O documento fornece diretrizes para empresas prepararem-se para a Inteligência Artificial, incluindo sair do físico para o digital, construir negócios em torno de dados e redes, e alavancar máquinas e dados para inovação. Também discute as tendências da Era do Multi-Cloud e Machine Learning e as melhores estratégias de dados, como construir soluções ou adquirir startups.
4. https://www.forbes.com/sites/tomdavenport/2019/04/05/ai-is-destroying-traditional-business-thinking/#14be83b33205
• Sair do físico para o digital
• Sair de produtos e serviços para plataformas, redes e dados
• Sair do petróleo (oil) para dados como fonte de criação de valor
O que fazer?
• Deixar a propriedade e fabricação de
bens para os outros
• Construir seu negócio em torno de
redes e frameworks abertos
• Diversificar seu modelo de negócios e
saber mudá-lo
• Considerar framework contábil
alternativo para o seu negócio
• Alavancar as máquinas (IA) e sua
expansão com novos conjuntos de
dados
7. Qual a melhor estratégia de Dados
para as Empresas?
•Construir do zero
•Customizar um projeto em open source
•Comprar/licenciar solução de um fornecedor
•Co-desenvolvimento
•Aquisição de empresa/startup
https://www.kdnuggets.com/2019/07/best-data-strategy-enterprises-build-buy-partner-acquire.html
9. 10 Machine Learning Methods that
Every Data Scientist Should Know
1. Regression
2. Classification
3. Clustering
4. Dimensionality Reduction
5. Ensemble Methods
6. Neural Nets and Deep Learning
7. Transfer Learning
8. Reinforcement Learning
9. Natural Language Processing
10. Word Embeddings
https://www.datasciencecentral.com/profiles/blogs/10-machine-learning-methods-that-every-data-scientist-should-know
14. Smart Business (Alibaba way)
• Step 1: “Datafy” every customer exchange
Engajamento na dataficação criativa para enriquecer o conjunto de dados que o
negócio usa para se tornar mais inteligente
• Step 2: “Software” every activity
Coloque workflows e atores essenciais online
• Step 3: Get data flowing
Defina padrões e APIs para viabilizar a coordenação e o fluxo de dados em tempo real
• Step 4: Apply the algorithms
Use algoritimos de machine-learning para a tomada “inteligente” de decisões
Novo tipo de Liderança
Aumentar a taxa de successo da inovação ao invés de melhorar a eficiência da operação
https://hbr.org/2018/09/alibaba-and-the-future-of-business
16. https://www.idc.com/getdoc.jsp?containerId=prUS45344519
• Principais drivers: melhorar produtividade, agilidade do negócio, e
satisfação do cliente via automação
• Barreiras: custo das soluções de IA, falta de pessoal qualificado, e viés
nos dados
• Mais de 60% das organizações reportaram mudanças em seus
modelos de negócio associadas à adoção da IA
• TI é a área de negócios #1 para uso da IA, seguida de perto pelo
atendimento a clientes e gestão de fraudes/riscos
• Considerações de Confiança, viés, e éticas estão ganhando
importância
• A Maioria das organizações relatou falhas nos seus projetos de IA
com ¼ delas informando taxas de até 50%