2023年，人工智能和数据科学风头无两，尤其是生成式A“的起。展望2024年，这些领域又有哪些新动向将引爆头条?它们又将如何重塑企业格局?

生成式AI备受瞩目，但价值创造尚待实现

生成式AI已引起广泛热议，但关于它是否能真正为企业带来经济价值仍有疑问。调查显示，尽管该技术备受欢迎但大多数公司仍在试验阶段。

要实现其真正价值，除了实验外，还需大量投资和组织变革。这包括重新设计业务流程、对员工进行再培训(或有时被AI系统替代)，以及将新的人工智能功能融入现有技术基础架构。尤为关键的是数据方面的变革，包括整理非结构化内容、提升数据质量和整合不同来源的数据。

数据科学正经历从手工到工业化的转变

公司正积极加速数据科学模型的生产，投资在平台、流程、特征存储、MLOps系统等方面，以提升生产力和部署效率。MLOps系统实时监控机器学习模型的表现，确保其预测准确性，必要时会基于新数据重新训练模型。

这些工具和平台虽多来自外部供应商，但不少组织也在自主开发。自动化和复用现有数据集、特征或模型，极大地提升了数据科学生产力，让更多人能够参与进来。

数据产品正逐渐占据主流地位

据Thoughtworks 调查显示，高达80%的数据和技术领导者表示，他们的组织已经在使用或计划使用数据产品及其管理。简单来说，数据产品就是将数据、分析和人工智能融入软件，为内部或外部客户提供服务。数据产品经理负责整个产品的构思、部署和持续优化。例如,我们常见的推荐系统,帮助顾客挑选产品，以及销售团队用来优化定价的系统，都是数据产品的实际应用。

关于数据产品，不同组织有不同的看法。近半数的受访者(48%)认为数据产品应包含分析和人工智能功能。约30%的人则将它们视为独立，仅将数据产品视为可重复使用的数据资产。仅有16%的人表示在产品环境中不考虑分析和人工智能

数据科学家的光环正在逐渐褪去

过去，他们被誉为“独角兽”和“21世纪最热门职业”，因为他们能全方位驾驭数据科学项目。然而，如今数据科学领域正经历变革，催生了多种替代角色来管理关键工作。这些角色包括数据工程师、机器学习工程师、翻译和连接员 以及数据产品经理等，他们共同合作解决数据科学问题，让数据科学团队更加多元化和高效。

随着公民数据科学的兴起，许多精通量化分析的商人开始自己构建模型或算法，这减少了专业数据科学家的需求,他们借助AutoML或自动化机器学习工具，甚至利用ChatGPT 的高级数据分析功能，仅凭简短提示和上传数据集便能轻松处理模型创建的多个环节并解释其操作。

然而，数据科学中如开发新算法或解释复杂模型等任务，仍需专业数据科学家来承担。虽然他们的角色仍不可或缺，但可能不再像以前那样核心和耀眼。

数据、分析和人工智能领域的领导地位正在发生转变

去年，我们观察到许多组织开始减少单独设置的技术和数据“主管”，比如首席数据和分析官(有时也是首席AI官)。尽管这些角色在公司中越来越普遍，但往往任期短暂、职责不明确。实际上，这些职能并未消失，而是更多地融入到了更广泛的技术、数据和数字转型职能中。这些职能通常由直接向CEO汇报的“超级技术领导者”管理比如首席信息官、首席信息和技术官或首席数字和技术官等。

Thouahtworks的调查显示，高管角色正在发生显著变化。高达87%的受访者(包括数据领导者和一些技术高管)表示，他们的团队成员在寻求数据和技术服务时感到困惑。许多C级高管坦言，他们与技术导向型领导者的合作程度较低，79%的人认为组织过去因缺乏合作而受阻。

不远将来，我们将看到更多技术领导者能够从数据和技术团队中创造价值。他们仍需强调分析人工智能的重要性因为这是组织利用数据创造价值的关键。更重要的是，这些领导者需要具备高度的业务导向，能够与高层管理团队讨论战略，并将其转化为系统和见解，推动战略的实施。

• 【公司名称】四川旭辉星创科技有限公司

• 【代理级别】成都惠普HPE服务器工作站总代理

• 【销售经理】李经理

• 【联系方式】座机：028-85596747    手机：13438344046

• 【公司地址】成都市武侯区二环路南一段13号4层403