瞭解如何運用資料科學發展敏捷 AI

三個在筆記型電腦周圍的圖示

何謂資料科學,為何它如此重要?

 

資料科學是一種使用演算法、方法和系統,從結構化與非結構化資料中,擷取知識與洞察的過程。它會使用分析機器學習來協助使用者做出預測、提升優化程度,以及改善營運狀況並做出更好的決策。

現在的資料科學團隊可望回答許多問題。企業需要根據這些工具所支援的即時洞察分析,做出更好的預測與優化情況。

資料科學生命週期起始於,從相關來源收集資料、清理資料,並將其轉換為機器能懂的格式。到了下一個階段,就會使用統計方法和其他演算法來尋找模式和趨勢。然後程式設計出用來預測和預視的模型,最後再解譯分析結果。

AI、機器學習和自動化的進步,提高了企業資料科學工具的標準。因此造就出資料科學團隊,包括資料科學家、公民資料科學家、程式設計師、工程師以及業務分析師等專家,在各個事業單位中堅守崗位。

資料科學的商機龐大。自動處理冗長的資料科學作業(例如資料準備),以及加強分析建立模型,無編碼經驗也行 (00:21),讓企業保持敏捷與創新的能力。自動執行資料科學生命週期,讓專家資料科學家更有餘裕處理專屬領域中更有趣和創新的地方。人工智慧結合資料科學技術和自動化功能,協助企業讓資料發揮更大的價值。

資料科學

 

到了 2025 年,50% 的資料科學家活動將由 AI 代為自動化處理,緩解嚴重的人才短缺問題。IBM 提供 AutoAI 以自動化處理資料科學與 AI 生命週期的管理作業。

80%

資料科學家的時間花在尋找、清理和組織資料上**

#1

資料科學家是 2019 年最有前途的職務***

為什麼資料科學在現今很重要?

隨著社群、行動和裝置資料的數量和種類繁多,加上新的技術和工具問世,現今的資料科學 (03:43) 比過去擁有更廣泛的用途。企業將資料科學與 AI (06:13) 視為技術支援的策略。為了讓資料科學更能發揮作用,它的完整生命週期不僅要支援傳統分析,還要能搭配現代應用程式運作。也就是說,資料科學實務的發展必須超越例行的繁瑣作業,因為資料科學家 85% 的時間都是花在清理、形塑和移動兩處的資料,這通常可拿來養成機器學習訓練。他們只有少數的時間可以尋找模式和趨勢、建立模型、預測和預視以及解讀結果。

所幸還有補救辦法。最近現代資料科學已經開發了 AutoAI 功能,可自動執行資料科學生命週期的資料準備與建模階段。現在,不僅越來越多的資料科學家可以發揮他們原有的專業技能,也有越來越多的企業從資料科學中獲益,可以從預測走向優化

資料科學的大問題

  • 接下來我們會失去哪 1000 名客戶,為什麼?
  • 我們應該在哪裡建立新的資訊站或新的商店?
  • 我們最有可能失去哪些高績效員工?
  • 如果產品訂價不同,是否節省成本?
  • 我的團隊是否把對的產品介紹給對的人?

→ 閱讀 AI 使用案例報告

→ 觀看 AI 教戰手冊網路研討會(IBM 外部鏈結)

 

透過資料科學邁向成功

以下是企業運用資料獲得競爭優勢的方法:

客戶體驗

大型客服中心技術提供者運用資料來改造客服中心的體驗,並從客戶獲得寶貴的洞察。

預防保健

一家臨床急診中心尋求資料科學家的協助,幫助他們積極監控並採取預防行動,提高病患的生存機會。

風險管理

如果一個銀行模型不精確,就會引起毀滅性的後果。一家大銀行運用資料科學來加強風險緩解作用,降低錯誤模型造成的風險。

安全和可靠性

一家全球最大的汽車製造商運用資料科學來分析駕駛行為,並設計出更好、更安全、更可靠和個人化的汽車。

客戶忠誠度

一家英國龍頭零售商使用資料科學來擷取可行的洞察結果、優化促銷活動,並讓逾 1500 萬名忠誠持卡人增加累計支出。

相關產品與供應項目

IBM Watson Studio

IBM Watson® Studio 提供各種工具,可以更輕鬆地和配合地運用資料,以便大規模建置及訓練模型。讓您能靈活地在資料原地建置模型,並在混合式環境中隨處部署,讓資料科學能更快地運作。

