工作场所数字化转型的4个步骤

让我们直线潜水。

1.增强情报

组织不应完全寻求用算法和数据代替人类决策；相反，他们应该努力使用增强的情报。

增强情报是指使用数据驱动的见解和建议，以帮助人类做出改进的决策。需要明确的准则，即何时使用数据科学，使用/不使用的数据以及如何使用数据科学。这种清晰度还将确保数据的透明和道德使用。

2.数据科学的整体方法

组织应专注于为数据科学开发整体方法。这包括应用数学，技术，业务敏锐度，设计思维和解决问题的联合应用，以获得最大的收益。

这些不应被视为单独的技能。设计思维方法，例如以人为本的设计（HCD），有助于使数据科学学科带来同理心。

设计思维，解决问题和业务敏锐度也有助于弥合分析师和高管之间的差距，因为他们能够说通用语言。大学还需要协调他们的课程，以发展学生的技能，以确保毕业的数据科学家已经准备好行业。

3.透明解决方案

组织应专注于开发可以通过人类判断来解释和支持的解决方案。在串联中使用描述性，诊断，预测性和规范性分析有助于创造透明度并实现更好的业务成果。

可视化可以帮助企业更好地了解其数据和数据驱动的决策。探索性数据分析有助于解释数据科学模型中使用的驱动因素。此外，这还有助于确保驾驶员解释没有业务意义的因果关系（而不仅仅是相关性）。

4.实验心态

在踏上数据科学之旅时，公司应采用实验性思维方式而不是大爆炸方法。

正如惠特·安德鲁斯（Whit Andrews）所建议的那样，‘不要陷入主要寻求艰苦成果的陷阱，例如直接财务收益，并通过AI项目。建议数据科学项目应从较小的范围开始，例如流程改进或客户满意度。

数据科学家需要一个孩子般的好奇心，以从数据中提出正确的问题，并尝试各种可能性。

其他资源

加特纳。（2018年2月13日）。加纳说，将近一半的CIO计划部署人工智能[新闻稿]。从...获得https://www.gartner.com/en/newsroom/press-releases/2018-02-13-gartner-says-nearly-hally-half-of-of-cios-are-are-are-planning to-deploy-nater-nater-nater interligence

tedxiemadrid。（2017年7月19日）。数据科学家Jose Miguel Cansado Tedxiemadrid（视频文件）的最重要技能。从...获得https://www.youtube.com/watch?v=qrhrfpy4f4w

如果有人折磨数据（是否打开），它将承认任何事情。
保罗·马格拉西（Paolo Magrassi）