• <input id="myg4i"><tt id="myg4i"></tt></input>
    <input id="myg4i"><tt id="myg4i"></tt></input>
  • <input id="myg4i"></input>
  • <menu id="myg4i"></menu>
  • <input id="myg4i"><u id="myg4i"></u></input>
    <menu id="myg4i"><tt id="myg4i"></tt></menu>
  • <input id="myg4i"><u id="myg4i"></u></input>
  • <input id="myg4i"><acronym id="myg4i"></acronym></input>
  • <object id="myg4i"><acronym id="myg4i"></acronym></object>
    <object id="myg4i"><acronym id="myg4i"></acronym></object>
  • <nav id="myg4i"></nav>
  • <nav id="myg4i"></nav>
  • <input id="myg4i"><tt id="myg4i"></tt></input>
    当前位置:CIO频道CIO联盟 → 正文

    数据智能团队和人才发展实践

    责任编辑:cres |来源:企业网D1Net  2021-10-23 16:56:01 原创文章 企业网D1Net

    10月23日,由企业网D1Net、中国企业数字化联盟、信众智CIO智力输出及社交平台共同主办的2021汽车业数字化升级大会盛大召开,邀请了行业技术专家一起相聚浙江 • 嘉兴共论“数智化”转型之道。
     
    以下是现场速记。



    开课吧合伙人 首席人工智能科学家 刘旭
     
    刘旭:我叫刘旭,其实开课吧不能算是汽车行业,可能是今天参与演讲的合作方一个相对比较特殊的一家公司。我首先介绍一下我个人,我是一个技术出身,我非常长的工作时间是在微软,主要是在中国和美国,包括搜索广告,搜索算法相应的工作。2014年从美国回来以后,加入了创业大军,整个过程当中参与国很多很多大数据+人工智能相关的落地项目,我现在是任开课吧的数据智能中心负责人,同时开课吧本身有一个企业服务部门,我们是致力于解决企业的数字化转型,数字化人才培养,我在这个部门兼任顾问的角色。
     
    我2014年回来也有七年时间了,我咨询走访了很多客户,粗算起来有大几十家吧,主要分布在智能制造、消费、零售和金融,今天在座的主要还是在智能制造的领域。
     
    首先介绍一下,我在开课吧主要的工作,关于组建数据智能团队,开课吧本身是一个在线教育公司,在线教育其实和大家所从事的制造行业可能有一个非常大的差别,我们是一个轻资产公司,没有那么大的厂房,我们最重的资产可能是人才的成本,包括我们有一个很大的产业团队,包括有很大的教学团队。所以在组建智能团队的过程当中,其实我们要围绕实现数据技术的核心价值,数据技术的核心价值在我整个工作的经历当中,我大概归纳总结一下,主要是三个方面。今天上午的时间也有很多老师和前面已经讲过了,主要在消费者洞察,个性化服务和精细化运营。其实大家去想,现在在我们的工作当中遇到的很多要做的数字化转型的问题,其实归结起来,大概率上都是在解决这三类的问题。我们针对这个场景在开课吧也成立了很多的项目组,在做相应的工作。开课吧这样一个公司,做这些项目的时候,我们相当于有一个组织的保障,我们的团队是怎样去构建起来的,这是一个非常简单的组织的架构。
     
    右手侧,包括数据分析、数据算法、数据产品开发,这三个部门看名字大家就很清楚,都是一些技术的岗位,这一页主要提一下数据产品运营,这个部门其实有两个主要的角色,一个是产品经理,一个叫产品运营。这一块儿为什么我们在看似技术团队里面,会把产品经理和产品运营放在这里边,我也回应一下上午广汽黄总讲的,关于生孩子、养孩子的逻辑。其实我们发现,会有很多很多的项目落地以后,推进的过程是很难的,包括推进的周期很长。因为我们这个项目刚开始第一个版本上线的时候,可能由于算法的问题,可能由于数据的问题,可能体验并不好。我前面在微软工作的这段经历为例,2014年离开的时候,微软搜索引擎在美国第一次实现财年的盈利,但是那个搜索引擎真正大量的投入,是在2009年开始的,我是2010年加入的那个美国团队,我们花了非常多的时间来让这个产品的使用体验逐渐接近Google的使用体验,到最后也不能说超过。到2014年那一财年,微软大力投入这条产品线的第五到第六个年头,才实现了盈利。这个过程当中,大家可以想象到数据智能产品,如果实现好的用户体验,周期是非常长的。
     
