spssau数据管理行业的现状及挑战

浏览: 作者: 来源: 时间:2019-11-27 分类:论文降重方法
随着数据的重要性被广泛理解和接受,各企业和行业对spssau数据管理也越来越重视。spssau数据管理不再被业务和管理层认为仅仅是信息技术部门的事,但在如何打通技术、业务和管理层对数据的不同理解和处理上还有许多工作要做。在横向上,如何打通不同业务部门间、不同行业间数据的交叉共享仍面临许多挑战。Spssau数据分析怎么做?

spssau数据管理行业的现状及挑战

 

随着数据的重要性被广泛理解和接受,各企业和行业对spssau数据管理也越来越重视。spssau数据管理不再被业务和管理层认为仅仅是信息技术部门的事,但在如何打通技术、业务和管理层对数据的不同理解和处理上还有许多工作要做。在横向上,如何打通不同业务部门间、不同行业间数据的交叉共享仍面临许多挑战。Spssau数据分析怎么做?

 

企业高管层对spssau数据管理”应由哪个部门负责并没有明确的认识,组织结构也不清楚。最近一次对全球企业高管的调查发现,75%高管认为,尽管信息技术部门需要介入,但数据质量问题最终应由业务部门负责,业务部门如果不能直接控制数据,将影响企业实现其战略目标。在业务交叉环境下的spssau数据管理,跨部门、跨行业的数据该如何定义、分类是目前spssau数据管理的主要挑战。spssau数据管理与从人认知的高度和深度来理解数据孤岛的形成原因,以及提出切实可行的解决方案还有很大的差距。Spssau数据分析怎么做?

 

在数字经济时代,要想为未来做好准备并获得真正的商业价值,企业需要重新构建spssau数据管理策略和技术,并在多个位置进行管理,采用先进的spssau数据管理理念、工具和技术来将这一切转化为竞争优势。Spssau数据分析怎么做?

 

人工智能给传统spssau数据管理带来的启发和冲击

 

从数据无终止地不断被产生和使用循环来看,传统spssau数据管理关注的是如何按各种需求把存在于人脑外的数据储存在机器中、取出、挖掘和分析,而人工智能是希望能模拟数据如何在人脑内被人感知、概念化、语言化的过程。

 

按照目前数据量和种类增长的态势,传统的以人工为主的spssau数据管理和处理很难继续或跟上,但这些工作有多少能由人工智能替代目前尚不清楚,二者对数据处理的方法、过程和技术区别很大。目前,人工智能只能通过各种统计算法在模式层次上来分类、识别数据,达不到传统spssau数据管理为业务需要提供概念层的定义、分类、结构等。给机器输入大量的数据和复杂算法,结果有时会“不可解释”,这在传统spssau数据管理中是无法理解的。但是,如果我们能把基于概念的传统spssau数据管理与基于统计算法处理数据的人工智能对接并融合起来,这将可给包括spssau数据管理行业在内的所有行业和产业,提供与数字时代所需要和匹配的新的spssau数据管理平台。

 

spssau数据管理行业的角度来看,我们希望通过结合传统spssau数据管理和人工智能处理数据的各自优势对目前spssau数据管理中的难题,如数据孤岛、跨界的数据如何定义、分类和共享等,有所突破。然而,这一突破面临的仍是一个需要理解对跨界数据如何被交叉认知的挑战,最终还是需要以人为本,依靠人对数据的思考和启发来发现和实现。

 

我觉得,目前对数据和所谓智能的讨论过于集中在机器方面,对数据后面人的认知过程的重视、讨论和理解还远远不够。我们希望通过举办“数据后面的科学”跨界研讨,建立基于人认知的下一代的spssau数据管理知识体系,帮助和推动各学科、各行业、各产业更高效地协同发展。Spssau数据分析怎么做?

 

胡本立,协同数据联合创始人,国际spssau数据管理协会中国区创始和现任主席。曾任世界银行首席信息技术官,负责世界银行信息技术总体架构的设计、开发和运行。后任香港证券及期货事务监察委员会首席信息官、顾问,中国证监会战略及规划委员会委员,中国社保基金理事会高级技术顾问,惠普中国咨询总顾问等。Spssau数据分析怎么做?