IBM Watson Visual Recognition

IBM Watson Visual Recognition 運用 Watson API 的深度學習演算法,分析場景、物件和面貌的影片和影像。使用訓練有素的視覺內容模型,協助加快成效。

IBM Cloud Pak for Data

IBM Cloud Pak™ for Data 可協助您運用多雲端平台來收集、組織及分析資料。這奠定了值得信賴的分析基礎,讓資料更容易存取,並協助您運用 AI 隨需進行大規模洞察分析。

IBM Decision Optimization

IBM Decision Optimization 提供使用數學和運算科學的工具,協助資料科學家得出最好的機器學習決策。現在,決策優化模型可以更輕鬆地部署作為 Watson Machine Learning 的服務。

IBM Watson OpenScale

IBM Watson OpenScale™ 會針對隨處建置及執行的模型,透過 AI 追蹤及測量整個生命週期的結果,並讓 AI 根據不斷變化的商業情勢進行調整及控管。

深度學習

IBM Watson Studio 內的深度學習服務可協助資料科學家設計出視覺化的神經網路,橫向擴充執行的訓練,同時只要支付所用的資源即可。

IBM SPSS Modeler

IBM SPSS® Modeler 能讓企業使用拖放式資料科學,加速生產規模的模型創造價值的時間。

IBM Watson Studio Desktop

Watson Studio Desktop 可協助任何人隨時隨地開始使用、建置模型,並透過桌上型電腦進行部署。

IBM Watson Machine Learning Accelerator

Watson Machine Learning 可在多租戶、分散式環境中擴大部署機器學習和深度學習模型。

Watson Studio Premium

IBM 在雲端原生資料和分析平台中結合了預測與規範分析,讓一家組織藉由使用資料科學與 AI 加速創造價值的時間。Watson Studio Premium for IBM Cloud Pak for Data 可協助帶來豐厚的投資報酬(PDF,1.6 MB)

解決產業問題的資料科學解決方案

醫療業

從臨床實驗、病患資料等更多資訊中發掘洞察:

  • 預期健康問題,並運用警報通知拯救生命
  • 減少誤診
  • 識別症狀模式
  • 去除處方藥物的風險

銀行業

運用創新的機器學習支援混合雲應用程式,加速客戶服務:

  • 現場即時回答貸款申請的問題,成功達成銷售
  • 建置行動信用評分應用程式
  • 讓客戶滿意,衝高營業額

製造業

運用機器學習技術支援製造自動駕駛汽車:

  • 運用機器學習訓練自動駕駛汽車感應器
  • 大規模降低生產成本
  • 讓無人駕駛汽車價格更親民,乘坐更安全

電腦服務

實現 AI 輔助機器人程序自動化 (RPA):

  • 協助員工專心籌備策略性活動
  • 運用 Watson Machine Learning 擴大 RPA 投資
  • 讓 RPA 解決方案開發速度加快 20%

媒體與娛樂

運用機器學習提供更快更深入的電視觀眾洞察分析:

  • 加速洞察更複雜的觀眾資料
  • 可以隨需求變化輕鬆快速地擴充
  • 專心經營企業實踐

教育

善用學生資料、課程、問卷調查、測驗等等:

  • 支援個人化規劃、追蹤及通曉資料的顧問
  • 識別學習差距
  • 提高學生準備程度

資料科學成功案例

整合開放程式碼資料科學工具,同時滿足安全需求

運用資料科學與機器學習控管模型的風險

運用資料科學和 AI 重新定義粉絲體驗的未來

為離線光學閱讀機 (OCR) 訓練及部署深度學習模型

運用快速信用風險評估,加速客戶服務並控管風險

運用資料科學打擊犯罪:在對的時間將對的資源部署至對的位置

運用資料科學與機器學習,維持野生動物族群數量正常

運用機器學習進行品質管理,讓工廠智慧升級

歐萊禮媒體 (O’Reilly):商業敏捷 AI

AI 將在未來十年帶來預計 $13 兆美元的全新商業價值。但是現在卻沒有實作 AI 的標準作法,也難以減輕專案失敗的風險。向 Carlo Appugliese、Paco Nathan 及 William S Roberts 專家取經,進一步瞭解敏捷 AI 實務,並讓您的團隊朝勝利邁進。

*2019 年 3 月 Gartner 研究顧問公司「如何選擇對的資料科學與機器學習平台」

**2018 年 8 月哈佛商業評論「35 位資料科學家揭露他們真正在做的工作

***2019 年 1 月 TechRepublic「為什麼資料科學家是 2019 年最有前途的工作