在这个信息时代，速度、灵活性以及前瞻性是一个成功组织有别于其它组织的主要标志。因此，当今企业必须有一个行之有效的机制，使之既能有效监控组织运作，又能下放决策权以回应竞争形势的变化，有效利用意外的机会。如何才能保持控制和灵活之间的平衡呢？一个最核心的要素就是共享知识。
如果说知识及智力资本正在成为竞争优势的主要驱动力，那么智能化组织就是一个能够模块化、标准化并在组织内部及外部广泛共享知识的组织。正是这些公司在不断地根据商业计划的变化而转变他们的知识库。
信息系统扮演了一个创造和发布知识的角色。具体地讲，数据仓库就是一个重要的信息系统。它是一个以主题为导向、源于公司事务系统和外部数据源的中央知识库。数据仓库的成功实施会对培育一种知识共享文化产生重大影响。
数据仓库如果使用得当，会为顾客行为、产品或商业活动的效果、利润及成本结构等的深入研究提供工具。然而，象任何有充分根据的研究努力一样，收集和组织起来的数据必须和你想要获得的知识领域相关。许多公司忽视了这一点。虽然数据仓库的建设与公司的整体战略息息相关，它们却没有为此设立一个明确的目标。
在“智力资本：组织的新财富”（Intellectual Capital: The New Wealth of Organizations）一文中，Thomas A. Stewart（斯图特）抓住了当今数据仓库存在问题的精髓。他写道：“知识资产，就象资金或者设备一样是存在的，在战略上来说是很值得开发的。但是你又不能明确定义和知识资产，除非你知道你想用它们来做什么。”
以下是一个数据仓库建设走入歧途的典型例子。一家高速增长、每个月增加三个电话销售服务中心的公司，想测算这些服务中心的生产率，评估它们的服务质量。在花了9个月时间和800,000美元之后，没有得到任何看得见的利益，于是该项目停了下来。一检查，才发现出了这么多问题：所需要的数据没有收集或者收集不到，最初的数据库范围太广――试图在很短的时间里包括太多的信息。没有花费足够的时间深入了解公司的真正需求。除了最初批准项目外，高级层没有就项目实施的优先次序给以充分指导，结果导致了在所需数据与所收集的数据之间出现了断点。
成功的组织应该采用制造业的模式来他们的信息资产。数据仓库的覆盖范围取决于你对“适时”（JIT）信息的需求。
孤立的数据就象存货一样，维护起来价值昂贵。存货过多会导致效率低下、成本高昂。孤立的数据与其类似。只有将其转变成能传递给用户使用的知识，这些数据才有用。
在制造业，人们是头脑中先有了最终产品才开始设计。同样，人们必须经过调研才能确定哪种原材料会生产出最好的产品。然后，人们将这些原材料（数据元）制成部件（主题数据仓库）。部件再被装配成产品（数据中心），这些产品会通过各种途径（互联网、内部网、报告、计算机程序等）分发出去。最后，这些产品被不停地调用、增强、升级或者废弃。建造数据仓库有五个重要步骤：
让数据仓库和商业目标一致 用明确的需求驱动数据仓库。最成功的数据仓库往往产生于正经历重要变革的行业，一个很好的例子就是公用事业。在公用事业行业，长途、市话、蜂窝电话及电报服务正在融合。在许多这类公司里，重大的商业变革在所难免。一开始，这个数据仓库就拥有一群身份明确的用户和一套具体的商业问题，设计数据仓库就是为了回答这些问题。
一个公用事业公司，可以通过增加现有的内部成本数据和竞争对手的成本数据以及制订收入计划书，显著地提升它的数据仓库。它创立了一个按设备类别及使用年限进行成本分析及利润分析的典范。过去，设备人员不需要对利润负责；如今，他们有了根据潜在的价格变数采取可潜在降低成本措施的知识，从而使他们在支持资本投资决策方面变得更主动，因为这些决策会使他们的设备比竞争对手更高效。
