誤區(qū)1:滿足客戶需求：1）客戶不清楚自己的需求，2）AI比客戶更了解自己幻馁。這兩點(diǎn)我理解的地方在于洗鸵，客戶往往是基于自身的業(yè)務(wù)經(jīng)驗(yàn)出發(fā)越锈，視野局限于本部門，本區(qū)塊膘滨，所以能想到的方案都是基于小塊數(shù)據(jù)出發(fā)的東西甘凭。比如做故障預(yù)測，可能客戶能想到的方案是安裝傳感器火邓。而AI的方案是采集相關(guān)數(shù)據(jù)做預(yù)測丹弱。
誤區(qū)2:數(shù)據(jù)深度挖掘：1）深度挖掘不是第一重要德撬，2）數(shù)據(jù)廣度（培養(yǎng)數(shù)據(jù)生態(tài)和養(yǎng)數(shù)據(jù)）更加重要。如果數(shù)據(jù)太少躲胳，技術(shù)的改進(jìn)會比較微弱蜓洪，引入新的數(shù)據(jù)可能會極大改進(jìn)算法準(zhǔn)確度。
誤區(qū)3:數(shù)據(jù)支撐決策：1）BI支撐決策坯苹，2）AI是直接決策隆檀。這部門看起來不太成熟，個(gè)人感覺支撐決策也很重要粹湃。
誤區(qū)4:數(shù)據(jù)分析是系統(tǒng)工程：1）傳統(tǒng)ODS恐仑，DW，DM系統(tǒng)工程弱化为鳄，2）單點(diǎn)應(yīng)用倒逼簡化流程裳仆。從現(xiàn)在的AI決策來看，還是擺脫不了ODS孤钦，DW吧歧斟，但是感覺確實(shí)弱化的這一部分，但是AI加強(qiáng)了類似畫像這樣的環(huán)節(jié)的數(shù)據(jù)司训，個(gè)人理解如果所有的這種一維指標(biāo)型數(shù)據(jù)同樣依賴DW（更為簡便好用）构捡。
此文章純屬探索
