Vào năm 2020, hãy tạo ra giá trị: hãy nhanh nhẹn và đi vào sản xuất. Bởi Laëtitia Bienvenu, Quản lý dữ liệu tại Publicis Sapient
Giá trị của dữ liệu nằm ở khả năng tận dụng dữ liệu để quản lý tốt hơn hoạt động kinh doanh và phát triển các sản phẩm tạo ra giá trị. Để làm được điều này, cần có ba thành phần:
nhận thức trong toàn bộ tổ chức về sự đóng góp của dữ liệu và hỗ trợ quản lý, phối hợp làm việc với các bên liên quan, đưa các dự án vào sản xuất (mô hình).
Tuy nhiên, dành quá nhiều thời gian để cố gắng thu hút mọi bên liên quan đến sản phẩm cuối cùng có thể ngăn cản các dự án này đi vào sản xuất và do đó không thể hiện được giá trị gia tăng của sản phẩm. Ngoài ra, khoa học dữ liệu phải được hưởng lợi từ các khái niệm Agile: lặp đi lặp lại và có được các sản phẩm và chức năng hữu hình
nhanh chóng khi kết thúc nước rút.
Đồng thời, không thể bỏ qua các đặc điểm cụ thể của khoa học dữ liệu (so với phát triển): khoa học dữ liệu có một thành phần khám phá, trong đó bạn phải xử lý dữ liệu không xác định sẽ dẫn đến kết quả không chắc chắn.
Khoa học dữ liệu có thể thu được một số lợi ích từ phương pháp Agile:
tạo ra một lộ trình dựa trên nhu cầu và mục tiêu mang lại cho các bên liên quan cái nhìn tổng quan và hiểu biết về chi phí liên quan đến từng mục tiêu, giúp các nhà khoa học dữ liệu tích hợp chúng với tốc độ tương tự như phần còn lại của nhóm sản phẩm / chương trình và do đó điều chỉnh các mục tiêu về khoa học dữ liệu và kỹ thuật để tránh không tương thích với công việc sản xuất trên MVM (Mô hình khả thi tối thiểu), mô hình tối thiểu và hiệu quả cho phép xác nhận phương pháp tiếp cận sản phẩm và thu thập phản hồi của người dùng để tối ưu hóa liên tục mô hình
Sự thích ứng của nhanh nhẹn với khoa học dữ liệu không chỉ giới hạn trong việc hợp lý hóa vòng đời phát triển mà trên hết là sự phù hợp của nhóm khoa học dữ liệu với các tác nhân khác nhau của dự án về các mục tiêu của công ty.
Làm việc dựa trên khả năng diễn giải của hệ thống khoa học dữ liệu để cải thiện niềm tin của người dùng. Bởi Jean-Luc Tromparent, kiến trúc sư dữ liệu và khoa học dữ liệu chủ sở hữu sản phẩm tại HelloWork
Nếu CNIL đã chứng kiến sự bùng nổ của các khiếu nại sau khi bắt đầu áp dụng GDPR, thì điều đó chủ yếu là do mức độ nhạy cảm của người dùng đối với tương lai của dữ liệu của họ ngày càng trầm trọng và các trường hợp vi phạm dữ liệu khác nhau sẽ góp phần rất lớn vào việc này. Tương tự như vậy, sự tiết lộ của giới truyền thông về thành kiến phân biệt giới tính, cho dù đó là một đợt tuyển dụng AI tại amazon hay phép tính hạn mức tín dụng cho thẻ apple, làm suy giảm niềm tin của công chúng vào hệ thống khoa học dữ liệu. Trong bối cảnh này, các công ty sẽ cẩn thận để không thấy các khoản đầu tư vào dữ liệu của họ bị hủy hoại bởi sự từ chối của người dùng.
Đối mặt với thách thức này, các chuyên gia trong lĩnh vực này đang nỗ lực xây dựng và củng cố niềm tin của người dùng, đặc biệt bằng cách phát triển khả năng diễn giải của các khuyến nghị từ hệ thống học máy. Xu hướng này dự kiến sẽ tiếp tục vào năm 2020, khi nhu cầu về khả năng diễn giải ngày càng được tích hợp vào các dự án khoa học dữ liệu ngay từ đầu. Trong khi sự chuyên môn hóa của các thành viên trong cơ sở dữ liệu sẽ tiếp tục hơn nữa, chúng ta cũng có thể hình dung ra mối quan hệ hợp tác với các chuyên gia thiết kế sản phẩm và tại sao không thấy sự xuất hiện của các vai trò của Nhà thiết kế AI eXperience, đại sứ của người dùng ở ngã ba của các kỹ thuật giải pháp và kỹ năng của thiết kế UX sẽ có thể loại bỏ những trở ngại đối với việc áp dụng các hệ thống AI.
Siêu cá nhân hóa VS Quy định bảo vệ dữ liệu. Bởi Alexandre Millet-Bassez, cố vấn cho Công nghệ Ntico
Ở đây, chúng ta đang phải đối mặt với một tình thế tiến thoái lưỡng nan mà không bao giờ có thể xảy ra sớm! Người tiêu dùng muốn có một mối quan hệ được cá nhân hóa với các thương hiệu yêu thích của họ nhưng cũng muốn được bảo vệ nhiều hơn đối với quyền riêng tư và do đó là dữ liệu cá nhân của họ.
