美国奥克兰港口（Port of Auckland）的数据团队正在通过数据驱动的洞察力彻底改变决策，应对云迁移和AI挑战，倡导STEM领域的多样性。
奥克兰港口数据和洞察力经理 Manvi Madan
奥克兰港的数据和洞察力团队是一个企业级团队，以系统和可消费的方式向组织中不同部门提供信息，以便他们能够做出数据驱动的决策，了解他们如何朝着战略成果迈进，并根据事实做出决策……而不是仅仅依靠直觉。
我们在团队中设置了多个角色。在工程方面，有人专门关注后端，更类似于在图书馆中整理书籍，以便你在需要的时候可以系统地找到所需信息。团队中的分析师和可视化专家，会完全专注于使信息更易于使用，以便当你查看一段数据的时候，几秒钟内就可以立即获得洞察力。他们非常注重事物的可视化，利用UI/UX原则，使信息更易于被人们使用。我们团队中还有一些数据主管，他们会主动发现可以使用数据和组织内的高级分析功能解决的问题。他们的角色是连接数字和非数字世界，与不同的业务部门展开合作，寻找数据和AI可以增加价值的机会。
将奥克兰港口的数据平台迁移到云端
我们的传统平台非常不稳定，平台对运营至关重要的管道和数据产品提供支持。奥克兰港口是24/7全天候运营的，这意味着信息必须全天候提供给利益相关者。有关船厂或船舶访问的决策几乎是实时做出的，他们必须能够要得到这些信息才能做出这些决策。
之前的旧平台很不稳定，在没有透明度的情况下成本不断攀升，而且我们很担心平台的安全性。最大的挑战是我们不能影响业务运营，以及那些由旧平台支持的数据资产。在进行平台重建时，我们不能将这些数据资产撤下。
对我帮助最大的是，我拥有最好的团队，他们对我们所做的事情充满热情，他们明白为什么需要这样做，为什么以前的平台缺乏稳定性会对业务利益相关者来说是一个问题。他们了解随之而来会有怎样的挑战，以及将为一种平台构建和支持性资产融入另一种技术所带来的复杂性。我们的团队并不觉得这是一件令人畏惧的事情，相反，他们对于将这些数据资产迁移到新的稳定平台的可能性感到兴奋，也对完成这个迁移项目后迎来的新世界感到兴奋。他们的态度帮助我们取得了成功。我的工作是确保我们所有人都与愿景保持一致，这个愿景就是我们对未来、数据平台、数据作为一个整体可以为组织做些什么。我会不时帮助集思广益提出技术想法。有时，当他们因为平台中的一些错误而遇到困难时，我会在那里让他们发泄。但这都是工作的一部分，我很享受这些对话。
这个项目对组织来说至关重要，但也让我能够投资团队中一些年轻人，他们希望有机会证明自己，并在当时的角色和职责之外学习和成长。在这个过程中，我们看到了他们的职业轨迹有了巨大的增长。我对此感到最为自豪，很自豪能成为他们这段旅程的导师，也很自豪能看到整个转变就发生在我的面前。看到这样的项目促进了组织中人员的成长，这令人感到欣慰。
机器学习和AI项目为何失败
如今，AI被大肆炒作，但人们在谈论如何让这些项目投入生产以增加商业价值或实时改进流程时，却忽略了一些细微之处。Gartner的一项统计数据显示，85%的机器学习和AI项目都失败了。当我们谈论AI和概念验证时，我想阐明这一点。
概念验证不是最终目标，而是作为产品投入生产并改进流程或者产生商业价值这一旅程的开端。要想成功，就必须以一种融入到流程中进行构建、有长期提供支持的人员、而且成本是可持续的。
这些项目并不总是以我们希望的方式实现，主要有三个原因。首先，大多数组织在开始AI之旅时，并没有为AI做好准备的数据集。当他们从BI报告分析过渡到AI时，第一个桥梁是拥有一个可以支持这种过渡的平台和数据成熟度。我开始在奥克兰港口的工作时，当时我们并没有非常强大的数据基础，也是也我们决定在三年半前进行适当转型的基础要素之一，从那时起，我们经历了一段漫长的旅程，才将数据资产转化为可用于构建高级分析产品的形式。我们的关键指标有单一的事实来源。没有这些基础，你可以创建模型，但模型的生死取决于数据。你可以给它们喂垃圾数据，然后从中得到一些预测，这些预测对你所处的世界来说可能并不准确。也会有一些预测，但这些预测对你来说没有什么用处。
其次，有很多这样的项目有时无法达到目标，因为这些项目是在孤岛中开发的，而不是在跨职能团队中开发的。数据专家需要配合那些了解生成数据的业务流程的业务领域专家一起工作。让了解数据细微差别的人参与进来很重要，因为这些细微差别需要融入到AI系统的设计中。只有这样，他们才能正确准确地模拟或代表你所在的世界。
