導語

人工智能（AI）將會取代您的工作嗎？如果您曾在媒體上讀過關于普華永道和麥肯錫報告的報道，您的答案應該是肯定的。但是如果您閱讀了報告中的細節，那么答案有些微妙，甚至更樂觀。

麥肯錫《Harnessing automation for a future that works》這一報告中的執行摘要里有一句話表示：“雖然所有職業中只有不到 5％ 的職業可以利用科技完全實現自動化，但是大約有 60％ 的職業中有超過 30％ 的部分可以實現自動化。“ 對于我來說，這句話聽起來并不像是一些媒體所描繪的就業末日。事實上，如果我的工作中有 30％ 的部分是自動化的，那么我覺得我的工作效率將會提高很多。

此外，麥肯錫還表示：除了機器人之外，全球經濟實際上需要每一個人的勞動來克服發達國家和發展中國家的人口老齡化問題。換句話說，人力資源的過剩比人力資源的短缺更不可能發生。

那么，您該如何從不同的觀點中找到真相并解決對您業務的影響？

首先，請閱讀下面的研究報告

機器學習，人工智能中的一個子集，幾乎肯定會改變世界。它在過去 12 個月中所取得的進展證明了這一潛力。在 2017 年初，人工智能 Libratus 擊敗了世界上最好的職業撲克選手。 DeepMind 開發的 AlphaGo Zero 依靠自學成為了地球上最好的棋手。在去年 11 月， AlphaGo Zero 在不到 24 小時內成為了超越人類的國際象棋和將棋棋手。算法不僅變得更為強大，而且變得更加高效。

對于科技來說這顯然是一個激動人心的時期，但對于分析師來說，這是否就意味著將解散您的團隊并全力投入 AI ？我并不這么認為，事實上，我反對這個觀點。Tim Harford 認為， AlphaGo 實際上是一個特例，而企業越來越少參與到開創性的科學研究中。不僅如此，想要找到能夠成功運行機器學習項目的人才是一件非常困難的事。正如 “經濟學家” 雜志（“ Battle of the Brains ”）報道的那樣，大型科技公司在最聰明的那群人畢業前就已將他們納入企業中了。

在參加任何商務科技會議時，議程中都充滿了關于人工智能和機器學習的內容。在這些活動中，報告比上文所描述的尖端技術普通的多。目前的建議是從小的，明確定義的問題開始，這些問題可以對大數據集進行測試。這并不是因為專家們不夠聰明，而是因為現實世界中的商業應用程序還沒有媒體炒作的那么強大。

如果您不能參加像德國的 Hubb 或美國的 Strata 這樣的會議，我推薦您閱讀兩本關于人工智能的書籍，它們描述了一些有用的情況。Garry Kasparov 的 《Deep Thinking》 是關于他在國際象棋中對抗計算機的歷史，重點關注了 1997 年時他與深藍的比賽。Kasparov 在整本書中交織了他對人工智能及其對社會和商業的影響的樂觀看法。

與 Kasparov 的書形成一個很好對比的是 Cathy O’Neil 的《Weapons of Math Destruction 》。人們越來越擔心，在我們自問算法是否真的能幫助社會之前，它已經在我們的日常生活中蔓延（例如，教師評估和 You Tube 的兒童頻道）。她的書令人清醒并希望號召每個人和政治家來審查我們是否能及時更改規則以跟上技術的發展。

下一步該做什么？從數據開始！

不管炒作什么，企業都需要開始考慮人工智能，機器學習和自動化，而且必須從數據開始。數據是所有 AI 系統的基礎。但您首先需要有健全且成熟的數據管理實踐。您還需要出色的人員才能完成這項任務：您的員工需要能夠輕松分析數據并做出決策。如果這些沒有到位，轉向以人工智能為主的模型將會難以實現。如果人們不信任自己的數據，他們也不會相信 AI 的結果。

數據分析平臺不僅應該強大，而且對其負責的團隊必須具備良好的技能組合。傳統的技能需求已經改變。現在，您需要 “ Fuzzies ” 和 “ Techies ”，才能在與傳統分析師的對抗中取得成功。

當您在組織內部建立這種成熟平臺時，首先需要確定走在前沿的團隊。請問問自己，哪些團隊擁有高質量，大數據集和嚴格定義的問題？哪些團隊的分析成熟度最高？這就是開始基于人工智能決策的第一步，您應該擁抱而不是抵制人工智能，在這個過程中 AI 將會逐漸提高您的工作效率。

關于 AI 和機器學習，您是否也在懼怕著？認為人工智能會最終取代數據分析師的地位？不必迷茫，參與明天下午 2 點的網絡分享會！ Tableau 將為您答疑解惑，讓 AI 成為您最有力的伙伴！