Kể từ giữa năm 2018, GDPR đã bắt buộc những người chơi trong lĩnh vực này tuân thủ các quy tắc được thiết lập đồng thời, những tiến bộ công nghệ giúp cho việc thu thập, lưu trữ và xử lý dữ liệu ngày càng nhiều hơn, do đó giúp tăng mức độ phù hợp. -trình khách hàng. Trong bối cảnh chuyển đổi kỹ thuật số mà các công ty đang trải qua trong tất cả các lĩnh vực, tại thời điểm siêu cá nhân hóa hàng loạt nhờ vào AI, với việc cải thiện trải nghiệm khách hàng như Chén Thánh, rất khó để đặt con trỏ vào giữa hai điều này các giáo điều, đặc biệt là khi nhiều giáo điều vẫn không phù hợp sau khi 1 năm rưỡi áp dụng.
Tuy nhiên, các quy định khác nhau về Bảo mật dữ liệu sẽ có hiệu lực vào năm 2020 (CCPA cho Hoa Kỳ, LGPD cho Brazil, PDPA ở Thái Lan, v.v.) sẽ không tạo thuận lợi cho thỏa thuận quốc tế, trong một thế giới ngày càng toàn cầu hóa … Happy New Năm 2020 cho CTO, DPO và CMO! lời chúc tốt nhất đến tất cả các bạn.
Các nhà khoa học dữ liệu sẽ vẫn cần thiết trong các công ty, bất chấp sự tiến bộ của các công cụ. Bởi Purnima Ravi, Giám đốc Hoạt động Dữ liệu tại PrestaShop
Với một hệ sinh thái xoay quanh Khoa học dữ liệu tiếp tục phát triển, bao gồm các công cụ ngày càng mạnh mẽ và các ứng dụng ngày càng có khả năng, dễ sử dụng và tự chủ, người ta có thể tự hỏi liệu thời hoàng kim của Khoa học dữ liệu trong các công ty có bị đe dọa hay không. Ý kiến của tôi là không. Nếu các công cụ có thể giúp tăng tốc quy trình, tự động hóa nhiều tác vụ và làm cho mọi người có thể tiếp cận các kết quả phức tạp nhất, chúng không được thiết kế để thay thế con người, mà để giúp họ: các nhà khoa học dữ liệu, do đó, tôi nghĩ, sẽ cần thiết hơn hơn bao giờ hết trong kinh doanh để đưa ra hướng theo dõi và thí điểm các công cụ mới này.
Năm 2020: (cuối cùng) năm của dữ liệu lớn và các mô hình dự báo cho doanh nghiệp? Bởi Vincent Guillory, nhà thống kê và người sáng lập Beyond the Numbers
Đi sau một chút so với các quốc gia cạnh tranh, các nhà ra quyết định của Pháp theo phong vũ biểu dữ liệu lớn hàng năm (EBG, Micropole và Qlik) đã thừa nhận AI là cơ hội chính trong năm nay với 3 Bàn thắng :
Tạo cơ hội kinh doanh mới Hiểu rõ hơn về khách hàng của bạn và hành trình của họ Cải thiện hiệu suất hoạt động
Chính trong bối cảnh tăng trưởng dữ liệu liên tục này, các dự án kết hợp Dữ liệu lớn và Trí tuệ nhân tạo đang nổi lên ở các công ty Pháp nhằm giành lại lợi thế cạnh tranh bởi vì theo một nghiên cứu của IDC tại Pháp, một nửa số công ty tuyên bố rằng họ sử dụng dữ liệu lớn, chỉ 10% sử dụng các mô hình phân tích dự đoán…
Xử lý dữ liệu ở cấp địa phương để có thêm khả năng phản hồi và bảo mật. Bởi Pascal Ehrsam, CMO của HEROW
Với ngày càng nhiều dữ liệu được thu thập bởi smartphones thông qua các cảm biến tích hợp – gia tốc kế, con quay hồi chuyển, nhận dạng khuôn mặt… – thế giới di động phải đối mặt với hai vấn đề lớn: thiếu bảo vệ dữ liệu và độ trễ. Những rủi ro đầu tiên suy ra dữ liệu nhạy cảm và / hoặc dữ liệu cá nhân bằng cách hợp nhất chúng với các thuật toán. Điều thứ hai cho thấy việc truyền dữ liệu ổn định và nhanh chóng bị cản trở, ngay cả khi có sự xuất hiện của 5G.
Do đó, giải pháp bao gồm xử lý khối lượng dữ liệu trực tiếp trong thiết bị đầu cuối của người dùng bằng cách triển khai các giải pháp loại học máy. Apple và Google hiện cung cấp cho các nhà phát triển các khuôn khổ chuyên dụng để phân tích và xử lý dữ liệu được thu thập bởi các cảm biến để xây dựng các mô hình cục bộ, an toàn và bảo mật trong điện thoại thông minh. Ví dụ mới nhất là trường hợp của Sonos. Bằng cách mua lại công ty khởi nghiệp Snips của Pháp, công ty Mỹ giờ đây sẽ có trí tuệ nhân tạo của riêng mình và không còn phụ thuộc vào điện toán đám mây, do đó cung cấp giải pháp tôn trọng 100% quyền riêng tư của người dùng.
