原文：
www.kdnuggets.com/2018/07/4-levels-data-usage-data-science.html
评论
在 O'Reilly Data Show 播客的最新一期中，Ben Lorica 采访了来自DXC Technology的嘉宾 Jerry Overton，讨论了数据从业者必须处理的一些非技术性问题，如隐私、安全和伦理，以及当前数据科学在商业中的状态。
图 1： 利用数据科学积累竞争优势的过程（来源：数据科学职业进阶）
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持组织的 IT 工作
Overton 指出，五年前，从数据中提取价值的理念对企业来说还是新的，企业必须被说服认为收集数据并分析其中有意义的模式是值得的。与今天的观点相比，企业现在理解到不使用数据就是失去了潜在的竞争优势。数据科学在某种程度上是必要的，但企业现在面临一系列不同的问题。我们的数据科学家应该做什么？我们应该关注业务的哪些领域？我们的数据到底如何增值？
Ben 和 Jerry 讨论的一个话题是商业中数据使用的层级，或称“桶”，Jerry 定义并概述了这 4 个类别。讨论很有趣，尽管层级描述直观，但在我看来还是很有用的。以下是这些类别的基本总结，我鼓励大家收听整个节目以获取更深入的讨论。
1 - 监控与预测
这个层级包括实施端到端的能力，以查看发生了什么，并观察是否会出现问题。
-
监控业务并预测问题
-
收集有关发生情况的信息
-
收集的信息就是 Overton 称之为“数字数据排放”
-
我们能够回答“是否存在问题？”这个问题
2 - 提高效率
既然你知道问题的存在，那该如何减少与该问题相关的风险呢？
3 - 增强决策制定
在这个层级，我们应该已经知道出了什么问题，并且在预测问题发生的时间上（希望）会有更好的定位。
-
将这些信息传达给决策者
-
我们可以利用洞察力制定业务战略，而不是仅仅依赖数据，或以交易方式使用数据
-
这距离自动化一步之遥，不过人类仍然作为主角需要参与
4 - 自动化
在这个层级，我们将特定过程的控制权交给机器，让机器不间断地运行这些过程，并且不需要持续的人类监督。
-
当机器遇到无法应对的现象时，会提醒人类
-
重要的是要注意，这种自动化是逐步发生的，而不是一次性完成
-
这不是“完全业务自动化”，类似于 SkyNet
-
使人类能够做更有意义的工作，专注于业务需要人类做的事情
图 2： 企业数据科学（来源：DXC Technology，如这里所见）
相关信息：
-
数据科学的什么、哪里和如何
-
数据科学：大多数人失败的 4 个原因
-
人工智能如何改变你的业务