You are currently at: ejtech.hkej.com
Skip This Ads
Don't Miss

一盤棋局喚醒商業巨頭(車品覺)

By on April 27, 2016

本文作者車品覺,為紅杉資本中國基金專家合夥人、全國信標委大數據標準工作組副組長,華人大數據學會執行會長,為《信報》撰寫專欄全民大數據

Google人工智能圍棋程式AlphaGo,曾大勝韓國高手李世乭,成為一時佳話。 (資料圖片)

上周在台北見到一班企業高管,話題先從AlphaGo開始,神一般的圍棋九段李世乭之敗陣,讓大家深感機器人對企業的潛在威脅。但我卻想向大家解釋這件事情對地球人、特別是企業家的啟發,在於大家應該重新審視,什麼是機器最擅長的,而人類不可被取代的部分是什麼?

我發現當數據愈不完整,又或者連問題都尚待定義的時候,人類在這時候就可憑經驗作出填空和判斷,這往往是機器最不擅長的。長期以來習慣了在數據缺乏下拍腦袋的人們,當然很難意識到「數據即先機」的道理;運用數據然後把決策前置,既是技術較量,同時也是一場組織變革。從技術角度來說,現今的CPU、存儲、數據庫、網路、計算能力等等,其實都並不適合高速和大量的非結構性數據運行。數據計算能力看似強大,有時卻又舉步維艱,這是因為數據量及其複雜化程度,遠遠超出了我們的想像。

在技術極限之外的另一個困難,在於如何營運數據。同樣道理,現今企業對數據的價值認知也很「早期」,大都還是非常不習慣主動收集數據。大部分管理人員在作出決策前,還是覺得數據作用不大,很多決策者還是習慣了拍腦袋做決定。企業很容易就從數據來源開始出現紕漏,即是數據從下而上的收集便已經不夠齊全。

數據散亂處理需時

在營運數據的初期,往往都會遇到「散慢」問題。「散」意指很多公司的數據散落在不同的地區、部門,甚至在每個員工的電腦上,從未經過整理,也沒結集起來。即使已經有意識要把數據收集在一起,但速度卻「慢」得驚人,有些傳統企業看到的可能還是幾天前的數據,只能嘆一聲輕舟已過萬重山。「數」到用時方恨少,沒有計劃的收集數據會做成貌似很全面、卻漏掉很多有用的數據來源。最後亦可能最糟糕的是,我們產生出來的數據有時候其實是錯的,同時卻缺乏審查機制。

從以上觀點來看,大數據落地的三部曲是:意願、能力、工具。即使我們今天已經很有意願使用數據,但仍須配備相對的人才能力,然後看工具能否用得順手。鮮有公司像我以前的東家一樣,人才鼎盛、數據豐富,卻仍會遇上各種障礙。事實上,我們才剛起步,後面還有非常大的空間需要改進;但這既是個問題,卻也是機遇啊。

更多車品覺文章:

支持EJ Tech



如欲投稿、報料,發布新聞稿或採訪通知,按這裏聯絡我們