3. 更好地完成任务，这个的想象空间是最大的，毕竟纯粹的知识没意义，很多时候商业的价值，就是在于把知识转化成为产品，完成任务服务需求。比如大型会议的会议纪要机器人等等。这里面是每个企业在将来战略目的当中的重点关注点，使用人工智能的知识和产品，完成更多的任务，服务于社会，产生商业价值。所以我认为更好地完成任务，是大部分企业面对人工智能可以关注的事。
进入高速增长的行业
基于人类进步的下一个浪潮，就是刚刚说到的“更好地获取信息”“更好地形成知识”“更好地完成任务”，基于这样的浪潮，我们认为接下来有一些行业是会持续处于高速增长的状态的。
1. 家居
2. 医疗
3. 养老
4. 交通
5. 环保
6. 金融
7. 通讯
8. 穿戴设备
在上述描述到的行业当中，可能会水涨船高，能够得到更快速的发展。具体我们也正在进行相关行业的调研，希望不久的将来，可以跟大家分享我们对这些行业的研究。
产品战略
上面花了很大的篇幅，说到了人工智能与新的浪潮之间的关系，当我们都把握到大的浪潮发展方向以后，就比较容易制定企业的定位和战略了。完成以后，接下来最重要的，就是对于不同的产品进行分类匹配，执行不同的产品战略。
这里我们推荐使用波士顿矩阵的方法进行分析，根据不同产品的市场份额以及增长率进行分类。
上述表格，是经过了波士顿矩阵方法分析以后，得出来的选型规划建议。最后应该根据每个不同类型的产品，执行可信可靠的执行战略，比如对于现金牛产品，规划的主要目的，可能在于规避风险和降低黑天鹅事件发生的概率，收集风险，事业环境因素的趋势判断，核心盈利指标的趋势判断，采用稳健的技术选型方向，大规模投入，进一步提高现金牛收入的稳定性。
到这里，我们讲完了理解/制定公司战略这个事，这里稍微做一下总结，就是要理解发展的大浪潮，基于公司的实际情况，找到合适的行业，进行公司的战略定位，同时基于公司的产品，使用合适的方法进行分类(比如波士顿矩阵)，制定不同产品的执行战略。
职能二 引入成熟的机器算法
引入成熟的机器算法，代表的意思就是我们不去研究和提升算法本身。对机器算法的研究和提升，需要顶级的智慧和知识，其中有一些必要的资源，是99%在座的我们都不具备的，其中主要有哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等等，可能在产业的初期，我们还能有一些些机会参与，但到最后，一定是剩下为数不多的巨头甚至国家层面，对算法进行进一步的研发。有时候甚至国家也不容易处理这些事情，比如天河二号在GPU的应用层面，由于被美国政府对NVIDIA的限制，导致天河二号虽运算快，但是由于GPU运算能力的缺陷，导致不同的技术引入的时候，会有各种适配的麻烦。总而言之，就是我们要做的，就是引入成熟的机器算法，我们不要去研究机器算法的本身。
那我们来看看成熟的机器算法有些什么吧。
l 决策树：
l 随机深林
l 逻辑回归
l SVM支持向量机
l 朴素贝叶斯
l K最近邻
l K均值
l Adaboost
l 神经网络
l 马尔可夫
对于上面这些算法的详细说明，优劣分析等，不是今天介绍的内容，因为需要不少的数据和计算机的基础，我们稍后会有专题讲解这些算法。
职能三 收集训练数据：
机器学习，都是基于既有数据，从既有数据当中总结规律，根据规律形成模型，并做模型的调优和选择。整个过程就有点像教小孩子一样。一直广泛流传的“数据是企业最重要的资产”指的就是这个数据，因为我们可以从数据当中获取很多新的知识，新的模型。但是很不幸的是，目前而言，机器远没有达到人的能力，他无法从纷杂的世界里面学习各种非标准化的东西，为了让我们的机器和算法快速地成长，我们就需要收集大量计算机可以理解和学习的数据。
数据在哪里
那我们打算收集的数据，他现在在哪里，接下来我们说几个现成的数据收集渠道吧。
1. 供应链管理系统，帮助企业管理整体的供应链，包括供应商、制造商、仓库、配送中心、渠道商等等组织在一起，包含计划、采购、制造、配送、退货等主要模块。
2. 客户关系管理系统，以客户作为核心，利用信息技术、互联网等各种方法，管理企业和客户之间的关系，挖掘客户的全生命周期价值。
3. 生产流程管理，生产流程管理是比较重点的方向和值得挖掘的领域。因为生产过程通常都是企业自身可以完全控制的，数据具有一定的完备性和可控性。其次就是以前因为技术的限制，对生产流程的数据应用是相对较少的。生产流程管理，目前主要有以下的分类MES制造企业生产过程执行管理系统;DNC生产设备及工位智能化联网管理系统;MDC生产数据及设备状态信息采集分析管理系统;PDM制造过程数据文档管理系统;
4. 进销存管理。
5. 视频管理系统，目前绝大多数企业都没有建立，以超高清摄像头为记录工具，目标是记录大量的视讯资料，视讯资料当中含有非常多的信息量，目前而言算力的成本过高，从视讯资料当中提取有用信息的成本很高。但可以先存储视频数据，等算力成本大幅度下降以后，再进行分析。
其他常用的管理系统还有企业文档管理、财务管理、车间管理、资产管理、成本管理、设备管理、质量管理、人力资源管理。
怎么采集数据
至此，我们聊完了数据在哪里的问题，不同的企业可以根据自己的实际拥有的系统，进行数据的整合和采集，在整合和采集这一步，有4个关键的点：
1. 设计和创造新的场景
这里包括管理场景和客户场景，我们怎么理解设计新的管理场景，举个例子，我们合作的一个口腔医院，想要记录诊疗过中的一些数据，比如拍片出来的那个片，这个数据按照正常的方式，是不会有记录的，那如果我们想要收集这个数据，那么我们的管理流程，就需要进行一些调整，比如拍片出来以后，医生护士需要对这个片进行拍照，或者直接出两份片，把其中一份放到备份的地方存起来。但是在这样的工作流程下面，医生护士的工作量就会提升了不少，而且很有可能会有丢失遗漏的状况，所以增加医护人员拍照这个动作，并不足够好。更好的是，架设一个高清摄像头，持续监控出片的位置，记录下所有的内容，与此同时，增加人工智能程序，截取监控当中有用的信息，减少无用的信息，降低储存成本。
在这个案例当中，我们可以看到，有很多的数据，是要通过我们对流程和场景进行优化以后，才能更好地收集的。又比如客户场景，还是同样的口腔医院，想要建立用户的终生健康服务，需要对客户进行识别，从前的流程，由于IT技术的缺乏，没有对用户做身份识别工作，诊疗系统的数据，与用户行为无法匹配，导致无法进行分析。为了把用户的线上数据与实体行为绑定起来，只需要增加一个简单的客户场景，就是用户在做完相关检查以后，体检报告会发送到手机微信端，让用户通过微信跟我们系统绑定起来。从上面这两个案例，我们都可以看到，无论是内部管理，还是外部用户体验，都需要经过思考进行设计和创新，新的场景可以帮助我们更容易的收集到有用的数据。
- 科技资讯网|科技新闻网--最新最快科技新闻发布汇集平台。热点
