史蒂夫和他的團(tuán)隊(duì)信奉的口號是“成功孕育機(jī)遇”。這個被稱為“高效能計算”小組的IT團(tuán)隊(duì)，并非去要求數(shù)千萬美元的預(yù)算和夸大期望值，而是追求快速取得成果以建立信譽(yù)。在找到了數(shù)百個數(shù)據(jù)源之后，該團(tuán)隊(duì)根據(jù)用例是否為可解決的最有效點(diǎn)，同時又能清楚地展現(xiàn)增量價值，而對各種用例進(jìn)行了優(yōu)先排序。

例如，該團(tuán)隊(duì)開發(fā)了一個名為DefectNet的機(jī)器學(xué)習(xí)應(yīng)用程序，以找出硬盤介質(zhì)表面的測試失敗模式。初步測試結(jié)果表明，有望通過介質(zhì)表面的空間分布對圖像進(jìn)行檢測和分類。然后，過程工程師可以跟蹤與制造工廠內(nèi)中上游設(shè)備相關(guān)的模式。從最初的構(gòu)思原型開始，該解決方案就逐漸發(fā)展形成規(guī)?；?，然后擴(kuò)展到計量異常檢測中的用例?，F(xiàn)在，生產(chǎn)中的每個介質(zhì)表面都要經(jīng)過該應(yīng)用程序進(jìn)行分類，而且該解決方案可作為一個平臺，被多個工廠用作圖像分類應(yīng)用程序。

在開發(fā)用于模擬工廠中物料移動和配送的數(shù)字化雙胞胎時，也采用了類似的測量方法。最初的解決方案側(cè)重于在西部數(shù)據(jù)公司晶圓制造業(yè)務(wù)中模擬物料的移動。通過智能配送而實(shí)現(xiàn)的遞增價值提供了支持和動力，從而可以通過一系列學(xué)習(xí)周期來發(fā)展該解決方案。一個適用范圍狹小的原型再一次成為了一個平臺解決方案，目前可為多個工廠提供支持。這種方法的一個優(yōu)點(diǎn)是：在新工廠的部署工作會重復(fù)使用80%的原有已開發(fā)的資產(chǎn)，而僅剩下20%需要根據(jù)具體現(xiàn)場情況進(jìn)行定制。

開發(fā)“數(shù)字分析辦公室”混合運(yùn)作模式

在其團(tuán)隊(duì)贏得可以為組織帶來幫助的聲譽(yù)后，史蒂夫成立了數(shù)字分析辦公室，其使命是“大規(guī)模加快分析工作，以更快地創(chuàng)造價值。”由數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師、業(yè)務(wù)分析師和學(xué)科專家組成，該團(tuán)隊(duì)旨在為企業(yè)提供聯(lián)合分析能力。數(shù)字分析辦公室與也擁有自己的數(shù)據(jù)科學(xué)家的業(yè)務(wù)團(tuán)隊(duì)進(jìn)行合作，解決具體的難題，這通常涉及將分析能力投入生產(chǎn)中，將這些能力規(guī)?；?，以及確保其具有可持續(xù)性。

數(shù)字分析辦公室會跨多個職能部門開展工作，以找到哪些部門在為相同的目標(biāo)開發(fā)不同的解決方案，同時會使用不同的方法，獲得不同的結(jié)果。在企業(yè)支持的方法和機(jī)器學(xué)習(xí)平臺上進(jìn)行標(biāo)準(zhǔn)化，可使業(yè)務(wù)團(tuán)隊(duì)更快地獲取洞察力，并會創(chuàng)造更高的價值。

為了贏得更多關(guān)注，數(shù)字分析辦公室組織了一次黑客馬拉松活動，將90名工程師分成23個團(tuán)隊(duì)，他們花了三天的時間為一個具體用例來制定解決方案。然后，一個評審小組對方案陳述進(jìn)行打分，對用例所獲得的評分進(jìn)行排名，然后為最有前途的項(xiàng)目給予資金支持。

除了利用黑客馬拉松活動來產(chǎn)生新的需求外，業(yè)務(wù)合作伙伴還會為數(shù)字分析辦公室?guī)硇碌南敕?。這些想法將提交給分析指導(dǎo)委員會，以確定其業(yè)務(wù)價值、優(yōu)先級以及是否批準(zhǔn)成為新舉措。然后，一項(xiàng)新舉措會在一系列沖刺過程的“快速學(xué)習(xí)周期”中進(jìn)行迭代，以向指導(dǎo)委員會展示其價值，然后決定是否維持或擴(kuò)大資金支持。這使西部數(shù)據(jù)公司可以明智地做出抉擇，并側(cè)重于“單項(xiàng)工作而非所有工作”以保持工作勢頭。

