分析

穿戴式裝置蒐集資料，人工智慧負責篩選。

資料科學的目標並不是執行，而是學習，以及培養出新業務的能力。為了鼓勵學習與重複執行工作，必須將資料科學的角色設計成更加通才型，肩負廣泛職責，不僅限於技術職能。也就是說，要以最利於學習的方式，組織「全端資料科學家」。

應用本文的四個原則，讓人類和機器彼此都變得更好。

大型企業如果想使用人工智慧，就要設置人工智慧卓越中心這類專責單位。畢竟，人工智慧人才及專業難求，最好有一個中央單位，再依需求把這個單位的人員派至全公司各單位執行任務。如果採取這種集中化做法，員工滿意度及留任率都會提高。

其實，這個產業不是只有科技巨擘。

員工的成功，可以從個人人際關係的角度來解釋。關鍵在於找出「結構特徵」：社交網絡模式可預測誰有好構想、哪些員工最具影響力、哪些團隊具備效率、哪些最擅長創新、哪裡存在孤立單位、企業無法承擔失去哪些員工的後果。

組織匯集大量資訊，但難以溝通傳達那些資訊當中的深入見解。本文說明這個問題背後的原因，是資料科學家並沒有接受相關訓練。而解決這個問題，就是建立包括六種才能的團隊：專案管理、資料整理、資料分析、主題專業知識、設計和說故事。

簡單分析需要的技能，公司可能早就具備了。