京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:Josh Krist, Staff Writer, Workday
在商业流行语中,人工智能似乎是最重要的。每个人都在谈论它,但是实际上有多少人理解它呢?阿贾伊·阿格劳瓦尔(Ajay Agrawal)在这一领域取得了令人难以置信的进步。 由Agrawal,Joshua Gans和Avi Goldfarb撰写的2018年一本书 《预测机器:人工智能的简单经济学》为企业领导者提供了有关如何实现人工智能(AI)价值的可行建议。
本书的作者解释说,就像便宜的电和光,得益于电力或便宜计算,那么更好更快更便宜的预测将摆脱业务模型和流程中的不确定性,并导致整个行业的重新构想。归根结底,AI有望成为具有多样性的变革性通用技术。
在2019年福布斯CIO峰会休息期间,我们在加利福尼亚半月湾一个有雾的下午会见了Agrawal ,并聊了他书中的一些主要学习内容。我们的谈话节选如下。
答:对于他们来说,我最好的建议是将AI视为降低预测成本。当预测或其他任何东西变得更便宜时,我们将使用更多的预测,并开始以更巧妙的方式使用它。
当我与首席执行官和CIO会面时,他们常常会说:“我们有25,000名员工,而我们从事的是这一行业。我们应该从哪里开始使用AI?” 答案通常很简单-您的数据科学小组。该团队已经确定了贵公司的预测问题,并以数字格式存储了数据,并将这些预测集成到了工作流程中。现在,他们要做的就是使用一些新的统计技术,如果有足够的数据,这些技术将生成更好,更快和更便宜的预测。
人工智能只能替代一件事,那就是人类的预测。
观察AI的另一种方式是通过重铸我们以前无法将其视为预测问题的问题,以一种可以通过AI解决它们的方式。例如,我们有很多来自大型组织的人力资源主管来到我们位于多伦多的Creative Destruction Lab,他们会说:“我们想弄清楚要寻找什么技能,我们应该雇用谁以及如何提高我们现有人的技能。” 然后,在单独的对话中,我们将听到业务领导者说:“我们在销售,市场营销和制造中都需要AI。除人力资源外,我们在大多数地方都需要AI。”
大多数人认为,由于HR是非常人性化的并且需要大量的情商,因此它不需要AI。错了,人们可以通过将诸如招聘和技能开发的某些方面的人力资源功能转换为一系列预测来利用AI,然后人们可以运用他们的判断力。
答:这真的很重要,因为很多人对此感到非常威胁。但是,人工智能只能替代一件事,这是人类的预言。
所有人类的预测都容易被机器所取代。但是,人类还有许多其他有价值的事情,它们是对预测的补充而不是替代。正如我们刚才提到的,判断力的一个方面是-人有判断力,而AI没有。人们在任何地方部署判决时,该判决的价值都会上升,因为我们可以将其应用于越来越高的保真度预测中。
这是一个比喻:假设有两名会计师面试同一份工作。其中一位非常擅长快速准确地将脑袋中的数字相加。另一位会计师的判断力很好,他擅长问一些聪明的问题,例如:“当利率上升四分之一时,我们的业务将会怎样?”
面试官可能对第一会计师说:“您具有宝贵的技能,可以快速,准确地将数字累加到您的脑海中,因此您将节省很多时间。” 对于第二人,面试官可能会说:“拥有这种判断能力真是太好了,但是每次您提出一个聪明的问题时,我们都需要三天的时间来回答。这是很有趣的技能,但它的价值有限。”
然后是电子表格,由于机器均衡,第一个人的价值下降了。快或慢将数字加起来都没关系。该机器比任何人都更快,更准确。
然而,第二会计师仍然有良好的判断力。他的价值不断提高,因为现在每次遇到一个聪明的问题时,他只需要在电子表格中更改一个单元格即可找到答案,而不是花三天时间回答问题。
答:是的,判断可以量化。如果机器能够观察到足够多的人根据其预测采取行动,那么它就可以开始推断我们的判断并进行预测。但是,这总是一场军备竞赛。随着AI观察到许多判断,并将其转化为预测,然后我们可以将判断应用于这些预测。审判将仍然是人类的游戏。
答:我最近在东京,对这么多大型国际公司用日语开展业务感到惊讶。甚至他们的高级管理人员也不会说英语,因此很多次会议期间都必须有口译员在场。我想:“哇,我们在语言上确实很分离。当我们最终获得可以即时翻译的商业级翻译器时,这些障碍将逐渐消失。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28