    下面切入了正题,我们来讲讲开课吧的主营业务,包括数智人才培养上的实践经验。首先是大的形势,我列了一些数字,包括我们看到的大量的创新,现在大量的产业界创新来自于微电子和软件的驱动,包括供应商采用大量的3D技术非常非常新的技术,包括在研发上的投入,包括销售额,这个数字都很庞大,但是我们看这个,只有13%的企业,通过数字化投资实现了效率提升、成本节约、业务增长,这个数字和上面的数字有非常非常大的反差,这个数字是整个行业数据,我在最开始提到三个最主要的行业,智能制造、零售和金融,数值应该是高于这个比例的,有大量更传统的行业,他们相当于拉低了平均水平。为什么会产生这样的问题,每个人可能心里都有自己的想法。
     
    包括今天早上一开始的时候,叶总提到了国资委指导,我原来PPT上就有这一行,下面这一行是我今天下午刚刚补上的,我查了一下,当时我看新闻说,国资委指导,由12家央企一同发起这样一个创新平台,我就列了一下这12家央企分别是什么?这里边有2家,中国电信、中国移动,这2家企业和其他企业看上去差异有点大,因为他们是运营商,为什么运营商在这里边也是很重要的企业?大家也可以想象,这里边未来在汽车数字化转型协同这件事情上,5G将发挥一个巨大的价值。在这12家央企里面,我看了一下,我感觉这还是非常有前瞻性的。
     
    跟大家分享一下,我对于企业数字化转型的共识,重点讲两个,一是明确的战略,这件事情每个人有不同的想法,我主要想强调的,我们做所有的事情,其实都是要为公司的核心战略服务,说白了,不见兔子不撒鹰,数字化转型要用到大量新的技术,这个过程当中切忌炫技,一定要让自己采用的新的技术和自己长期的业务上的战略目标有一个深度的结合。除了这个之外,包括一把手工程可能是非常非常重要的一个点,其实大家都非常清楚了。包括让数据说话,需要有产品的思维,最后是人才战略,归到底,所有的这些工作要做出来,靠的都是人来做的。在传统企业里面发现我们缺少的就是数字化人才,以及数字化组织。开课吧最近两年,我们进入到这个行业以后,花了很大精力去服务客户,去研究如何在传统企业里逐渐去形成这样一种数据决策的机制,如何去构建这样一个数字化的组织,并且培养相应的数字化人才,做了很多的工作。
     
    这也是今天早上加的,给大家举一个例子,我们刚才讲人才战略,其实在我看来,现在更主要的是人才的困境,这是一个真实发生的聊天记录,我昨天下午5:44分的时候,我有一个朋友,他是一个投资人,应该是刚投了一家新能源的,做电池相应的技术服务的一家公司,他让我帮他推荐一个大数据的工程师。我当时就问他,我开始以为是宁德要招聘,因为开课吧和宁德要合作,他就跟我讲,找这样一个人,要什么样的背景。这个事情昨天我们聊完这个事就结束了,今天早晨,上午开这个会之前,他又给我打一个电话,这个事怎么没有回应了?我说你到底什么意思,他说我就希望你帮我从宁德挖一个人,我给他回复很简单,宁德也需要这样的人才。这个问题的本质,不用管本身在这个行业里面领头的领军企业,还是初创型的公司,不管是这个行业里面已经很长时间的,还是一些新锐的,可能是原生的技术驱动型公司,其实在人才上都是非常非常匮乏的。而且他需要的是一个复合型人才,对新能源行业感兴趣,其实他需要的是有一定的新能源行业背景的大数据技术的人才,这个其实是非常非常难找的。
     
