评论
由 Asir Disbudak，企业家兼营销顾问
编辑注：这是完整报告的摘录。你可以在这里阅读完整的调查报告。
执行摘要。
-
机器学习（ML）正在发生。 大多数受访者（54%）已经实施了机器学习策略，近 28%的人认为自己处于扩展/转型阶段。
-
组织正在投资于机器学习。 在现有的机器学习实施者中，我们看到当公司在人工智能成熟度曲线上提升时，数据科学家的数量大幅增加。
-
机器学习提供了更快的行动和决策。 根据受访者的反馈，机器学习的一个主要好处是能够做出更快的有依据的决策，50% 的现有机器学习实施者认为他们已经实现了这一目标。算法和机器学习技术可以提供有价值的管理指导和支持。
-
大多数机器学习实施者和规划者希望通过扩展数据分析工作和增加数据洞察来获益。 约 35%的早期和成熟阶段的用户表示，他们的机器学习工作已导致更好的客户支持，从而在营销和销售方面带来了可观的投资回报。
-
机器学习实施者正在追求广泛的项目。 当前机器学习实施者中最常见的项目包括信息处理（26%）；自然语言处理（19%），规划与探索（17%），机器视觉（16%）以及处理与控制（11%）。
-
初创公司正在意识到机器学习的最大潜在好处。
调查于 2019 年 4 月在 LinkedIn 上进行，作为 A.Disbudak 准备的大学论文的一部分。该调查旨在评估机器学习在当今操作中的相关性，评估机器学习采纳的当前状态，并识别用于机器学习的工具。140 位合格的受访者代表了从非常小型（一人初创公司）到非常大型（员工超过 10,000 人的跨国公司）的各种公司规模。
数据革命的下一个阶段已经到来。计算机科学的一个分支——机器学习，是推动商业世界的下一个重大进展（Raconteur, 2015）。各类企业正在制定技术采纳战略，并已经实现了真正的投资回报（ROI）（Insights, 2017）。
图 1. Gartner 新兴技术的炒作周期，2017
来源：Gartner，Gartner-新兴技术炒作周期，2017。
国际企业对机器学习（ML）的关注可能看起来像是突如其来的发展，但对这一技术的热议自 2005 年大数据兴起以来一直在稳步增长。ML 系统用于帮助计算机从大数据集中识别模式，使其能够执行任务，如预测消费者行为和预测人们对不同营销策略的反应（Raconteur, 2015）。这项技术是解锁大数据价值的关键。创新思维的商业领袖们将 ML 视为“下一个大事物”，并已经制定了 ML 战略和计划，这些计划承诺带来实际收益和投资回报率（Pettey & Meulen, 2018）。
图 2. 机器学习采纳
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
美国科技和互联网巨头，即所谓的 GAFA 公司（Google、Apple、Facebook、Amazon）通过获得大量关于客户及其在线行为的数据来建立他们的业务（Raconteur, 2015）。此外，NATU 公司（Netflix、Airbnb、Tesla、Uber）或 BATX 公司（百度、阿里巴巴、腾讯、小米）也都开发了强大的机器学习能力，通过内部平台和模型来实现。他们获取的数据越多，机器学习的效果就越好。然而，这些机器学习能力并不容易被大多数公司获取。他们需要获得不同的方法来访问机器学习能力，以便将自己独特而有价值的数据资产发挥作用。新一代机器学习平台的出现将使各种规模和行业的企业能够更容易地使用机器学习。
图 3. 机器学习成熟度与行业
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
计算能力的进步和大数据现象将 AI、机器学习和深度学习技术推向了一个新领域。Forrester 预测，2017 年 AI 将吸引三倍于以往的企业投资（Press, 2016）。同时，较小的公司声称由于从一开始就将 AI 作为业务核心，其 AI 发展更为先进。
图 4. 组织规模与机器学习成熟度
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
机器学习正在帮助公司优化各种业务流程，以实现其战略数字化转型目标。如果组织继续犹豫，它将错失机器学习技术为企业今天提供的宝贵机会。根据埃森哲的报告，管理者如果理解智能系统的工作原理，更愿意信任它（埃森哲，《人工智能的承诺》报告，2016 年）。
图 5. 机器学习成熟度对培训的需求
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
2019 年，公司被认为处于机器学习的“增长”阶段。这意味着最佳实践仍在建立中。机器学习主要被视为研发工作，生产化模型所需的基础设施尚不可用。由于数据访问、研发预算和机器学习案例的多样性，大公司相比于小公司具有优势。谷歌是首个向市场提供大量数据清理和模型训练解决方案的公司，称为 Hadoop。
图 6. 产品生命周期
我们预计在 2020 年机器学习生产化将取得重大突破。数据科学家正在获得更多用于 AI 实验的工具，使他们能够更轻松地管理和部署模型。
图 7. 机器学习成熟度与数据科学部门规模
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
商业竞争不仅仅由产品质量或交付物流定义，还由独特的数据资产及其利用能力定义。因此，随着公司在 AI 战略和执行上投入巨资，数据科学家面临着巨大的需求（AI 战略，《福布斯》，2019 年）。
图 8. 公司规模与数据科学家数量
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
关于业务相关性的数据显示并转化为需要内部销售的产品和服务创新。将业务需求与机器学习任务连接起来成为数据科学家的核心技能，并为所有参与者带来价值。
图 9. 组织规模对培训的需求
来源：A.Disbudak 进行的学生调查（机器学习调查，2019 年 4 月）。
简介：Asir Disbudak 是一位企业家和营销顾问。他是阿姆斯特丹国际商学院的国际商务学生，充满激情和激励。在这段学习期间，他发展了作为企业家的远见。
相关：
-
Python 引领 11 大数据科学、机器学习平台：趋势与分析
-
打开黑箱：如何利用可解释的机器学习
-
你需要了解的：现代开源数据科学/机器学习生态系统
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析水平
3. Google IT 支持专业证书 - 支持你的组织的 IT 需求