日前，O‘Reilly 公司在倫敦Strata舉辦了一個為期數天的數據會議，與會者為此更好地了解大數據、機器學習（ML）和人工智能的發展方向。這些新興技術在過去5年中發展迅速，而新技術、流程和應用程序改變了組織管理數據的方式。

此次數據會議提供了一個很好的技術發展晴雨表，與會者可以了解最新技術在大數據處理方面的作用，以及開發商和用戶的關注點。此次大會還闡明了影響大數據、機器學習和人工智能未來發展的8個因素。

1. 5G將刺激機器學習的增長，并產生新的應用和服務

O’Reilly公司首席數據科學家和會議組織者Ben Lorica在會上表示，他認為5G技術的帶寬和靈活性增加以及邊緣計算將成為關鍵的推動因素。他指出，中國在這項技術方面成為全球領先的力量，但許多公司仍在為他們正在進行的5G投資制定商業模式。

2.改變數據科學家的技能組合

谷歌云首席決策科學家Cassie Kozyrkov在演講中指出，隨著機器學習工具的用戶體驗得到改善，數據科學家所需的技能將不再專注于專業化，而是更加專注跨孤島工作的能力，并更加集成到業務方面。

3.線上和線下世界正在融合

阿里巴巴電子商務集團和亞馬遜正在嘗試推出線下實體商店，而實體商店仍在適應新的網絡世界。電子商務團體的線下活動對于實體零售商來說是一種競爭性舉動，而實體零售商的在線投資則具有防御性。在這一切全面展開之前，還有很長的路要走，但亞馬遜和阿里巴巴等公司在大規模管理數據方面的專業知識為他們提供了關鍵優勢。

4. 內部數據平臺正成為增長和創新的關鍵

Lyft公司和BMW公司的數據科學家在會上的演講表明，將數據平臺置于新產品開發和業務流程管理的中心可以推動創新。雖然對于像Lyft這樣的數字原生公司來說，這可能是很自然的事情，但隨著數據生成傳感器嵌入到產品中，傳統的工業公司也不得不參與其中。

5.開放數據需要像開源軟件一樣認真對待

眾所周知，開源軟件背后是大數據和機器學習產品和服務的興起。開放源碼的商業和技術案例的重要性多年前就得到了證實。然而，人們對開放數據對創新的重要性的關注卻少之又少。

全球最大的開放式公司數據庫提供商OpenCorporations公司聯合創始人兼首席執行官Chris Taggart強調了企業在依賴專有數據集時遇到的問題，指出這些數據源可能是粗略的，并且元數據不會在產品間共享。開放數據更透明，不會將企業鎖定在昂貴的商業合同中，而這些合同對于企業來說很難放棄。

6.捕獲和管理實時數據的重要性

雖然人工智能和機器學習項目并不總是需要實時或接近實時的數據，但構建能夠處理數據的系統的能力可能是一種具有價值的競爭優勢形式。隨著數據驅動的決策越來越多地嵌入到組織中，競爭優勢有時會轉移到那些能夠對事件作出更快響應的組織中。亞馬遜網絡服務在這方面的規模和廣度表明，實現這一點的工具變得越來越容易和便宜。

7. 法律和道德問題開始改變企業的創新方式

牛津大學Sandra Wachter博士在會上的演講強調了一個問題，而在未來一兩年內，這個問題可能會得到更多討論。她指出，許多公司現在意識到他們有義務保護個人數據，因為GDPR法規等相關法律已經生效。然而，一個討論較少的問題也是監管機構仍在努力解決的問題是，推理以及由嵌入式算法需要根據其處理的數據做出的決定。

至少在歐洲，用戶有權查看持有的數據，并在不同程度上糾正或刪除。但是，由于信用檢查和健康保險等領域的數據，企業可能會自動對用戶做出假設，因此用戶沒有相同的補救措施。

8.中小企業如何在大數據和算法決策時代開展競爭

最后，人們需要思考的一個問題是，沒有互聯網巨頭或全球快速消費品公司的海量數據集的中小公司如何能夠在大數據和算法決策時代開展競爭。大公司利用網絡服務的網絡效應鞏固其領先地位，這對于良性創新圈是一個風險，或許人們已經看到了這種風險。

然而，正如Unravel Data Systems聯合創始人兼首席技術官Shivnath Babu所指出的那樣，互聯網和應用程序經濟仍然能夠允許中小公司利用其應用程序和在線活動中的數據，并對市場產生影響。也許這一點以及來自公共數據源的開放數據的興起，將為新一代初創企業改變世界提供基礎，就像谷歌、Facebook、亞馬遜公司在過去20年所做的那樣。