    我们在最近这两年工作的过程当中,也逐渐形成了一套自己的方法论,主要是两点,一个叫自上而下,自上而下推进,首先是一把手工程,左边列出调研过程当中发现的,以场景来划分,分为生产制造、供应链、营销、售后。以生产制造为例,数字孪生产线,生产过程当中的实时可视化,这是非常大的项目,我们走访的很多客户都有这一块儿的需求。以特斯拉为例我们跟特斯拉在上海的工厂做过一次交流,交流当中我就提到他们那边这个项目的负责人,一个数字孪生工厂,从整个项目开始的规划,以现在的技术成熟度,把这个项目实施出来,他给我的保守估计,至少两到三年时间,让这个项目真正落地,并不是说这个项目就完成了,只是落地,可以开始使用起来,但是真正用好,用得体验非常非常好,能力非常非常强,可能需要更长的时间。这里面我们挖掘出来很多这种,但是这些不是解决方案,他是需求,而且都是非常非常大的命题。
     
    我总结起来,所谓的一把手,可能是一些高层,他们是把大量的,我前面讲到的,包括消费者洞察,包括个性化体验,包括精细化运营为导向的战略目标,转化成实际的需求提出来,而真正承接这些任务的,在人才端,我们需要的是懂业务,懂数据,懂技术的复合型人才,这是非常非常匮乏的。但是我们仍然希望这件事情一定要自顶向下去推的。
     
    一个叫自下而上创新,我们合作的企业当中会产生大量真实的项目,我这边列举的是智能制造,应该是70-80%以上都是汽车行业的,这里我想重点讲两个点,电池异常预测,还有一个是电池极耳缺陷检测,这两个项目是宁德时代合作过程当中的两个项目,如果对这个行业比较了解,一看就大概知道,这是典型的预测检测类的项目,实施成本非常高,实施复杂度也非常高,传统行业里非常难找到这方面的人才。如果从外面找两个算法能力很强的人进到这个行业里,他们也很难做好。我接触这个项目之前,什么叫极耳我都不知道,我花了很长时间去学习,包括电池异常检测,解决的是电池充电过程当中,会产生大量的过程数据,过程数据会有一些有异常,我们通过这些异常,通过机器学习的方法,来预测这个电池寿命可能快到了,或者是接下来的时间内可能会发生什么样的异常这样的任务。这件事情其实是需要很大的业务上的学习成本的,我们把这些整理起来,在我们合作的客户,以智能制造为例,他们都是非常懂业务的,能够把这些问题抽象出来,能够把这些问题进行一定的数学建模,但是后面的部分他不会做。开课吧这边,就是帮助你把这个闭环完全补齐,我们是一种训战结合的方式,通过项目制的方式,在客户的场景下面,用真实的数据,我们的导师,我们的培训和客户这边在一线的技术工人,主要是工程师为主,一起来合作,把这个项目做出来,绝大部分的项目,基本上实施的周期都是在两个月左右。基本上我们可以完成第一个版本。但是这个项目,尤其是很多的项目,其实他背后不是能够实现检测就够了,检测有各种各样的指标,这个指标能不能达到可商用,这里面还有很多可优化的空间。第一步做了一件事情,把这些项目给他归类整理起来以后,然后在具体的客户现场,能够把这些项目实施出来。
     
    基于从上到下的推进,包括从下而上的创新,逐渐形成了上下贯通的数字化人才方阵,主要强调四类人。第一类,相信在座很多领导,各位老师们,我们叫数字化领军人才,这些人在数字化这件事情上要做一个关键决策的人,包括我们要有非常非常清楚的认知,对于数字化能够做什么事情,智能化能够做什么事情,要有一个非常明确的认知,包括一个合理的预期,要做这个决策,并且我们是第一推动者。右边的数字化管理人才,各个核心岗位骨干的经理,包括总监,包括这一块儿数字化专业人才,这里边可能主要是以互联网,包括技术,包括算法,包括数据分析,专业性人才为主。最后一个,其实由于拥有更广泛的群众基础,我们叫数字化应用人才。这里边在金融行业,我们会看到的情况更多。包括甚至像他们一些客服经理,每周定期要出一些报告,这些报告以前的制作成本非常非常高,很多都是手动的,他们现在希望能不能用一些,包括一些RPA的技术,学一下Python,简单的数字可视化的工具,提升我的工作效率,这一块儿也会有大量的需求。这些数字化应用人才,说白了,在整个公司的各个业务线上,会跟数据打交道的人。原来跟数据打交道的人,更多的是偏技术型人才,随着数据使用得越来越广泛,渗透度越来越高,我们发现越来越多的工种都需要跟数据打交道,包括销售、包括运营,甚至人、法、财会有越来越多的需求。从上到下,由深到浅,包括由专到泛,我们相当于形成了这样一个人才的方阵,针对每一种人才需要有相应培训的体系来支撑。
     
