Grandes citas de datos de la semana

Doug Laney“¿No deberíamos empezar a pensar en arquitectura de las soluciones analíticas para que los datos nos encuentren?”Doug Laney – LinkedIn – LinkedIn Post Botella de aguaPreguntamos a 15 mentes de datos de alto nivel por sus citas más ingeniosas, más interesantes – o incluso más equivocadas – relacionadas con los datos que escucharon en sus viajes. Dale una lectura en el enfriador de agua virtual – Big Data

“El un éxito sorprendente en este momento en particular, en el aprendizaje por máquina, está en problemas que requieren la interpretación de señales-imágenes, habla y lenguaje”.
Leslie Kaelbling de MIT CSAIL – TechRepublic – El camino hacia la inteligencia artificial del mundo real

“Los resultados de la investigación cuantitativa pueden ser estadísticamente significativos pero son a menudo humanamente insignificante.”
Autor del curso EDD-904 – Universidad de Spalding – Limitaciones del uso de métodos cuantitativos

El propósito de los datos…es tomar mejores decisiones de negocios a través de la reducción de la incertidumbre”.
Alex Birkett – Alex Birkett – CONOCIMIENTO DE LOS DATOS: 10 CONCEPTOS MENOS CONOCIDOS PERO SUPER IMPORTANTES DE CONOCER

“Las organizaciones ya no pueden darse el lujo de sentarse a esperar una oportunidad para reaccionar. El desempeño corporativo depende de interceptando rápidamente el futuro emergente…y por lo tanto, se le da prioridad a la base de datos de Now”.
Jim Sinur – Decisión de datos – Aumentar el rendimiento de las empresas con la base de datos de Now


Recomendado: ¿Qué es el Big data?.


“Nuestro objetivo era complementar estos enfoques produciendo modelos de alta fidelidad que dramáticamente reducir el cono de la incertidumbre. Ayudando a descifrar la señal del ruidosabíamos que podíamos ayudar a los comandantes a identificar las divergencias de los modelos en tiempo real y actuar sobre ellas en los primeros tiempos de intervención”.
El Dr. Ryan Kramer a través de Gina Marie Giardina – MedicalXpress – Los expertos en aprendizaje de máquinas y en inteligencia artificial del AFRL desarrollan modelos para la toma de decisiones de COVID-19

“Aunque en el contexto de la toma de decisiones automatizada, los comentaristas sugieren que los modelos algorítmicos se benefician de un barniz de objetividad…mis entrevistados eran conscientes de las muchas decisiones arbitrarias que afectaban al desarrollo de los modelos algorítmicos.”
Daan Kolkman – Información del Gobierno Trimestral | Elsevier – La utilidad de los modelos algorítmicos en la elaboración de políticas

“Nuestra intención es no desalentar a los responsables de la toma de decisiones de utilizar cualquiera de estos datosya que representan lo mejor de lo que hay disponible. Más bien, el objetivo de nuestra rápida consulta de expertos es aclarar las limitaciones de estos puntos de datos y ayudar a los líderes en la toma de decisiones, como cuando permitir reuniones públicas o reabrir negocios”.
Mary Bassett a través de Joan Stephenson – Foro de Salud de JAMA – Las Academias Nacionales ofrecen orientación a los responsables de la toma de decisiones sobre la evaluación de los datos de COVID-19

“Varios estudios han demostrado que los sistemas automatizados pueden o no mejorar la toma de decisiones de los seres humanosdependiendo de si se tienen en cuenta o no los factores humanos en su diseño”.
Onur Asan, Alparslan Emrah Bayrak y Avishek Choudhury… Revista de Investigación Médica en Internet | Publicaciones JMIR – Inteligencia artificial y confianza humana en la atención sanitaria: Enfoque en los médicos

“Todos hemos estado hablando de la superpotencia de la IA durante la última década. Pero IA no ha sido capaz de salvarnos hasta ahora. No puede reemplazar la toma de decisiones humanas – todavía. Sin embargo, la tecnología puede proporcionarnos herramientas que complementen nuestros propios procesos cognitivos… Se preguntarán por qué los investigadores de las tecnologías emergentes no han sido capaces de aprovechar el poder de la IA y el aprendizaje automático (ML) para prever lo que se avecina. Pero La IA, en su estado actual, no puede ni siquiera predecir y calcular la previsión de ventas de productos de lujo o de necesidad en el comercio minorista.”
Valeria Sadovykh – VentureBeat – Por qué nuestra toma de decisiones durante COVID ha sido tan mala

