详细内容或原文请订阅后点击阅览
None
None
来源:KDnuggets简介
您无需成为数据科学家即可从数据科学和人工智能 (AI) 中受益。但是，您应该了解这些技术可以做什么、它们可能在哪里失败以及如何评估它们的输出。
在使用数据科学和人工智能工具几年后，我注意到人们常常从技术而不是问题开始。他们希望在决定要改进哪些决策之前训练模型、引入聊天机器人或构建人工智能应用程序。
对于大多数专业人士来说，目标不应该是掌握每种算法。应该是培养足够的数据和人工智能素养，以提出更好的问题，挑战不可靠的结果，了解这些系统的局限性，并做出明智的决策。
本文汇集了我对哈佛商学院工商管理副教授 Iavor I. Bojinov 的采访的见解，以及我自己在数据科学和人工智能工具方面的工作经验。 Bojinov 是哈佛商学院在线课程《AI for Leaders》和《Data Science and AI for Decision Making》的共同负责人。
从决定开始
在使用 AI 之前，我首先定义需要做出的决策。
“我们希望使用人工智能进行客户分析”过于宽泛。更明确的目标是：“我们希望识别可能离开的客户，以便我们的保留团队可以联系他们。”
这将模型与可衡量的结果和真实的业务行动联系起来。如果技术先进的系统不能改善基本决策，那么它就没有什么价值。
Bojinov 也提出了类似的观点。人工智能应该被视为决策的输入，而不是判断的替代品。专业人士需要了解其功能和局限性，验证其建议，并专注于更好的业务成果，而不是为了人工智能本身而采用人工智能。
在开始人工智能项目之前，询问它将解决什么问题、谁将使用输出、将采取什么行动以及如何衡量成功。