第三点——这也是让我作为一名数据和人工智能专业人士夜不能寐的一点——是缺乏关于AI伦理和治理的讨论。那些已经拥有数据成熟度的组织可以快速行动，但如果他们没有治理环境或任何负责任的AI政策来提供指导，就会导致生产出本来就不应该生产的产品，这些产品可能会以无法挽回的方式损害组织的声誉。需要有系统和政策来确保他们正在生产的产品是可解释的、值得信赖的、对客户负责的，尊重产品中所用数据的客户的隐私。
如果我们希望在从BI转向AI的过程中取得成功，那么投资于我们的团队、数据和平台并制定负责任的AI政策将是最好的起点，不要被行业中的各种流行语所分散注意力，因为它们时不时地会发生变化。
在数据科学和AI等快速发展领域引领团队
当我们创建数据和洞察团队的时候，我们引进了来自不同领域的人才、具有不同背景的人、专门从事治理的人、专门从事可视化的人、以及关心工程实践和严谨性的人。关于我们的愿景和战略是什么，我们也进行了很多思考和讨论。在形成最终的指引战略之前，我们也曾经经历了各种混乱。
现在我们有了“北极星”，会每三年评估和重新制定我们的战略。我目前正处于重新制定未来三年战略的阶段。这种方法有助于减少一些噪音，当你知道组织的发展方向以及数据将引领组织走向何方的时候，我们的优先事项就会变得清晰起来，当前的各种流行语也不会让我们感到那么烦恼。
我一生中遇到的最有影响力的领导者和导师都是那些践行仆人式领导的人，我也试图遵循以人为本的相同方法。我的一位导师曾经说过，如果你不在乎功劳，一切都会顺理成章。如果你投资于人，如果你照顾好你的人，他们就会照顾好其他一切。这是我在实施平台化战略中采取的方法，因为这是一个长期的项目，每个参与者都有时间和最后期限的压力。重要的是，要确保当人们感到不确定、感到焦虑、需要有人谈论他们所面临的挑战时，我可以为他们提供帮助——无论这些挑战是个人挑战还是技术挑战，他们都知道他们可以来找我、依靠我，这对我来说一直都很重要。
我还从我的导师那里学到，领导力不是一个头衔，而是一种技能。从我们在基础领域建立团队的时候起，我就实践了这些原则，这就是我今天能够担任这个职位的原因。现在我仍然非常以人为本：我遵循同样的投资方式，为我的员工投资。我遵循仆人式领导的原则，这有助于在团队中打造一种文化，让他们知道我们是可以合作的，有自主权来负责分配给他们的任务和项目。他们了解自己的优势和劣势，因为我们在一对一的会议中针对这些优势和劣势开展了工作，我们组建了一个团队，形成一个独角兽。我总是说，我们中没有一个人是独角兽——数据或AI独角兽——但把我们所有人放在一起，你就会得到一只独角兽。这就是我们工作的理念和精神。
AI的未来
我很高兴看到有越来越多关于负责任地使用AI的对话，以及在进入AI之前拥有更坚实基础的重要性。一年前，当人们热切关注生成式AI和由此产生的概念验证时，你不会听到这样的对话。由于ChatGPT的流行，这才成为所有人关注的重点。
但是，重要的是要意识到与这项技术相关的风险和机遇。每个组织都需要找到自己的底线，与自己独特的优先事项保持一致。当使用这项技术实现流程自动化或改进，或者构建具有商业可行性产品的时候，他们的风险偏好是什么？我看到这方面的对话正在升温。我认为立法领域的动向，也将鼓励越来越多围绕组织内部负责任地使用AI的对话，我很高兴看到这种趋势。
打造一个更具包容性的行业
代表性很重要。看到一个长得像你、想法像你、有着与你相似起源故事的人，会让你突然觉得STEM领域对你来说也是可行的。当我来到新西兰的时候，我对这件事是否可行有着自己的一套有局限性的想法。然后我看到有人在台上发言，她当时是AI领域的杰出领导者，也是我当时能找到的唯一一位在这个领域处于领先地位的有色人种女性。当时看到她这样做，我深受触动，我突然意识到这是可以做到的。
为了吸引更多女性从事STEM职业，代表性很重要。我的导师一直是我人生旅途中的引路人，帮助我在想要走上前人未曾走过的道路时克服各种挑战。我试图将我从上一代人那里学到的智慧回馈给年轻一代。
我有意识地投入大量时间与即将毕业和进入这个行业的人交谈，尤其是女性，在谈论我当时遇到的挑战时非常非常真诚，有意识地为她们打开了对我来说不那么容易打开的那扇大门。我很幸运，在奥克兰港口工作期间，我遇到了这么多的女性，她们为我打开了这些大门，我知道如果没有她们的支持，这些大门会很难打开。
我们在这个领域，尤其是在数据科学领域，就平等问题展开的讨论越多——尤其是当我们谈论负责任地使用这些技术时——听到不同的声音就变得越重要。我自己也曾努力争取加入其中一些讨论。如果我们能激励下一代更多地参与这些对话，确保他们的声音被听到，我们就能创造一个世界，让AI成为一种向善的力量、数据成为一种向善的力量。