    最后是分享一个相对比较专的案例,在AI人才上的培养,AI人才是数字化人才里面最顶尖的一部分,在全国任何一个地方都非常缺少这方面的人才,而且这方面人才的培养成本是非常非常高的。这是我们和宁德时代做的这方面的合作,他们的痛点是什么?也很直观,一是招聘的难度,大家可能知道,宁德时代他们的研发中心是在福州,典型的二线城市,其实对于这种技术型人才吸引的难度是挺大的,这是第一。第二个,他们本身其实有大量的技术型人才,但是这个技术型人才是传统的所谓的技术型人才。主要是两个工作岗位,一个是硬件测试的工程师,还有一种是电气工程师,这两种人才,他们的技术能力可能会一些常用的程序设计语言,C++、JAVA、Python这些程序设计语言,会一些,对于机器学习,深度学习没有太多的了解,可能有一些概念性的认识,然后我们通过跟他们合作,选出了30名技术工程师,对这30名技术工程师进行培训+陪练合作的模式,具体的项目,前面谈到了两个,AI实战的项目,一个叫电池异常检测,一个是锂芯极耳的缺陷检测。整个培训大概有30-40%是类似于基础课程,基础的培训,后面的60-70%是实战培训,就是在真实场景下,我们一起讨论如何解决这两个问题,以锂芯电池极耳模切缺陷检测为例,我们对于极耳的切片,他们通过工业摄像机进行高速高清的拍照,拍照完以后,会定义出有一些异常,好的样子是什么样子的?异常的种类非常非常多,说白了,怎么切,切错了。原来在宁德,他们有用传统机器学习的方式来做这件事情,而且当时达到了还可以接受的效果,但是他没有太强的自适应学习能力。当这个机器产生了新的故障,产生了一种新的切片错误,可能这个切片错误的角度,包括切片错误的程度,产生一些变化的时候,模型适用性就变得很差。我们当时想着通过深度学习的方式,来提升整个模型的精度,降低模型使用的门槛。
     
    整个项目的流程,就是从整个工业相机上进行照片的抓拍,到使用标注工具进行相应的标注,包括借助YOLOv3,现在是最火的目标检测的视觉算法,构建这个模型,包括模型训练推演和优化,整个一系列的过程,到最后项目复盘,这样整个的项目交付的周期是大概三个月的时间。通过这种方式,我们就实现了一个项目从0到1,有我们的陪练,培训老师,相当于也是一种陪练的方式,真实的项目,真实的场景当中,30个工程师是分组的,参与这个项目的是一部分人,带着他们一起组成了一个项目组,把这个项目从头到尾完成,所有的数据,所有的场景全部来源于真实的生产线。这个过程当中,给我的触动说实话还是挺大的。
     
    宁德时代想做的事情不是临时性的,找30个人帮我赋能一下,帮我把这个任务解决了,这30个人原来干什么还去干什么。他们希望能够长期的,让这30个人转岗,到一个有独立编制的AI团队里面去,这在传统制造业去构建一个专职的AI团队这件事情,无论是从成本,还是从风险,都还是非常非常大的。所以这个过程当中,我还是挺佩服他们领导的决策,虽然这个过程我也持保留意见,是不是真的要把步子迈这么大,现在马上成立一个团队,这个团队培训出来了以后,能不能留得住,是不是有持续的项目能够让他们持续有提升,他们本身的技术能力如何持续能够在他的企业内部得到提升,这些事情都是未知的。但是我觉得迈出这一步,对于这样一个企业其实是非常非常重要的。
     
    我做了一个数字化转型以来最重要的正确的决策,因为这个项目实施是今年上半年,因为我看到这个项目以后,我就买了一些宁德时代的股票,当时股价是300块,现在已经600块了,这是我整个过程当中最好的投资。所以我也是很敬佩,像宁德时代这样的企业,他们在整个数字化转型中的步伐,包括这种魄力,还是非常值得钦佩的。
     
