就大資料、分析和人工智慧而言，價值不是來自收集資料(甚至也不是來自於從中獲取的一些洞察)，價值來只有一個來源：行動。

我在90年代中期開辦了第一家公司，那時我做了大多數首次創業的企業家都做過的事——訂購名片。

實際上，我首先得選址並訂購一部手機。畢竟，沒有手機，我無法訂購名片。然後要建立一個會計系統、做法律文書工作、建一個網站。當然，還寫了一個很長的商業計劃。

我把該做的事情都做了，唯獨漏了一件事：講述我的故事並銷售我的解決方案。

但和往常一樣，我太過沉溺於機制而忽略了目的。我花了一段時間才站穩了腳跟。

最近由O’Reilly和Cloudera聯合舉辦的Strata Data Conference會議讓我想起了這種強有力的學習經歷。

有如此多的大資料和分析空間(還有，人工智慧市場正日益與之發生相撞)仍然專注於機制。

誠然，機制很重要。但機制並非所有這些學科存在的原因。就大資料、分析和人工智慧而言，價值不是來自收集資料(甚至也不是來自於從中獲取的一些洞察)，價值來只有一個來源：行動。

大資料：第一步就走錯了?

我可能從一開始就過度關注機制。我可以很好地總結大資料背後的精神：收集一切，稍後再進行整理。

重點是建立海量資料湖，這些資料胡收集一切可以想象的資料，這些資料在某種程度上是有用的。但這種方法難以維持。

認知決策平臺diwo的首席技術官Satyendra Rana認為：“(這種方法)是錯誤的。你無法贏得這場戰鬥。資料不斷地增長，你會沉入湖底，無法在表面遨遊。”

很多組織都得出了同樣的結論。此外，IT和業務領導者發現，他們必須改變自己的思維方式，專注於運營和變革方面的成果，以揭示大資料和人工智慧計劃的真正價值。

SAP Leonardo的副總裁David Judge解釋說：“心態轉變至關重要。我們的客戶有兩條路可走。第一條路是優化——自動化並削減人工活動。然後，有些人(專注於)建立新的業務模式(與資料)，這些模式更具變革性。做得最好的公司往往兩者兼顧。”

這傳遞出來的資訊很明確。當你真正的目標是從所有這些資料中創造價值時，只關注機制是不夠的。因為這陷入了丐詞邏輯的毛病：你如何從資料中獲得價值?

通過行動實現價值

diwo的Rana解釋說：“資料毫無價值。只有當人們在語境中使用資料時，資料才會創造價值。當資料投入使用時，這就是價值產生的源頭。因此，責任不在資料建立者身上，而是在價值創造者身上，後者要決定如何利用資料。”

從表面上看，當很多權威人士將資料稱為新的石油或貨幣時，Rana的說法似乎背道而馳，這種新的石油或貨幣似乎具有固有的價值。但當組織進一步從事大資料、分析和人工智慧時，人們發現Rana的說法是有道理的。

通用電氣的資料副總裁兼首席資料官Diwakar Goel解釋說：“當我們開始使用大資料時，我們只是想做一些快速而簡單的分析並獲得一些見解。最初的價值在於揭示這些洞察。但後來我們意識到，這些洞察並沒有改善業務。因此，我們需要使這些洞察可操作化，同時將這些洞察轉化為行動，你希望將這些洞察提供給能夠實際採取行動的人。”

事實上，就傳統的對大資料採取資料優先的方法而言，正是這種缺乏以行動為導向的業務重點成了老大難，連續資料平臺Iguazio的創始人兼執行長Asaf Somekh解釋說：“資料湖是以IT為導向的。資料湖正在實現一個章程，以建立一個儲存組織所有的資料的平臺。資料湖無關乎改善業務成果，也不是商業計劃。”

在尋找價值時，請不要揪著技術背景不放

因此，在設法實現價值運作時，人們要從業務角度而不是技術角度來看待事物，這非常重要。

這可能比想象得更難。

我去了今年的Strata會議，那時我是帶著自己對人工智慧的偏見與會的。我確信，人工智慧將迫使行業重新以商業價值為中心——我覺得這些東西早已不復存在。

然而，我對人工智慧的關注也不過是另一種技術背景而已。我也沒有看到業務的視角，只關注更閃亮的新技術。

對於我們這些已經在科技行業工作一段時間的人來說，這是一個很難打破的習慣。

事實上，組織可以從很多形式的大資料、分析和人工智慧投資中獲得很多商業價值。訣竅就是專注於如何更好地使那些行動密切相關的人採取行動。

流分析和時序資料的應用就是很好的例子，這些例子表明組織如何在遠未完全實現人工智慧之前就能實現這一價值。

Striim的聯合創始人兼首席技術官Steve Wilkes解釋說：“流處理和流分析是使機器學習可操作化的重要組成部分。如果你可以使資料科學家處在上游並使他們可以使用流處理…那麼他們就可以構建模型，然後將該模型注入資料流…並進行實時預測和分析。”

