传统上，企业领导者与技术的关系有些复杂。他们中的许多人本能地知道其部署可能对他们的业务具有变革性，尽管他们缺乏充分了解投资方式和时间所需的深厚知识。富士通最近的研究表明，企业应该为即将发生的技术驱动变革做出规划的方式存在很大程度的不确定性，以至于世界各地的商业领袖都倾向于采取由政府间机构和政府领导的协调全球方法。

虽然我不认为这些不确定性和怀疑程度会消失，但我相信，当涉及人工智能，数据分析和数据科学的使用时，2019年将是我们看到其使用量急剧增加的一年。各种规模的组织。

是什么推动了这一趋势？

数据分析兴起的核心是开源工具，我认为这些工具在数据科学领域的民主化方面做得比其他任何方面都要多。作为在该领域工作的人，我相信开源不仅仅是数据科学革命的一个有趣的旁注; 它绝对是不可或缺的。

过去，要成为研究团队中有价值且有效的成员，需要接受特殊培训以掌握专有系统以及多年的经验。现在不再是这种情况了。得益于更广泛的开源工具选择，现在越来越多的人可以从他们开始在组织工作的那天开始提供有价值的见解和分析。 

由速度驱动的变化

数据科学和开源编程的好处正是当今快速发展的业务所需要的，而且非常正确。由于全球市场的步伐放缓，有一段时间市场趋势可以更容易识别和预测。当然，这似乎是一个世界，当一条推文可以改变公司的命运或颠覆公司战略时。然而，在这些压力抬头之前，专有（闭源）软件在大多数公司寻求分析其数据时都有效。但是，这个软件可能会非常慢。直到最近，传统供应商通常每季度甚至每年发布一次关键专有软件的更新版本。显然，这不会在政治气候中发生，社会和环境动荡似乎无情，企业领导者需要比以往更加敏捷和敏感。但是，开源软件可以在几天甚至几小时内进行修改或重写，这意味着它对于实时分析来说是明智的选择。有些还将生成可免费下载的工具和统计软件包，为数据科学家提供几乎无限的新编程资源。
 

为什么这很重要？

这种数据科学使用增加的影响是深远的。迄今为止仅在其运营边缘使用数据科学或认为自身太小而无法通过数据驱动的组织现在可以重新考虑其立场，并开始以改变其运营方式的方式进行部署。人工智能突然变成小企业可以开始计划并从中受益的东西。 

企业领导者一直在努力研究如何最好地利用和整合组织内的人才库。通过选择开源工具，从技能角度来看，他们还可以利用最广泛的人才和工作方式来适应不断变化的业务。这也将促进业务和技术团队之间更具协作性和创造性的关系。

人工智能最大的障碍之一始终是数据科学团队与组织主题专家之间的脱节。人工智能背后的基础技术的复杂性需要大量的数据科学专业知识，而主题专家仍然很少会对组织的成功起到关键作用。缩小数据科学团队与业务其他领域之间的差距对于从企业的AI计划中获取最大价值是至关重要的。2019年正在形成实际发生的一年，这得益于整个组织中更加公平分布的技术专业知识和人工智能的智能应用。

数据科学家的结束？我不这么认为......

开源软件的民主化影响并不意味着数据科学家会对需求产生过剩，反之亦然！开源工具意味着组织将从新的编程资源中受益，这将扩展AI的潜力 - 但使用这些工具需要技能，判断和经验。

数据科学家将比以往任何时候都更需要，但他们的专业知识部署方式将随着我们看到的更广泛的变化而变化。我认为，我们不会让数据科学家团队全职工作以应对公司所面临的所有挑战，而是会逐个项目地与数据科学家进行更多的合作，并与其他领域密切合作。企业提供真正的价值。 

我们谁都不知道未来会怎样，但AI的未来将在2019年及以后更加光明。我期待看到它的美好未来成型。