為主管的我們
至少可以先從
換個「資料科學」(DS)腦袋開始

加油!

Peter

arrow
arrow

    Peter 發表在 痞客邦 留言(0) 人氣()