隨著企業沿著人工智慧的道路發展，它們不能錯過途中任何能夠採取行動的寶貴機會，這同樣很重要。

時序資料庫公司Timescale的聯合創始人兼執行長Ajay Kulkami解釋說：“(還在發展中的)第三個步驟是人工智慧和機器學習的領域，在這個領域裡，你可以預測將要發生的一切。第一個步驟是收集資料，但是在這兩個步驟之間還有一箇中間步驟，那就是使用資料來監控正在發生的事情…然後從監控轉向可觀察性。這就是我們首先要實現的地方，以便你能夠實時地檢視業務發生了什麼。”

使你的資料有意義

然而，從大資料的歷史的，回顧性分析方面的價值主張到以行動為中心的價值主張的所面臨的挑戰在於這增加了賭注。而且，這些行動越接近實時，風險和回報就越大。

在這個資料促進行動的世界裡，資料的準確性，以及理解如何使用這種準確性來做出決策或採取行動成了一項戰略要務。

diwo的Rana解釋說：“決策制定涉及到做決策的人以及用於做出這些決策的資料，因此，認知系統需要對兩者都進行建模——而不僅僅是資料。”

隨著賭注的增加，人們必須理解資料本身，這成了實現價值的關鍵能力和途徑。

通用電氣的Goel分享道：“當你攝取大量資料時，你會建立大量的‘暗資料’，即你所不瞭解的資料。這就是Io-Tahoe這樣的公司發揮作用的地方。這些公司提供資料洞察。在根據資料分析獲得洞察之前，你必須瞭解資料本身。”

然而，更重要的是，理解資料的需求已經超出了資料沿襲和資料治理的範疇。在情境中理解你的資料以及其與其它資料的關係(當你根據這些資料採取行動時，尤其是這樣)，這變得十分重要。

Goel闡述道：“資料攝取基本上是破壞性的。當你將資料放進資料湖時，你將失去資料集之間的關係。資料集的價值與其說在於資料，不如說在於關係。這是(工具)可以提供幫助的地方。這些工具可以幫你重建以前就存在的關係，並幫你發現不同資料集中的資料之間的關係。”

資料和人工智慧的未來

我從Strata大會得到的一大啟發是，資料行業正在走向成熟。雖然該領域的一些技術公司仍然堅持傳統的大資料精神，並且仍然專注於機制和技術方面的細枝末節，但更多的技術公司認識到，結果以及對重要資料採取行動的能力才是重要的。

人工智慧的不斷髮展無疑將在這種成熟過程中發揮重要作用——並且由於人工智慧在未來幾年內將牢牢紮根，它可能會使行業再次發生變化。

作為會議報道的開始，由SiliconANGLE Media舉辦的企業技術實況訪談節目CUBE舉辦了一場名為人工智慧的未來(The Future of AI)的活動。在此期間，SiliconANGLE的研究主管Peter Burris這樣總結了人工智慧的未來：“人工智慧的目標是為了讓更多資料發揮作用。”

他接著解釋說，這樣做涉及到這樣的做法——更高效地捕獲資料並將其轉化為價值——然後再使用資料。他解釋說，隨著我們日益轉向人工智慧，使用我們新獲得的寶貴資料，我們將需要努力應對人工智慧所帶來的各種後果。

Burris解釋說：“由於有了這樣的行動概念，我們不得不考慮一種新的系統。這種新的系統將被稱為代理系統(Systems of Agency)。”

系統採用資料並以組織代理的身份對其發揮作用，這種想法現在才剛剛變成現實。然而，毫無疑問，所有的道路都指向了這樣的目的地。

因此，隨著企業領導者漸漸走上這條道路，他們必須始終如一地專注於資料的價值，這表現在他們採取行動的能力上。

Diwo的Rana給出了很好的總結，告訴我，當我們結束談話時，“這是一個數據會議。但這應該是一次商業價值會議。”