建立數(shù)據(jù)科學(xué)技能

史蒂夫說：“要做好準(zhǔn)備，但要提醒一下：數(shù)據(jù)科學(xué)家將是限制因素，而并非技術(shù)。”他在西部數(shù)據(jù)公司的數(shù)字化進(jìn)程的早期就認(rèn)識到，他需要在頭腦中將培養(yǎng)技能的問題進(jìn)行轉(zhuǎn)變。

理想的數(shù)據(jù)科學(xué)家是受好奇心所驅(qū)使的，并會超出數(shù)據(jù)的單一維度或平面來提出“如果……會怎樣”的問題。他們可以理解和構(gòu)建算法，并具備業(yè)務(wù)流程中的課題專業(yè)知識，因此他們知道在哪里尋找獲取洞察力的細(xì)微蹤跡。史蒂夫發(fā)現(xiàn)，這些獨(dú)角獸僅占公司中數(shù)據(jù)科學(xué)家的10%，而另外90%的數(shù)據(jù)科學(xué)家則必須與學(xué)科專家配對，以將理論知識與業(yè)務(wù)流程知識結(jié)合起來才能解決問題。

雖然將這些人配對在一起并非不可能，但是效率很低。作為回應(yīng)，史蒂夫并沒有問如何培訓(xùn)或雇傭更多的數(shù)據(jù)科學(xué)家，而是問：“我們?nèi)绾螛?gòu)建自助服務(wù)機(jī)器學(xué)習(xí)功能，而它僅需要具備類似SQL的技能?”西部數(shù)據(jù)公司開始探索谷歌和亞馬遜公司的自動機(jī)器學(xué)習(xí)功能，該機(jī)器學(xué)習(xí)功能可產(chǎn)生更多的機(jī)器學(xué)習(xí)功能。該愿景是為了抽象出在設(shè)計算法時所涉及的更復(fù)雜的技能，以便可以培訓(xùn)業(yè)務(wù)流程專家自己進(jìn)行數(shù)據(jù)科學(xué)研究。

設(shè)計與面向未來的技術(shù)

許多組織都采取了錯誤的步驟，即僅就技術(shù)來制定數(shù)據(jù)策略。這種方法的局限性在于，企業(yè)會承擔(dān)過度設(shè)計解決方案的風(fēng)險，并且難以快速產(chǎn)生價值，而當(dāng)產(chǎn)品上市時，該解決方案可能已過時。史蒂夫意識到了這種風(fēng)險，然后指導(dǎo)他的團(tuán)隊(duì)開發(fā)一種技術(shù)架構(gòu)，該架構(gòu)可提供核心構(gòu)建模塊，而無需鎖定某一單個工具。這種適用于特定用途的方法使西部數(shù)據(jù)公司能夠通過一個靈活的平臺讓其數(shù)據(jù)和分析功能面向未來。此架構(gòu)的三個核心構(gòu)建模塊是：

1. 利用大數(shù)據(jù)平臺收集數(shù)據(jù)
2. 利用分析平臺處理數(shù)據(jù)和管理數(shù)據(jù)
3. 通過嵌入在業(yè)務(wù)功能中的數(shù)據(jù)加快創(chuàng)造價值

設(shè)計與面向未來的技術(shù)：收集數(shù)據(jù)

第一步是能夠收集和存儲數(shù)據(jù)，并定制成符合每個公司業(yè)務(wù)模型的方式來訪問數(shù)據(jù)。例如，西部數(shù)據(jù)公司擁有重要的制造業(yè)務(wù)，這些業(yè)務(wù)需要亞秒級的延遲以在邊緣進(jìn)行本地數(shù)據(jù)處理，而其他業(yè)務(wù)功能則可以為核心業(yè)務(wù)提供云端存儲。在這兩類業(yè)務(wù)工作中，西部數(shù)據(jù)公司每天在其分析環(huán)境中使用80-100萬億個數(shù)據(jù)點(diǎn)，而更多的分析計算能力會推向邊緣。該公司還會基于必須要進(jìn)行分析的數(shù)據(jù)的頻率，優(yōu)化數(shù)據(jù)的存儲位置，將數(shù)據(jù)和技術(shù)堆棧脫離。如果該數(shù)據(jù)一年僅需要幾次，那么最好的低成本選擇是將其存儲在云端。西部數(shù)據(jù)公司的公用數(shù)據(jù)存儲庫會跨越所有生產(chǎn)環(huán)境中的流程，并且其結(jié)構(gòu)可通過各種類型的處理功能來進(jìn)行訪問。