具竞争力的数据及样本分析是公司制定战略方向的直接依据。这些重要知识在公司上下广泛共享，不仅提高了公司的整体知识水平，而且使公司为快速应变做好了准备。
创立商业驱动型信息结构 在创建数据仓库的过程中，一个重要的步骤就是创立一个信息架构方案，使公司的商业目标与所需要的数据保持一致。考虑一下制定架构方案的三个基本要素：基于商业目标的数据仓库将包括什么样的数据？要支持数据仓库，必须对基础设施做怎样的改变？采用怎样的信息传递机制？
通过建立模型，检测数据仓库中包含的数据能否有效支持目标，可以证明其包含的数据是否得当，还缺少哪些数据或哪些数据难以得到。在此，建模是否恰当是关键。
例如，在典型的营销数据仓库中，通常假设包括所有人口统计学资料。然而，开发数据仓库的一个更有效的方法，是使用建模工具对数据样本进行分析，从而确定出那些最可能影响给定商业目标的参数。这些参数，应该是第一阶段最重要的内容。这种方法简化了数据仓库的结构，并大大减小了数据仓库最初的尺寸。这样，数据仓库的效果很快就会显现，而且不会抑制其性能，其它特性则可以在以后需要时再加入。
然而，企业往往急于在实施数据仓库的初期，就囊括所有可能的数据，这是不必要的。通常，历史数据可以以高度概括的形式保存，具体细节可能并不那么重要。通过创建信息架构方案，就可以权衡必须要包含哪些数据了。
接下来，要对修改或增强基础构造方面的提议进行评估并做出决策，更换那些正在阻碍企业发展、不再收集相关或有效数据的过时处理系统。
最后，要保证该信息架构方案成为从数据仓库获取信息的应用软件的基础。一般来说，需要多种应用软件才能满足广泛用户的需求。分析人员需要功能强大的工具为数据建模，可能会需要一些专用的工具软件。而其他人，如经理和行政人员，只需要一个网络浏览界面，能随时随地获取基本信息就行了。
注意为模块化奠定基础 盖房子的人不会为支撑3000平方英尺的房子而打20000平方英尺的地基。也不会在一开始就打好所有的地基，然后再一座座去盖。他们先设计出方案，标出一块块用地和住宅的位置，然后决定基础设施要求，再建造房子。
这也是建造数据仓库的正确方法。如果你想一蹴而就，一下子就建成能满足所有用户需求的企业数据仓库，是注定要失败的。建造和维护一个企业数据仓库，是一项耗时、费力而又没有终点的任务。你应该先设计一个信息架构（一个企业数据仓库的总体设计），然后逐步实施，重点放在高度重要的商业事件所需要的数据中心或数据传递机制上。用户很快会衍生出商业价值，从而推动数据仓库的发展。
假如有这样一家公司，它的战略是成为最低成本服务供应商。那么，它首先要弄明白公司目前的成本结构，从而找到一种能够在价值链的每个环节削减这些费用的方法。然而，在一个典型的数据仓库里，信息是以表格形式按照不同的主题分组保存的。这些数据表要组合起来并不容易。可能销售收入或订单信息包含在一组数据表中，而费用信息却在另一组数据表里。从这些信息里产生出按客户或按产品分类的利润分析表，至关重要。可是，大多数企业将这项工作留给了用户，让他们花费大量时间下载这些数据表，自己尝试从中得到所需要的分析。这些数据表通常都非常大，会让用户感到很失望，并觉得数据仓库的价值不大。
创建动态数据中心 数据中心是为企业关注的问题而设计的应用程序。应用程序应用一套丰富的商业规则，对数据仓库的一组信息子集进行修饰、加工，从而产生一个目标分析结果。一个数据中心不必只供一个部门专用。电讯业常见的应用――用户跳槽分析，就不只用于营销部门，而且还用在顾客服务、销售及财务等部门。企业需要确定造成用户跳槽的原因是什么，对公司财务有多大的冲击，销售和顾客服务部门应如何避免用户跳槽的发生。商业变化很快，数据中心应用的根本商业规则也必须不断更新以继续提供价值。