“Las grandes técnicas de análisis de datos como el análisis estadístico, la minería de datos, el aprendizaje automático y el aprendizaje profundo pueden aplicarse para construir modelos de decisión innovadores. La toma de decisiones basada en pruebas concretas es fundamental y tiene un impacto sustancial en la salud pública y la aplicación de programas. Este hecho pone de relieve el importante papel de los modelos de decisión en la incertidumbreque incluye el control de enfermedades, la intervención sanitaria, la medicina preventiva, los servicios y sistemas de salud, las disparidades y desigualdades en materia de salud y la calidad de vida, etc. Con una toma de decisiones compleja, puede ser difícil comprender y comparar los beneficios y riesgos de todas las opciones disponibles para tomar una decisión”.
Prof. Dr. Chien-Lung Chan y Prof. Dr. Chi-Chang Chang – Investigación Ambiental y Salud Pública | MDPI – Número especial “Grandes datos, modelos de decisión y salud pública”

“Apostar por la incertidumbre es una de las mejores formas de entenderla. Y es una de las mejores maneras de conquistar los escollos de nuestros procesos de decisión en casi cualquier esfuerzo. No hace falta ser un jugador para entender por qué. En su Crítica de la Razón Pura, el filósofo alemán Immanuel Kant propone apostar como un antídoto para uno de los grandes males de la sociedad…una falsa confianza nacida de la ignorancia de la naturaleza probabilística del mundo… …del deseo de ver el blanco y negro donde deberíamos ver el gris.”
Maria Konnikova a través de Stephen J. Dubner – Freakonomics – Cómo crear su propia suerte

“El mundo es de naturaleza probabilística. Los resultados son probabilísticos. Y así es como tienes que pensar en el mundo para ser un buen tomador de decisiones porque es como el mundo es.”
Annie Duke con Don Moore [09:23]Sala de prensa de BerkeleyHaas – Nuevo pensamiento en una pandemia: Don Moore y Annie Duke

“Durante la mayor parte de la historia, la gente usó su intuición y los conocimientos adquiridos a través de experiencias pasadas para hacer sus mejores conjeturas sobre el futuro…y tomar decisiones en consecuencia… La inteligencia artificial – específicamente el aprendizaje de la máquina y el aprendizaje profundo – cambia las reglas del juego para esa toma de decisiones.”
Jay Boisseau, Lucas Wilson & John Lockman – El Foro de Austin | Medio – AI para todos

“En esta década veremos el auge de la MDM multiempresa donde las soluciones, hasta cierto punto, se convierten en un ecosistema de negocios, lo que significa que cada vez más compartirán los datos maestros y posiblemente las soluciones MDM con sus socios de negocios – o de lo contrario se desvanecerán a raíz de la abrumadora carga de datos que tendrá que manejar usted mismo”.
Henrik Gabs Liliendahl – LILIENDAHL SOBRE LA CALIDAD DE LOS DATOS – Mercados de datos, bolsas y MDM multiempresa

“No planear que la inteligencia artificial y el aprendizaje de las máquinas sean disruptivos… las empresas deben evitar ser disruptivas y en su lugar ser el disruptor. Esto significa pagar por la IA y la experiencia de aprendizaje de la máquina…que es escaso. “Habrá una carrera de armas”, dijo de la competencia para contratar talentos. “Ponte en marcha tan rápido como puedas.”
Sara Brown… MIT Sloan – 10 grandes errores de datos que las empresas deben evitar

“Hay tantos datos disponibles en estos días que lanzar un programa de datos sin un conjunto de principios rectores sería como …sumergiéndose en una madriguera de datos sin dejar migas de pan para guiarte de vuelta a la superficie…. Toda empresa necesita la capacidad de volver al centro en este mundo de cambios constantes”.
Daniel Newman – Red CMO | Forbes – Cuatro principios para construir un mejor equipo de análisis