我們先來探討人工智慧已經在做什麼,以及它改善的速度有多快。最大的進展在兩大領域:感知(perception)與認知(cognition)。
人工智慧的歷史,最早要追溯到1950年代左右,當時已有科學家在研究關於學理問題、棋奕競局的解決。直至1970年代,科學家才開始研究理論觀念,更偏重於實際應用的問題。
許多領域對於AI的定義與看法都不相同,但有個一樣的核心層面定義。認為 AI 是指用「人造機器所變現出來的智慧」,可以將AI 想為人類,它具備常識、推理,能形成意見、社會行為、預測分析等能力。
大數據也可以定義為來自各種來源的大量非結構化或結構化數據。大數據的興起使資料探勘、統計領域成為熱門科目。大數據現在不只是資料處理工具,更是⼀種企業思維和商業模式,因爲資料量急速成長、儲存設備成本下降、軟體技術進化和雲端環境成熟等種種客觀條件就位,方才讓資料分析從過去的洞悉歷史進化到預測未來,甚至是破舊立新,開創從所未見的商業模式。
彙整成為資料科學家必學的線上課程與學習資源,從基礎思維、技術操作、產業應用三個角度切入,提供完整資料分析學習地圖與社群交流資訊,協助新手快速學習資料科學相關技能。
資料科學,簡單說就是透過「資料」提取有用「知識」的技能和技術。它包含多種領域中的理論,如:數學、統計、資料探勘、圖型識別、機器學習、深度學習、資料視覺化、資料倉儲、資料模型以及高效能計算。運用各種資料幫助非該領域的人士來理解對應問題,讓我們知道如何正確處理資料,並針對政府、生物學、社會科學…等領域,進行相關研究。同時,資料科學也對企業在商業競爭有極大的助力。
從商業智慧職位角色,我們可看到有資料分析師、商業智慧經理、商業智慧總監等3個職位。資料分析師工作著重在商務上設定和實施企業商業智慧策略、制訂商業智慧分析流程、設置商業智慧標準和治理、確定業務需求、分析數據、報告見解,企業會根據工作價值設定升遷管道。
商業智慧的資料來源一般會由企業內的ERP、CRM系統提供的結構化資料;而大數據會更包含電子商務或感應器、影像、聲音等等所產生的非結構化資料。
商業智慧(Business Intelligence,簡稱:BI),又稱商務智慧,主要是運用各種軟體或服務,將商業數據轉換為可分析、可決策、可運作的見解,幫助企業思考經營策略,並進行商務的決策。