Better Data提出的背景是基于Big Data,它强调的是数据的有用性,这也成为了Big Data未来必然的发展方向。但是,Bradlow教授认为分析数据的主体是那些有经验的数据科学家,但是人工智能的快速发展让人们看到了另外的一种可能。
Alphago与李世乭的围棋对垒在人工智能的发展史上颇具意义,它第一次让最大范围的消费者看到了人工智能的魔力,也将这一技术从实验室带到了真实的世界中。当Google和百度等巨头纷纷布局人工智能时,一种“人工智能+”的氛围开始逐步形成。而具体到数据领域,就诞生了“智能数据”这样一个概念。
在Chinapex创略CEO Jimmy Hu看来,智能数据是“真正能够应用于解决实际问题的数据子集”。通俗地来讲,过滤大数据中“噪音”的主体变成了人工智能。通过机器的深度学习,那些能够解决实际问题的数据自动地被筛选出来。
智能数据的好处显而易见:能够更快地提高解决问题的效率,也能更加轻量级和灵活地搭建解决方案,在同等条件下成本更低。更重要的是,机器学习的潜能是趋近无限的,在不断的训练中它还能对特定的业务问题提供更深入、快速和精准的洞察。
大数据的倡导者常常表示,我们把与数据交流的困难看做理所当然,所以为了让分析变得简单,而选择将数据量缩减到最少。但凭借人的经验对数据进行筛选往往会让那些富含价值的数据流失,而智能数据刚刚平衡了两者间的关系:通过让机器进行分析筛选,既防止了数据流失,又保证了分析的简单易用。
但具体到各个环节,如何实现数据的智能化处理呢?
一般来说,智能数据的收集不再追求“大而全”,它将变得更加目的导向。通过技术解决方案供应商提供的工具,企业能够根据实际问题决定哪些数据需要被收集。
到了分析环节,机器拥有了更宽的运行空间,它们不再被人为的逻辑和算法框死,拥有更多的自由裁量权。但与此同时,Chinapex创略首席科学顾问Laurent EL Ghaoui表示“机器学习和AI正推动人机共生的增长,机器智能做体力活获取洞察,人类做策略性的思考......每一方(人或机器)去做他们最擅长的事。“所以,智能数据并不追求也不可能取代人力,相反,它更需要机器和人之间更加紧密地互动与配合。
因为大部分的数据价值在于使用,而非占有本身,所以最后的应用环节颇为重要。在互联网瞬息万变的环境下,数据的价值只能通过更快的响应才能彰显。因此,在智能数据的构想中,下一代的智能数据平台应该与“行动系统”实时联通。当数据达到了此前设置的某些规则设定时,企业的行为会被自动触发。譬如当某些房产购买者的数据触达到高净值用户的标准时,相关线索就应该自动被推送到销售人员手中及时跟进。