在最近的一次文章《麻省理工学院斯隆管理评论》的Jeffry D. Camm和Thomas H. Davenport研究了企业机器学习和预测分析程序是如何被冠状病毒大流行破坏的。正如他们所说,“我们用来做出良好管理决策的数据在这个不可预测的市场中被颠倒了过来。”公司正努力做到这一点适应新的经济环境,调整和重新部署模式和战略但是他们应该如何推进这一进程呢?

作者提供了一些重新启动数据科学计划的步骤,其中包括:

称量数据相关性

组织必须决定删除什么,保留什么,加上什么。与Camm和Davenport交谈过的许多专家建议使用移动平均线和其他平滑预测技术来确定在多大程度上依赖于大流行前后的数据。

增加外部数据的使用

根据这篇文章,“试图建立低概率、高破坏性事件的模型,将需要增加用于更好地解释世界如何变化的外部数据量。”正确的外部数据可以比内部数据提供更早的预警信号。”

加强模型审计和压力测试

密切关注机器学习和说明性分析模型是大流行后数据科学举措的重要组成部分。正如Camm和Davenport所说,“工业工程中为质量控制而开发的技术,比如控制限度和验收抽样,需要应用到机器学习中,以确保模型处于‘控制之中’。”

构建专门化模型的组合

如果说从冠状病毒中可以学到什么商业经验的话,那就是事情可以在一瞬间发生变化,灵活性和敏捷性的重要性再怎么强调也不为过。当涉及到数据科学时,公司应该“考虑开发场景规划和模拟来构建可以根据需要‘从架子上取下来’的专门模型。”“第二次封锁的可能性仍然很大,因此分析该组织从最初的爆发中学到了什么,并确定在第二波爆发时如何应用这些教训,是加强整体数据科学项目的关键一步。”

正如这篇文章所说,“这是一个不同于过去相对稳定的数据和分析世界的世界。”在这种环境下,组织必须找到一种方法来重组他们的规定性分析以及机器学习的主动性,这样他们就能做出最好的决定。

留下一个回复

请输入您的评论!
请在这里输入您的名字