FireEye、美国财政部和商务部被APT 29攻击

1. 展现新的市场机会

如今的机器学习功能使人们能够以前所未有的速度浏览以前无法访问的数据。当前的技术提供了机会来分析图像、语音或书面输入，而不仅仅是数字，从而帮助组织更好地在这些不同的数据集中找到联系。这可以通过多种方式产生价值并将其最大化。它不仅可以显著减少支出，而且还可以创造新的市场机会。以冠状病毒疫情为例，该算法可快速筛选大量数据，以识别出相似的疾病和可能的治疗方法，从而使这些方法易于针对冠状病毒进行测试。

机器学习的进步还帮助组织更好地利用其数据获利并建立新的收入来源。当然，在上面的例子中，患者信息不会以任何方式共享或出售，但是可以收集到其他非常有价值的数据点。这包括确定某种药物只对特定年龄段的人群有效，这对药物开发人员和医生至关重要。

新兴的人工智能数据处理协议比机器学习技术的先前迭代要快得多，由此产生的解决方案、发现和产生利润的结果也是如此。

2. 调和情感与现实

数据可以产生价值。而在以往，组织很难筛选大量数据并查明关系。虽然存在一些诸如回归和关联之类基本的工具，但是现在的分析要求真正了解所提取的数据的真正含义。那么如何将数据转换为可以讲述的故事?在通常情况下，决策是基于情感基础做出的。组织领导者可以使用数据来验证自己的直觉。现在，他们获得了更快的洞察力，可以果断地验证或否定他们的想法，同时也促使他们提出新的问题。因此，从组织的数据中获取意义提供了巨大的优势。

Khan说：“人类的本性是这样的，除非能看到它、触摸它、感受它，否则很难理解它。作为数据科学家，人们在简单地解释人工智能驱动的数据技术方面做得还不够好。用数据讲述故事或展示实际结果是真正的力量。”

3. 将人类的决策过程与事实联系起来

人们经常将数据与事实分开，并断言说“这就是事实”。神经网络将“人类决策过程”与这些事实联系起来，这是一种帮助人们做出更好决策的模拟实践。以前，人们将在孤岛中查看诸如人口统计、客户行为等数据集。但当这些多个数据集连接起来时，很明显没有两个人或两个客户完全相同。

现在，采用新技术使人们能够从事实层面理解趋势，然后对外扩展。在健康领域，一些公司正在利用这一关键知识来预测某人是否可能遭受某种病痛的折磨。它还允许更有效的“如果这样将会发生什么?”的场景。如果糖尿病患者注射胰岛素，那么他们的饮食和治疗方案就会改变，这使得高度个性化的医疗成为可能。但同样的过程、原则和益处在非健康类别以及所有行业中都适用。

4. 面向未来的强大数据供应链

从数据连接器到管道、从数据湖到统计模型、从人工智能到量子计算、从可视化故事板到数据驱动的自动化、从机器学习到自然语言处理再到神经网络等等，组织都有非常有效的方法来验证数据价值链。数据供应链相当复杂，要使其经得起未来的考验并更加强大，就需要从创建到消耗可操作见解的整个过程进行周密的处理。

它从数据采集开始，从许多内部和外部来源收集各种各样的大量数据，这些数据是以毫秒为单位生成的。一旦数据被识别和吸收，就需要把它带到一个中心点，在那里可以对它进行探索、清理、转换、扩充和丰富，最后建模以用于某个目的。然后是统计和启发式建模。这些模型可以是不同类型的，并使用不同的算法在不同的场景中产生不同的精度水平。然后需要对模型进行调整，并提供一个持续反馈、学习和监控的环境。最后是结果的可视化，通过绘制因果关系来突出显示影响最大的地方，从而进行解释。这得出了关于如何解决一系列问题或发现机会的结论。

Khan指出，“大多数组织都有一些数据，并利用这些数据推动不同级别的业务流程改进和战略决策。然而，很少有人充分利用数据。正确的数据估值和货币化方法可以发现无限的可能性，其中包括以客户为中心、运营效率、竞争优势、战略合作伙伴关系、高效运营、提高盈利能力和新的收入来源。”

5. 采用多媒体技术获利

到现在为止，很多组织已经能够编写算法，生成大量数值或书面数据并加以利用。但是，有大量的数据以图像或语音的形式出现，直到最近的技术发展，才易于处理和管理。视觉和听觉输入处理的应用是无止境的。零售和金融行业早先采用了这项技术，这是有充分理由的。这些行业组织看到成本下降，参与度上升，销售增加，并从其获利点中受益。

例如，一家大型百货公司现可以将在每天的视频数据实现数字化，并确定浏览牛仔裤的人数，但这些顾客不得不走得更远才能找到它。因此，百货公司可以将牛仔裤放在离店门和过道较近的地方，以确定其产品销售额是否增加。

甚至教育领域也在利用人工智能驱动的数据。这项技术将会追踪人们的眼睛运动情况，以辨别学生是否参与了由疫情而带来的远程学习模式。他们正在探索如何测量眼睛运动，以确定孩子是否真的在上课。

（编辑：揭阳站长网）

【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!