此外，隨著西部數(shù)據(jù)公司的用例越來越多地依賴于低延遲，顯而易見，他們需要將基于云端的大數(shù)據(jù)功能更靠近于產(chǎn)生數(shù)據(jù)的位置。西部數(shù)據(jù)公司希望通過提供自助服務(wù)架構(gòu)來為用戶群體提供支持。為此，該團(tuán)隊(duì)開發(fā)并部署了一個稱為大數(shù)據(jù)平臺邊緣架構(gòu)的PaaS(平臺即服務(wù))，該架構(gòu)使用西部數(shù)據(jù)工廠中的云原生技術(shù)和DevOps最佳實(shí)踐。

面向未來的技術(shù)：處理與管理數(shù)據(jù)

利用要進(jìn)行分析的數(shù)據(jù)，西部數(shù)據(jù)公司提供了一套工具，該工具允許其組織提取、管理和維護(hù)主數(shù)據(jù)。從開源的Hadoop到多并行處理、NoSQL和TensorFlow，數(shù)據(jù)處理功能是基于用例的復(fù)雜性以及數(shù)據(jù)的數(shù)量、速度和種類而量身定制的。

盡管這些技術(shù)會隨著時間的推移而發(fā)展，但西部數(shù)據(jù)公司將繼續(xù)進(jìn)行數(shù)據(jù)管理和保持?jǐn)?shù)據(jù)質(zhì)量。在西部數(shù)據(jù)公司，每個人都要對數(shù)據(jù)質(zhì)量負(fù)責(zé)。為了培育這種文化，IT團(tuán)隊(duì)組建了一個數(shù)據(jù)管理小組，該小組會在進(jìn)行數(shù)據(jù)質(zhì)量交付過程中查找、訓(xùn)練和指導(dǎo)數(shù)據(jù)管理員。由于有了明確的數(shù)據(jù)資產(chǎn)所有權(quán)，對數(shù)據(jù)集的信任度和其價值就可以提高。

除了保證數(shù)據(jù)質(zhì)量具有所有權(quán)之外，數(shù)據(jù)管理小組還負(fù)責(zé)平臺決策，例如如何構(gòu)建數(shù)據(jù)倉庫，以便使多個利益相關(guān)者可以正常工作。

面向未來的技術(shù)：實(shí)現(xiàn)價值

在具體場景中所應(yīng)用的數(shù)據(jù)會將數(shù)字和字符轉(zhuǎn)換為信息、知識、洞察力，并最終產(chǎn)生行動。為了在業(yè)務(wù)流程(無論是查看過去數(shù)據(jù)，查看實(shí)時數(shù)據(jù)，預(yù)測未來數(shù)據(jù))中實(shí)現(xiàn)數(shù)據(jù)的價值，西部數(shù)據(jù)公司開發(fā)了逐步升級的四層功能：

• 可視化
• 臨時查詢和預(yù)測性分析
• 人工智能驅(qū)動的商業(yè)智能
• 人工智能驅(qū)動的學(xué)習(xí)

通過以這種方式設(shè)置分析服務(wù)產(chǎn)品，業(yè)務(wù)合作伙伴可以使用正確的工具來完成相應(yīng)的工作。數(shù)字分析辦公室并沒有明確地告訴人們該使用哪種工具，而是側(cè)重于在該指導(dǎo)原則下使用適合于特定用途的工具集：所構(gòu)建的任何東西都應(yīng)具有一個清晰、安全和可擴(kuò)展的路徑來啟動，并具有重復(fù)使用的可能性。

該平臺的重用能力大大地縮短了規(guī)?；瘮U(kuò)展和業(yè)務(wù)提升的時間。

在整個轉(zhuǎn)型過程中，針對公司如何利用數(shù)據(jù)分析作為競爭優(yōu)勢的來源，史蒂夫·菲爾波特和數(shù)字分析辦公室已幫助西部數(shù)據(jù)公司提升了思維方式。聯(lián)合運(yùn)營模式、新的數(shù)據(jù)科學(xué)工具以及致力于數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理使公司能夠打造自己的未來，同時專注于解決核心業(yè)務(wù)問題，而不管技術(shù)潮流如何變化。