資料科學常見問答集

簡單地說，資料科學的意思是應用預測分析您組織的資訊並從中獲得最大的價值。它並不是一個產品，而是一組跨科學的工具和技術 – 合併統計、電腦科學和先進的技術 – 可幫助您將資料轉變成策略見解。

如今，大多數的公司都對資料感到不知所措，並可能無法充分運用資料的最大潛力。這正是 Hitachi Vantara 切入的重點，它提供了獨特的資料科學功能，可以幫助您將資訊轉化為有意義的策略見解 – 並具有真正的競爭優勢。

透過應用資料科學，您的組織可以更有信心地做出決定並採取行動，因為您運用的是事實和科學方法而不是憑直覺和猜測。

這數十年來，作為資料科學基礎的數學和統計理論一直都很重要。但是，最近的技術趨勢使以前僅是理論的工業實施成為可能。這些趨勢觸發了對資料科學需求的另一個層級，以及對資料科學能實現的成就感到前所未有的興奮。資料科學包括：

• 大數據和物聯網的興起 (IoT)。 商業世界的數位轉型已經帶來了極大有關客戶、競爭對手、市場趨勢以及其他影響您財務成功關鍵因素的資料。由於這些資料來自許多出處，並且可能是非結構化的，因此具有挑戰性。內部團體（例如，傳統商業分析師和與舊式系統一起工作的 IT 團隊）很難（但也不無可能）獨立地進行管理和應用。
• 人工智慧 (AI) 的全新可存取性。 人工智慧和機器學習 (ML) 曾經是科幻小說中的概念，如今已司空見慣，而且能即時解決大數據的挑戰。隨著資料量，多樣化和速度呈指數成長，檢測模式和做出預測的能力已經超出了人類認知和傳統統計技術的能力。如今，強大的資料分類、分析和預測都需要 AI 和 ML。
• 運算能力的巨大收益。 如果近代的電腦處理能力沒有極大進步，就不可能會有先進的資料科學。一個關鍵的發展是了解遊戲中彩現影像而設計的電腦處理器也非常適合 ML 和 AI 應用程式。這些先進的電腦晶片能夠處理極其複雜的統計和數學演算法，即使在最複雜的挑戰之下也能提供快速的成果 – 這使它們成為資料科學應用的理想選擇。
• 新的 資料儲存技術, 包括雲端運算。 同樣地，資料科學依賴以合理的成本儲存所有類型資料的增強功能。而現在，公司可以透過混合內部部署和雲端儲存來合理地儲存 PB（或數百萬的十億位元組），無論是內部或外部，結構化還是非結構化的資料。
• 系統整合。 資料科學將您組織裡的各個部分集結在一起，因此緊密且高速度的系統整合是必要的。設計用於即時移動資料的技術和系統必須與機器學習演算法預測結果的自動化塑造功能無縫地整合。然後，必須將結果傳達給面向客戶的應用程式，且幾乎沒有延遲地把握優勢。

資料科學家擅長以下三個學科：應用統計和數學、電腦科學以及企業和領域的專業知識。儘管資料科學家可能具有物理學、工程學、數學和其他技術或科學領域的背景，但他們也需要了解您組織的策略規劃，以便他們實現真正的企業優勢。

資料科學家的日常工作包含定義一個企業的問題或機會、管理和分析與問題相關的所有資料、建立和測試模式以提供見解和預測、向企業利害關係人展示成果，然後編寫電腦代碼來履行所選擇的解決方案。在編寫代碼時，他們將掌握應用於資料管理和預測分析語言的組合, 例如，Python、R、SAS 及 SQL/PostgreSQL。最後，資料科學家還負責分析和報告實際的企業成果。

由於涉及到太多的特定技能，因此很難確定和招聘到合格的資料科學家，而且維持在內部團隊的一份子成本也相當高昂。大多數的組織選擇運用 Hitachi Vantara 這樣已得到業界公認且有成熟專業知識的提供商。Hitachi 提供世界領先的專業知識，以靈活且具有成本效益的方式為各個產業的客戶解決與資料相關的挑戰。

簡單的答案是：您需要專注於資料科學，因為您的競爭對手已經在使用，而您的客戶也期待它的出現。專注於分析的競爭對手正在加深對客戶的了解，以提高銷售、支援和客戶滿意度。他們正在盡最大可能提升控制成本過程的效率。他們正在深刻了解策略規劃的未來趨勢。也許最重要的是，他們是根據事實而不是最佳猜測來做出決定的。

