(本文独家发布在金蝶云社区上)

最近的一项调查研究了公司如何实践他们的人工智能和机器学习计划并衡量他们工作的复杂程度。

正文

有一篇基于真实调查的研究报告，名为“How Companies Are Putting AI to Work Through Deep Learning（点开链接即可获取），它主要是帮助领导者更好地理解一个组织机构该如何通过深度学习技术来应用人工智能。报告里指出，在未来一年到一年半的时间，许多公司都正在计划使用深度学习。然后在2018年，Ben Lorica和Paco Nathan又做了一个跟踪调查，以确定各大公司的机器学习以及AI的计划是否具有可持续性，调查结果在这里Evolving Data Infrastructure,下面是这篇报告的简述。

当前的人工智能和机器学习方法和技术依赖于大量的数据—特别是标记的训练数据。为了实现长期的人工智能和机器学习实施，公司需要拥有数据基础设施来收集，转换，存储以及管理数据。一方面，我们想看看公司是否在构建一些关键组件。 另一方面，我们想要衡量他们使用这些组件的复杂程度。换句话说，我们是否可以看到从历史遗留案例（可能是某些商业智能）向数据科学项目实践转变的路线图，以及从那里得到更大量的部署人工智能所采用必须的工具？

以下是在问卷调查中发现的一些值得注意的现象：

• 许多公司对待机器学习技术和人工智能保持着很严肃的态度。其中百分之五十八的受访者表示他们正在研发或评估数据科学平台解决方案。 对于那些热衷于发展数据科学团队和机器学习能力的公司来说，数据科学（或机器学习）平台是至关重要的。

• 许多公司都正在开发或者评估在数据分析和人工智能方面能够持续成功所需要的基础性技术解决方案。他们包括数据集成，数据抽取，数据转化和数据加载（百分之六十的受访者表明他们正在开发或者评估相关解决方案），数据准备与数据清洗（百分之五十二），数据管控（百分之三十一），元数据分析与管理（百分之二十八），以及数据沿袭管理（百分之二十一）。

• 目前在人才市场上，各大公司对数据科学家和数据工程师需求非常旺盛。 当用人单位被问及哪些是其团队需要加强的数据相关的主要技能时，百分之四十四的受访者选择了数据科学，百分之四十一选择了数据工程。

• 许多公司正在云端构建数据基础架构。其中百分之八十五的公司表示他们在我列出的七个云计算供应商中，至少在其中一个上面拥有基础数据设施，其中三分之二（63％）使用了亚马逊网络服务（AWS）来部署部分的数据基础设施。我们发现AWS，Microsoft Azure和Google Cloud Platform（GCP）的用户倾向于使用多个云计算提供商。

关于Evolving Data Infrastructure

公司如何使用或探索人工智能，大数据和云计算以实现高阶数据分析和自动化？在2018年10月进行的O’Reilly调查中，全球超过3,200家公司（主要位于北美，欧洲和亚洲）展示了他们在追求复杂的基于云计算的数据解决方案方面的工具，技术和实践选择。

在本报告中，数据科学专家Ben Lorica和PacoNathan分析了调查结果，揭示了公司如何在云端上使用，构建或评估基础数据架构。 一组受访者已经拥有了基于云计算的数据架构很多年，而另外一组受访者仍在探索其可能性。目前构建基于云端的基础数据架构的早期采用者代表了这三个群体中最大的一个。