你知道为什么要聘请数据科学家吗？最近在波士顿举行的全球人工智能会议中，Bose Corporation公司数据治理负责人Stephen Gatchell在闭幕主题演讲中称，很多公司迫于压力去聘请数据科学家，但其实很多公司都没有为之做好准备或者不知道该如何安排他们。

在聘请数据科学家之前，Gatchell建议IT部门首先需要确定业务案例，然后创建可靠的数据基础。这个基础不一定是最高质量的数据，只需要足以让数据科学家开始工作以及训练AI模型即可。不幸的是，对于很多企业而言，获取足够的数据用于AI已经是一个挑战。Gatchell建议转向竞争对手来建立数据存储。

对于管理AI和机器学习的数据，主要有哪些挑战？

Gatchell：第一个挑战在于，企业还没有准备好聘请数据科学家，就已经在聘请数据科学家—仅仅因为业界认为应该这样做。首先，企业需要确定业务用例以及其试图解决的问题。很多公司似乎在招聘数据科学家，而不明白为什么他们要这样做。当他们雇佣数据科学家后，没有足够的数据来训练这些数据科学家，并且他们没有足够的资料来获得企业的预期结果。

而在获取高质量数据的挑战方面，我认为数据质量被高估。如果你想进行机器学习和AI，你不能等到你有足够好的数据才开始，否则你将永远在等待。

此外，目前并没有足够多的行业团体聚集在一起来巩固他们的信息—他们可能仍然处于竞争中。我认为现在已经有大量的数据，只需要收集数据并有效利用即可。例如，如果你在消费电子行业，你可以转向你的竞争对手，你们都有着相同的数据，差异在于数据科学本身。因此，我认为这个行业还需要更趋于成熟才会意识到这一点，并凝聚在一起。竞争对手应该联手解决问题—特别是在医疗保健行业。

这里的关键在于确保你了解业务用例是什么，而不仅仅因为应该这样做，而去招聘数据科学家。其次，我们应该弄清楚如何使该行业足够成熟，以便我们能够获得所需的信息和数据集—通过与行业中其他企业合作，而不是雇佣营销公司并获取他们销售的数据。各个企业应该携手同行来合并足够的数据进行训练、建模等。