如果您不積極地投入資料科學，您的組織將處於落後狀態，並在人工智慧和資料復興的時代落後。

資料科學可以提供廣泛的財務成果和策略優勢，而這取決於您的組織，其明確的挑戰和策略目標。

例如，一個公用事業可以依靠即時的使用和成本模式來充分利用智慧電網，使能源消耗降到最低的程度。零售商可以將資料科學運用於購買點資訊，以預測未來的購買和訂製產品的分類。汽車製造商正積極地利用資料科學來收集真實世界的駕駛資訊，並透過機器學習來開發自動駕駛系統。工業製造商使用資料科學將浪費降到最低並充分地利用設備的正常運行時間。

簡單來說，資料科學和人工智慧在文本分析中進度超前，影像識別和自然語言處理不斷發展，而這些發展也推動了各個產業的創新。

資料科學可以明顯地提高您企業幾乎所有領域的效能，包括：

• 充分利用供應鏈。
• 增加員工的保留率。
• 了解並滿足客戶的需求。
• 精準預測企業指標。
• 追蹤和改善產品的設計和效能。

問題不是資料科學能做什麼？更精確的問題是，有什麼是它做不到的？您的企業已經擁有大量的儲存資訊，並可以存取關鍵的外部資料串流。資料科學可以運用所有的這些資訊來改善您效能的幾乎每個層面，包括您的長期財務成果。

Hitachi Vantara 已確立了自己在資料科學的領導地位，提供策略見解，並為廣泛的客戶支援事實根據的決策過程。憑藉著近 110 年營運技術和 60 年 IT 的成功，Hitachi 對企業的運作方式有著獨特的見解 – 並知道資料科學可以協助他們發揮更理想的作業成效。

無論您獨特的策略目標是什麼，Hitachi 的專家資料科學家可以收集和挖掘您現有的資訊、根據需要包含的第三方資料串流，運用最先進的分析方法並提出可以推動您組織前進的策略性行動建議。Hitachi 的資料專家可以幫助您預測結果，然後比較實際結果，以此創造一種持續學習和改進的文化。

Hitachi 已經應用了資料科學的極大力量來解決各式各樣的客戶挑戰，我們的資料科學團隊可以為您的組織做相同的事。

資料科學正變得越來越自動化，並且自動化的節奏必定會持續下去。例如，現在的資料科學家可以設定一台機器，對數千種資料範圍的所有可能組合進行自動網格搜尋，以即時找到給予問題的最佳可能解決方案。

從歷史上來看，預測模式必須由統計學家在很長的一段時間內，以手動方式設計和調整並結合統計經驗和人類創造力。但如今，隨著資料量和企業問題的複雜性增加，這類型的任務在數學上是非常複雜的，以至於必須透過人工智慧、機器學習和自動化來解決。這種趨勢只會隨著大數據越來越強大而持續下去。

雖然 AI 和 ML 通常與淘汰人類員工有關，但實際上它們僅增加了資料科學家和相關領域的重要性。當每個公司都能存取這些技術時，若想獲得競爭優勢，就需要不斷的創新和以新的方法來測試目前的統計資料、電腦科學和領域專業知識的極限。資料科學家將提供新的理論、新的 R&D 和新的 AI 臨時應用程式，以實現下一代的策略和財務成果。

沒有跡象表明自動化將取代有技能的資料科學家、資料工程師和 DataOps 專業人士（例如，Hitachi 的員工）的需求，因為在許多步驟中都需要大量的人類創造力才能利用自動化和 AI 的全部力量。

一個新興的概念, DataOps – 或資料操作 – 是人工智慧時代的企業級資料管理方式。透過實施首要的 DataOps 策略，您可以無縫地連接資料客戶和創作者，以快速找出和使用您資料中的所有價值。

DataOps 並非產品、服務或解決方案。它是一套方法，一項兼具技術和文化的改變，透過加強資料品質、縮短循環時間和出色的資料管理來改善組織使用資料的方式。

顯然，資料科學是資料操作中的關鍵概念。儘管 DataOps 跨越了收集和應用資訊的整個週期，但資料科學是應用數學、統計、人工智慧和機器學習來理解您資料的關鍵性要素。資料科學透過將原始的資訊轉化成可以操作的見解來支援端對端的 DataOps 過程，以幫助您實現最高等級的策略。

憑藉著 DataOps 和資料科學領先業界的專業知識，Hitachi Vantara 是天然的合作夥伴，不僅可以從原始資訊中擷取價值，而且還可以灌輸資料驅動的文化和觀念模式，使資料成為您的企業每天關注的重點。