卓越方达：解码数据宇宙数据科学与机器学习的现状（22页）.pdf

1、1返回目录解码数据宇宙：数据科学与机器学习的现状数据科学与机器学习的现状2 返回目录研究目标识别数据科学和机器学习计划、目标和挑战。建立通过MLOps实现人工智能的当前状态。有几个挑战阻碍了组织成功将机器学习（ML）模型整合到其软件开发生命周期中。弥合不同技能集之间的差距，处理复杂和大型数据集，管理专用硬件，并确保生产中的可用性、可扩展性和安全性共同延迟了价值的实现，并导致组织瓶颈。由于对机器学习项目的兴趣和复杂性不断增加，组织需要通过适当规模的治理来提高敏捷性、效率和性能，并降低风险。组织认识到他们需要明确的数据科学和机器学习策略。作为这些策略的一部分，MLOps可以提供一种结构化和标准化的

2、方法来开发、部署和维护生产中的ML模型，以实现更大的价值。为了进一步了解这些趋势，TechTarget的企业战略集团（ESG）对北美（美国和加拿大）的366名与数据科学和机器学习技术和流程相关的专业人士进行了调查，包括可能负责制定战略、评估、购买、构建和管理这些技术的责任。确定组织如何优先考虑解决方案以帮助它们取得成功。了解不断发展的利益相关者格局，包括团队组成、参与度和增长机会。本研究旨在：3数据科学与机器学习的现状主要发现投资指向惊人的增长，但挑战依然存在第4点击关注页关注点集中在改善数据科学生命周期的早期和后期阶段第10组织提高了将模型转化为生产环境的能力，但仍需要进一步提高效率第14页

3、页数据科学和机器学习成为一项团队运动，供应商专注于使所有利益相关者能够参与第17页投资指向惊人的增长，但挑战依然存在数据科学与机器学习的现状5 返回目录主要业务目标指向内部66%49%60%47%52%43%提高运营效率提高风险管理提高产品开发和创新提升客户体验/增强决策能力提高客户满意度提高运营效率仍然是推动数据科学和机器学习倡议的关键，以实现大多数业务目标。它不仅赋予组织提高敏捷性、成本效益和客户中心性的能力，还为可持续增长和规模化奠定了基础，在一个日益数据驱动的世界中。一旦运营达到最佳水平，组织可以更多地关注其他业务要务。然而，数据科学和机器学习倡议还有望改进产品开发、客户体验、风险管理

4、和其他领域。|发现新的商机和/或增加收入 数据科学和机器学习倡议的主要业务目标。6返回目录几乎所有（92%）的组织都看到了数据科学和机器学习项目/倡议的预算分配年度增加。这些预算是相当可观的，近四分之一（24%）的组织计划在未来几年内至少投资100万美元用于与数据科学和机器学习相关的人员、流程或技术。这种增加的投资反映出人们对数据科学的理解，它不仅增强了运营效率，还实现了明智的决策、预测分析和创新产品开发。这种财务支持强调了数据科学和机器学习在从庞大而复杂的数据集中提取有价值知识方面所扮演的关键角色，推动组织在数字时代取得成功。预算正在增加|数据科学和机器学习项目/倡议的预算变化与上一年相比。

5、这种增加的投资反映出人们对于数据科学不仅提高了运营效率，还实现了明智的决策，预测分析和创新产品开发。”“43%13%7%显著增加,略有增加,保持不变,数据科学与机器学习的现状7 愿意牺牲时间来市场并在有限资源下继续前进，突显了组织采取的谨慎乐观的态度。他们认识到他们不能等待，但也必须确保健壮的模型开发，全面的测试和准确的洞返回目录察，以避免潜在的昂贵错误。这种有意识和计算的方法可以提高长期性能，可靠性和利益相关者的信心，远远超过最初的时间投资。在优先考虑数据科学项目时，策略是多样的|对数据科学相关项目的优先处理方法业务影响（即具有最高潜在业务影响的项目）723%技术复杂性（即具有最高技术复杂性

6、的项目）23%上市时间（即，具有最短上市时间的项目）7%资源可用性（即，可以使用现有资源完成的项目）13%客户反馈（即，解决客户反馈的项目）1 14%高管领导（即，优先级由高管领导团队决1 定的项目）1 19%88%组织中的大部分人同意开源对数据科学和机器学习的创新至关重要。数据科学与机器学习的现状8 返回目录53%提高运营效率37%35%竞争优势员工满意度/幸福感48%客户满意度37%26%预测准确性社会影响45%节约成本或创造收入39%36%节约时间|用于衡量数据科学项目/创新潜力倡议的领域。衡量数据科学项目影响每个数据科学项目都为衡量影响带来了独特的维度。回应的接近程度证明了数据科学在不