数据驱动型文化的商业价值

August 29, 2023

Christina Cardoza

数据驱动的文化

物联网领域的任何人都应该不会对数据是业务成功的关键感到惊讶。计算机视觉为业务运营开辟了一个全新的视角，这导致了收集、管理和分析所有这些数据的需求，这反过来又为人工智能打开了一扇大门，因为人工智能提供了洞察力，并可以带来有价值的变化。现在，我们称之为数据驱动型文化的元素已经存在，这种文化不仅适用于一个行业，也适用于许多行业，范围从制造业到智能城市再到餐饮。

但是“数据驱动型文化”究竟意味着什么？它是否只是为试图实施数据驱动型文化的企业和组织带来更复杂和更新的挑战？我们采访了两位非常了解如何充分利用数据驱动型文化的人：人工智能和自动化零售解决方案提供商 Vistry 的创始人 Atif Kureishy 和视频人工智能操作系统和市场公司 Awiros 的工程主管 Saransh Karira（视频 1）。他们讨论了它的好处和挑战，以及数据驱动型文化如何将企业的不同方面连接起来，以创造真正的价值。

视频 1. Awiros 和 Vistry 解释了创建数据驱动型文化的价值以及成功实施这些文化的战略。（资料来源：insight.tech）

当我们谈论数据驱动型文化时，这到底意味着什么？

Atif Kureishy：数据驱动型文化实际上是关于做出基于证据的决策的，即基于对来自您的企业数据的理解的决策，并能够信任该数据、分析数据并从中获得关键理解。然后最终做出决策，推动战略进步和战略计划。

第一代数据驱动型文化实际上是关于数据采集和数据理解的。该旅程的第二阶段持续了大约十年，然后开始在此基础上进行预测，这为机器学习领域引入了许多概念。现在我认为我们已经进入了第三代，引入了大型语言模型，LLM。

现在，我们不再拥有非常人性化的数据科学或数据工程密集型活动，而是转向采用人工智能系统，这些系统往往比我们更聪明。那么我们如何以值得信赖的方式与这些 LLM 共享大量的企业数据，以做出企业知情的决策。

Saransh Karira：在早期，数据策略就像任何类型数据的总称。但在过去 3 到 4 年中，我们看到整个环境发生了巨大变化，现在人们逐渐意识到您向系统提供的数据量就是您从系统获得的精度。

计算机视觉人工智能应用如何使数据更有价值？

Saransh Karira：正是数据政策方面的这些变化使数据更加容易访问。原始数据是第一步，然后一旦您有了此原始数据，就对其应用智能。但现在假设您有数千小时的数据，即使您可以访问这些数据，也无法真正访问这些数据；因为您无法筛选它。因此，这就是系统的用武之地，用于智能系统、机器学习系统。这一切都在迅速发生变化。

正因为如此，许多基础设施正在构建中，以集成大量数据。我认为数据的价值在于您可以连接许多不同类型的数据。因此，如果您将每个数据视为一个点，然后将它们连接在一起，则总和将超过各个部分。我们的许多客户都在他们不同的基础设施或不同的部门中连接数据。

我们可以通过一个用例（但它可以扩展到许多不同的组织）与政府广泛合作，例如，我们目前看到的是，他们将车辆预登记与摄像头连接起来，然后与护照连接起来。这些相互关联的数据变得比一个孤岛中的系统更有价值。

您与之合作的企业面临哪些挑战？

Atif Kureishy：在 Vistry，我们专注于餐厅-酒店领域。这是一个以人为本的企业，速度快，而且相对不复杂。这些企业开始进行更多的技术投资，但从历史上看，情况并非如此。因此，在大量位置部署和扩展的任何类型的功能都必须非常经济高效。

我们正在跟踪的许多东西都是厨房中的物品，这有助于形成一个独特的环境。当然，我们的训练基础设施的功能必须非常强大，才能检测、跟踪和理解在该环境中发生的活动。

这就是我认为英特尔特别带来了独特的价值主张的地方，从某种意义上说，您可以在餐厅里的商品计算上运行。或者可能部署下一代计算，并具有可以在边缘有效运行的机器学习和深度学习模型。英特尔集团提供的围绕 OpenVINO^™ 和深度学习工具的一些技术提供了巨大的帮助。因此，我们可以非常轻松地在英特尔凌动^® 平板电脑、i7 Tiger Lakes 和新的 Alder Lakes 上运行推理工作负载，并且可以有效地优化运行时。这对我们和我们的客户来说都非常有帮助。

您如何为这些企业创建数据驱动型文化和战略？

Atif Kureishy：让我们以生产控制为例，一家餐厅基本上是一个小型生产基地。从制造业意义上讲，您有库存计量，并且有工作产品的质量保证和监督。因此，如果您将其应用于餐厅空间，则可以想象一下您有订单通过数字、汽车餐厅、堂食进入。这些订单被收到后，它们就会整合到一个厨房，需要根据订单正确制作。

现在，人工智能和 ML 发挥作用的领域之一是，您可以在快餐店中创建生产计划，其中某些产品是预先制作的，然后保存起来。这是理想的场景，因为这样食品可以尽快配送。因此，您可以通过预测将获得多少和哪种类型的入站订单来最有效地构建和制造这些菜单项。这也使厨房不仅从劳动力的角度来看，而且从食物浪费的角度来看都更高效。

我们使用计算机视觉的另一个方面是库存管理——拥有可以查看碗或平底锅的摄像头，通过它对平底锅中的产品数量进行体积估计，以帮助告知生产计划。从精益制造的角度来看，这有点像即时概念。因此，先对需求进行建模，然后使用人工智能来确保供应充足。这就是餐厅的优化越来越通过数据来驱动的原因。

我们回想一下 20 年前餐厅的文化，它确实依赖于人，经理们利用他们的直觉预计：“我预计今天午餐时间会很忙。通常，将有一个实地考察，我将通过实地考察来安置人员。”顺便说一下，现在仍然有大量的餐厅（特别是小型餐馆和本地餐馆）以这种方式运营。但是，当您查看大型品牌时，它们绝对会转向这种数据驱动型文化。

我想强调餐厅的历史文化，因为我认为了解这一点非常重要，然后理解我们现在使用数据更有效地为顾客服务的意义。