    基于所交付的这些项目,我们其实逐渐形成了一个比较标准化和流程化的人才培养的机制,包括整个从项目需求开始,包括项目的调研,包括调研的流程还是比较复杂的,因为很多项目都是在生产线上的项目,我们要进到工厂里面去,由于疫情的影响,其实进工厂是非常非常复杂的一件事,走流程,审批,还是蛮复杂的。包括我们合作了一些零售和金融的客户,更多的是线上调研就够了。
     
    基于这个调研的结果,我们一定是拿到相应的真实的案例,以输出结果为导向,一定要把案例的需求做出一些东西出来,这些东西是在真正的业务场景当中能用得上的结果,以这个为结果来倒逼我们到底要做什么事情,来评估相应的成本,质量效益,进行一个综合的评估。这个过程,其实还是挺花时间的,为什么?刚刚讲到了自下而上创新,大家可能觉得智能制造行业的场景在生产上,其实可能没有那么多,但是其实还是挺多的,其实相比零售和金融相对少一点,我们在和中国银行合作,让北京这边集团公司相应的部门去提,他们提了大概得有两三百个,他在工作过程当中,遇到的场景问题,他觉得能够用技术或者是数据的手段帮他来提效,优化整个流程。我们要从那几百个需求里边,可能在一个项目交付里边服务十到二十个,会选出十到二十个,中间还组织了很多答辩的过程,这个过程我们会很慎重地选择相应的项目,来尽可能达到我们预先设计的目标。
     
    接下来就是基于我们选定的项目,要做一个简单的技术识别,包括我们的规划和成立项目组,包括这个项目执行的汇总,整个过程其实是有相对比较标准化的流程在走,可能针对不同的行业,具体的项目差异会很大,我们会有一些相应的专家导师,这个专家导师也是分行业去进行相应的指导,最终会有一个结果性的输出,宣导,项目的执行周期往往在两到三个月之间。
     
    最后做一个广告,这个广告,开课吧从2013年创立之初开始,我们就是专注于数字化人才相应的培养,最开始可能不会提过多的数字化人才,我们更多的可能关注于C端的泛互联网的职业技能教育,可能主要是编程语言,包括产品经理,包括产品运营。在去年跟疫情基本上是同步的时间,我们感受到了非常强的数字化转型的浪潮。这个过程当中我们发现,企业是数字化转型最主要的阵地,这些数字化的人才,包括他们做的事情,都是在各个企业当中的,每个企业对于数字化的需求都不太一样,基于这些原因,我们在开课吧To C的基础上形成了事业线,并且从2020年年初的时候开始深耕刚才讲的三个行业,并且积累了很多的客户的案例。大家对于这个客户案例有兴趣可以扫这个二维码,是智能制造业务线的负责人,他有更多的资料,包括案例可以分享给大家。
     
    因为教育公司,还是需要有一些鸡血,跟大家分享一下,三句话,这是我大概几年前在一个咖啡厅里面看到的,很小清新的三句话,特别适合数字化转型,我们讲传统行业做数字化转型,当你下定不了决心的时候,可以考虑一下这三句话。第一句话,让过去过去,我相信大家都做过很多数字化转型的尝试,有些可能失败了,有些可能有一些成果。我们其实需要有更坚定的信心,在失败的案例中找到经验,让过去的过去,不能因噎废食。
     
    第二句话,从开始开始,很多企业跟我聊的时候,我们什么时候可以开始,尤其是更传统的企业,我觉得现在就可以开始,只是我们要有针对性的,现在企业的现状,以及整个信息化的水平,分步骤地实现我们的数字化转型。
     
    第三句话,更重要的一点,给时间时间,因为整个数字化转型的时间周期是非常非常长的,我们千万不要过高的对数字化转型进行预期,两个月之内一定要有一个大变样,或者说半年之内就可以宣布,我是一个数字化企业了,我们现在看到很多的数字化项目执行周期都要两年的时间,更别说整个公司数字化的转型,可能在我看来,这其实是未来五到十年的事情。
     
    所以,最后这三句话分享给大家,我们开课吧也希望成为中国企业数字化转型的同行者,谢谢大家!

    关键字:数据智能

    原创文章 企业网D1Net

    数据智能团队和人才发展实践 扫一扫
    分享本文到朋友圈

    关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

    企业网版权所有©2010-2022 京ICP备09108050号-6

    ^
    左右棋牌