例如一家印刷公司，其产品15年来一直创造高利润，但如今却面临一个重大转折――它的产品过时了，正被它自己的电脑激光出版能力所淘汰。在努力向市场提供新产品时，重要的业绩度量方法就是新产品的销售量在总销售量中所占的百分比，以及这些新产品销售量的增长率。此时，对企业来说，建造一个监控这些度量值的数据中心很重要。如果该企业成功实现了新旧产品的转变，这个数据中心很快就会过时并遭抛弃。而新的关键业务问题将是产品质量、顾客服务或销售渠道的效率问题。此时，其数据中心必须转而关注新的问题。
数据中心应该是一系列不断变化着的目标分析程序，这些应用程序建立于坚实的数据仓库基础之上，并随着商业的变化不断演进。对其成本则应基于这样的考虑，即它们需要不断地改进和维护，否则就会失去价值。
对不完整数据的及折中使用 试设想这样一个典型情景。一名行政经理，因为要和一个重要客户的行政总裁会面，他必需掌握大量关于这个客户的知识：这个客户和我们做了多少生意？购买了些什么产品？我们拥有他全部生意的百分之多少？这些基本问题应该很容易回答，但又似乎不可能。
这家公司已通过兼并扩大了很多，对这个具体客户的销售可能涉及20个不同系统。每个系统的不同帐号模式，使轻易得出该客户的跨系统销售额这件事几乎变得不可能。另外，该客户刚刚收购了一家大公司，这件事在分析时也应当一并考虑在内。
另外，复杂的折扣结构使事情更复杂。实际记帐的资金分布在据订单产生的不同的会计系统中。对于这些表面上看来很显然的信息，要信息系统小组在短时间内拿出来似乎是不可能的。
然而，并非一定要完全精确的信息才有价值。往往信息的一个抽样就足以使人们透视一个用户了――有根据的推测总比没有的好。在上述分析中，更有用的是知道在20个系统中，其中17个销售给该客户的是什么，并对这一结果进行评估，从而衍生出一个总销售额的估计值。
对不完整、不全面的数据，应该研究如何使用，清理出有用数据并预测哪些数据需要清理。层也应该在一开始就简明地知道可得到什么数据，其不足之处在哪里。建立原型可能是个极有价值的工具，能协助我们形成观点，解释数据完整性问题，达成共识，并且制定出分期实施计划。
通过遵循这些规则，成功建立数据仓库的公司已获得了巨额的投资回报。数据仓库在企业获取和分发知识方面处于中心地位，决策得以支持和加强，组织处于良性状态。基于对潜在商业机会更深入的理解，企业组织可做出快速反应。
阅读：人次
上一篇文章： 下一篇文章： 没有了
没有相关文章
培训超市& (5000多套光盘)介于5年来，对自己性格的充分了解。 初步判断出我是一个对感兴趣的领域会彻夜不眠、赴汤蹈火，不感兴趣的领域宁可拖5年也不肯被逼着学的人。 那我接下来的人生是应该找到某一个让我兴奋领域，孤注一掷。 还是按部就班考一些证书、重新参加高考之类的常规之路。 如果你处于我这种情况，你会如何规划？目前我会昼夜看的书：心理学 经济学 黑客技术 电子领域的文章。（目前手里有5万现金，吃住可以靠家里，并且不再向家里要1分钱。）希望能启迪思想，开阔眼界。诚心拜谢。
不建议高考。毕竟年龄很大了，这么大的风险承受不住。建议题主选择一个感兴趣的专业自考本科，如果想深造，再考研试一试，学历是不重要，但如果除了拿不出学历，其他的能力和技能也拿不出来的话，还是尽量有学历。
来上海吧，你会发现你是个弱智
借用知友贴的一句话：“人生两大悲剧，一曰万念俱灰，一曰踌躇满志——萧伯纳”。出处。希望你成功，但我希望没用，这个世界自有它铁一般的逻辑，并非我们一厢情愿。您还是多反省，多踏实努力，戒骄戒躁吧，避免悲剧
创业准备中……人人网 - 我情商到底多少?
