ai人工智能的数据服务_数据是AI的命脉，但是您如何收集数据呢？

ai人工智能的数据服务

在人工智能（AI）方面，不存在数据过载的情况。 实际上，情况恰恰相反—数据越多越好。 由于AI系统具有处理大量数据的能力，并且其准确性随着数据量的增加而提高，因此对数据的需求持续增长。

例如，考虑一个旨在识别制造过程中生产的医疗设备有缺陷的原因的AI程序。 与任何AI应用程序一样，该软件使用数据科学家开发的算法在数据中查找模式。 为了尝试解决此问题，假设AI程序接收并分类来自一周中不同日期，一天中的时间，机器和操作员的生产数据。 但是也许这些因素并不是造成缺陷的原因，而是由室内温度升高引起的。 只有通过提供尽可能多的数据来解决不同的变量，公司才能最有效地确定问题的实际原因。

那么，获取所需数据的最佳方法是什么？

您的数据是皇冠上的明珠

如果有人问您您的客户和潜在客户数据，您会把它提供给他或她吗？ 您的回答可能是“绝对不会”。 您的数据是组织的头等大事。 它包含有关关键目标，其偏好和动机的宝贵信息。

如果您正在尝试进行预测性分析，以根据客户的历史和实时产品使用情况来确定他们在未来六个月内购买商品或服务的可能性，或者找出为什么季度销售额未达到预期水平该怎么办？ 通用数据将不会。 为了获得针对公司的此类问题的答案，您确实需要与您最相关的数据-您自己不断更新的数据。

但是，这样做的挑战在于，访问内部数据可能并不像您想象的那么容易。 考虑到组织倾向于保持信息孤岛的趋势，可能很难知道哪些内部数据驻留在不同的部门和系统中，更不用说收集它了（这不包括第三方云应用程序数据）。 关键的第一步是进行数据审核，以了解您拥有什么类型的数据以及它在组织中的位置。 然后，您可以与各个部门和业务部门合作以获得对其的访问。

数据质量和数量齐头并进

尽管您的内部数据可能最适合解决特定问题，但问题是，您是否拥有解决该问题所需的大量内部数据？ 答案通常是，也许不是。 这就是内部和外部数据结合的地方。要补充内部信息，重要的是要确定与公司和业务挑战最相关的外部数据。

除了扩充您的内部数据来解决特定的业务问题外，在某些情况下，仅外部数据就能解决普遍问题，例如确定一般的消费者购买方式。

无论您是使用外部数据来补充内部数据，还是作为回答一个更常见问题的主要来源，都可以通过多种方式对其进行汇总：通过预打包的数据，公共众包和私人人群。

• 预打包的数据。 虽然预先打包的数据可以提供一种快速，即用的方式来收集数据，但有时最终可能会比您计划的花费更多的时间或精力。 开箱即用在理论上听起来不错，但是对于预先打包的数据，公司经常需要开发用于集成，编写代码或进行其他自定义的API。
• 公共众包 。 多年来，组织一直在向公众求助，以寻求自然灾害或危机方面的帮助，例如， 要求公众搜索幸存者的图像 。 同样，波士顿市正在利用众包来获得公众的举报漏洞 。 而且，公司正在使用诸如Amazon Mechanical Turk之类的众包服务来分发与收集和准备数据有关的工作，包括图像识别，数据标准化和用于机器学习的算法训练等任务。
• 私人人群 。 要求保密协议来处理其数据或需要比公众提供更高准确性和更快周转速度的公司，正在向一群数据专家和其他专业人员寻求私人帮助，以提供相同的数据收集，识别，标记准备和培训任务。

面对挑战

无论您使用何种数据来源，在汇总与业务问题相关的数据，对其进行分析并从中获得见解时都存在一些挑战，其中包括以下几个原因：

• 很难弄清楚您需要什么数据。 从要解决的问题开始，需要确定需要收集的数据类型。 公司并不总是确定他们需要什么或如何获取该信息。
• 您需要专业知识来构建算法。 拥有数据后，您必须确定数据模型的最佳属性，并建立可有效回答您的业务问题的算法。
• 数据培训是一个永无止境的过程。 您需要不断添加新的和更新的信息来改进算法，获得更好的见解并更准确地预测结果。

知识就是力量，您的内部数据和外部资源中都蕴藏着很多知识。 为了最好地利用这些知识，您必须考虑所需的数据类型，在何处查找，如何获取数据以及如何构建正确的数据模型来分析业务问题。 同样重要的是，您需要不断更新数据以重新训练和增强算法。 数据收集肯定有很多内容，但这是值得的。 作为AI的命脉，数据对于帮助您获得推动业务发展所需的业务见解至关重要。

翻译自: https://www.infoworld.com/article/3296044/data-is-the-lifeblood-of-ai-but-how-do-you-collect-it.html

ai人工智能的数据服务