邮箱注册：
创建密码：
手机号码：
创建密码：
下次自动登录你知道搜索引擎的智商有多高吗？
作者：刘锋1.关于机器与人类智慧未来的分歧日，超级电脑“沃森”打败了人类，站在了与人类智力竞赛的最高领奖台上。著名的未来学家库兹韦尔相信，由于信息技术正朝着“超人类智能”的奇点迈进。当这个信息奇点在2045年到来的时候，人工智能将超越人类智慧。但也有不少科学家认为机器智慧超越人类智慧还只是一个科学幻想，包括麻省理工的计算机学教授罗勃o米勒(Rob Miller)，Facebook人工智能实验室主任、深度学习专家Yann LeCun，都认为机器算法在一些领域的确超越了人类的能力范围。 但在一些领域，例如对社会和文化的认知领域，包括不断发明各种新词汇、传播小猫的视频并点赞，或一起参与构的其他文化现象。这些是机器算法很难企及的领域。1950年，图灵发表题为《机器能思考吗？》的论文，第一次提出“机器思维”的概念。提出假想：一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么，就可以认为这个计算机具有同人相当的智力，即这台计算机是能思维的。这就是著名的“图灵测试”(Turing Testing)。图灵测试经常用来检验机器是否具备人的智能，但图灵测试受人为因素干扰太多，严重依赖裁判者和被测试者的主观判断，而且只判断机器是否具备了人的智能，但机器与人类智慧的差距和变化速度并不能得到定量的分析。因此往往有人宣称其程序通过图灵测试，例如2014年6月英国雷丁大学客座教授凯文o沃维克宣称一款名为“尤金o古特曼(Eugene Goostman)”的计算机软件通过了测试，但很快就被人揭发他们的测试有很大漏洞并由欺诈嫌疑。那么有没有一种方法，能够定量检测机器智力的发展水平和速度，并与人类智力进行对比，观察可能潜在的风险并进行防范。2013年以来我们在机器与互联智商方向进行了探索，初步成果已经发表在日举办的ITQM会议上，下面我们将简要介绍如何定量分析机器与人类智慧的未来之争。2.机器与人类智商通用测试方法（M&H IQ)在心理科学中，智力(intelligence)是最难理解的概念之一。 目前有关智力的定义累积起来不下百种， 但一个基本共识是，智力是人们认识客观事物并运用知识解决实际问题的能力。对人类智力的测量即智商测试由比奈西蒙最早提出，1905年比奈西蒙发表了《诊断异常儿童智力的新方法》, 即比纳西蒙智力量表 ，标志着智力测验的正式出现。 1916年，美国斯坦福大学教授推孟(L.M. Ter man)将比纳西蒙量表介绍到美国并予以修订，修订之后的量表称为斯坦福比纳量表，它成为目前世界上广泛流传的标准测验之一。因为目前机器智力发展还很不完善，不能完全套用对人的智商测试。几乎没有任何机器系统能够完成人类智商测量的操作能力测试，因此我们需要吸收以上智商测试量表的优点，设计新的智力评价体系和建立测试题库。使之能同时对机器系统和不同年龄阶段的人类进行测试。这样得出的结果将可以定量的看出机器智慧与人类智慧的差距，通过定时测试，也可以发现机器智慧与人类智慧差距的变化情况。基于“智力是人们认识客观事物并运用知识解决实际问题的能力”这一基本认知，可以从知识的获取能力（观察能力），知识掌握能力，知识创新能力，知识的反馈能力（表达能力）等四大方面建立新的机器与人类通用智商评价体系,从这四个方面建立15个分测试，并采用德尔菲法对其赋予权重。具有机器智慧的程序有很多种类，其中搜索引擎具有很强的代表性，作为目前互联网最重要的应用之一，搜索引擎代表有Google，Baidu，Bing等，这些搜索引擎目前在通过各种方式不断提高搜索引擎的智能水平。例如 从只能识别文字增加到能够识别声音和图片；引入“语义理解”技术，试图理解用户的搜索意图；通过深度学习，让搜索引擎可以自动识别图像中是什么物体。因此选择对搜素引擎进行智商测试并与人类进行对比将具有典型的意义。3.世界搜索引擎排名与机器智慧的弱点根据机器与人类通用智力量表，可以建立机器与人类通用智商测试题库（因为篇幅问题，本文不进行详细介绍），2014年5月我们利用这个测试题库对全世界50个搜索引擎和3个不同年龄阶段的人类群体进行测试得到结果如下：通过测试我们发现搜索引擎在知识的掌握能力上远远超过人类，但在知识的创新能力上全部得分为0。由于知识创新能力在通用智商测试（M&H IQ)的权重更高，因此世界范围的搜索引擎的总体智商大大低于人类智慧，最高的Google的智商值也不到人类6岁儿童的一半。从上述研究还可以看出智能或智力是由不同的因素组成，例如天文，地理，历史等常识，数学计算，语言翻译。这些方面机器或互联网已经远远超过普通人类的能力，甚至强大到令人恐怖的地步，这也是库兹韦尔的观点能够震慑住很多人的主要原因。但我们往往忽略，除此之外，智力还包括猜测预测，排列组合，规律发现，创新创造，伪装欺骗等更高等级的智慧因素，而在这些方面，机器和互联网表现的基本为0，更不用说与婴儿比较。从科技的发展看，低端的智能，机器的能力突飞猛进，高端的智能，机器的能力举步维艰，数十年来毫无进展，未来的智慧世界应该是机器与人类的分工，低端重复性的智能由机器承担，高端的创造性的智能由人类来承担。过分的宣扬机器智慧超越人类智慧，正如Facebook人工智能实验室主任Yann LeCun所说“人工智能的每一个新浪潮，都会带来这么一段从盲目乐观到不理智最后到沮丧的阶段。未来学家生来就愿意做出盲目的预测，尤其是他们特别渴望这个预测成真的时候，可能是为了实现个人抱负。”，最后需要指出，目前建立的机器与人类通用智商测试量表（M&H)还有很大的改进空间，但希望这是一个起点，能够解决图灵测试的不足和缺陷，为定量分析机器智慧能否超越人类智慧打下初步的基础。更多互联网前沿科技文章欢迎关注微信号ITXlab
*文章为作者独立观点，不代表虎嗅网立场
点此全站设置为大字体
本设置保留在浏览器内
分享到朋友圈
分享到微信朋友圈，炫耀你的微信影响力!～
您可能感兴趣的文章
要评论？请先
没有帐号？点击
360和百度一样？百度这么多年搜索岂不是白做了
下面还有盘古搜索呢
登录后可点评，点击登录
下面还有盘古搜索呢
我个人认为就目前发展来看，人工智能永远都不会超过人类智能，人工智能目前还是输入加一个公式，然后输出。有人不是说过这样一句话呀，即使人类最简单的一个情感思维活动运算量远远超过目前最复杂的计算机么。
您要知道所有的东西，都在朝前发展，都在不断的进化，机器人，超过人类，只是早晚...
登录后可点评，点击登录
您要知道所有的东西，都在朝前发展，都在不断的进化，机器人，超过人类，只是早晚的事，只时不知道在什么时间，会发生一个奇点，或者发现人类思考的方式，只要找到了，那机器人，时代将会到来。
这个世界，唯一有创造力的物种就是人。这是人与其他任何动物和机器的最大区别。
我个人的看法是：
动物也是有创造力的，动物也会学习，有些大猩猩只会有大石头砸...
登录后可点评，点击登录
我个人的看法是：动物也是有创造力的，动物也会学习，有些大猩猩只会有大石头砸坚果，吃碎果仁，有些大猩猩却学会了用小石头慢慢砸，这样能吃到完整的果仁，并且，这些东西会被其他猩猩学会，并传承给幼猩猩。这些东西也许是只偶然的发现，就像人类偶然发现火可以烤肉一样，如果放任这些猩猩自由发展，也许N多N多年以后，也会产生文明。人类其实只是比较早地发展出来自己的文明，人类以前也是这样一点一点的来的，只是比其他动物先走了一步，人类文明发达以后，也遏制了其他动物的文明的发展。
这个配图是什么网站我怎么没听说过@@
翻墙发现会被打断腿吗？——求律师科普
登录后可点评，点击登录
翻墙发现会被打断腿吗？——求律师科普
作者简直是逗逼~~人工智能还在试验阶段的时候你去要求搜索引擎“测智商”，真搞不懂你们是怎么想的。你确定这些搜索引擎的程序员想过他们的产品会被“测智商”？通过了智商测试就说明智能了？你搜索的结果就肯定匹配你的需求了？这不是搞笑呢么？
登录后可点评，点击登录
360情何以堪
登录后可点评，点击登录
图灵帮你测测智商：/openapi/cloud/proexp.jsp
登录后可点评，点击登录
登录后可点评，点击登录
登录后可点评，点击登录
未来的智慧世界应该是机器与人类的分工，重复性的智能由机器承担，创造性的智能由人类来承担.这句话很赞同!
登录后可点评，点击登录
这几天把金刚狼与x战警第一季看完了，一部动画片让人看到了我们在想象力上的差距，另外一点，谁能预言未来的人工智能如何发展，真的担心随着大数据的发展，机器对人的习性越来越熟悉，电影里的情节也不是没有机会发生。
登录后可点评，点击登录
机器没法独立思考
登录后可点评，点击登录
哈哈 智能还远着呢。。。
登录后可点评，点击登录
机器不用达到和人一样的水平，只要智力能达到和动物水平一样，然后又掌握了人类的知识，人类就悲剧了已经
登录后可点评，点击登录
作者下一篇文章分析一下各类动物的智力吧。
登录后可点评，点击登录
想起来那个据说有32个大脑的深蓝。。。
登录后可点评，点击登录
科技越来越先进http://www.hyu.hk
登录后可点评，点击登录
互联网X实验室的官方账户
ta的文章(17)
收录此文章的文集