未来的企业，你需要有首席人工智能官

　　3. 更好地完成任务，这个的想象空间是最大的，毕竟纯粹的知识没意义，很多时候商业的价值，就是在于把知识转化成为产品，完成任务服务需求。比如大型会议的会议纪要机器人等等。这里面是每个企业在将来战略目的当中的重点关注点，使用人工智能的知识和产品，完成更多的任务，服务于社会，产生商业价值。所以我认为更好地完成任务，是大部分企业面对人工智能可以关注的事。

　　进入高速增长的行业

　　基于人类进步的下一个浪潮，就是刚刚说到的“更好地获取信息”“更好地形成知识”“更好地完成任务”，基于这样的浪潮，我们认为接下来有一些行业是会持续处于高速增长的状态的。

　　1. 家居

　　2. 医疗

　　3. 养老

　　4. 交通

　　5. 环保

　　6. 金融

　　7. 通讯

　　8. 穿戴设备

　　在上述描述到的行业当中，可能会水涨船高，能够得到更快速的发展。具体我们也正在进行相关行业的调研，希望不久的将来，可以跟大家分享我们对这些行业的研究。

　　产品战略

　　上面花了很大的篇幅，说到了人工智能与新的浪潮之间的关系，当我们都把握到大的浪潮发展方向以后，就比较容易制定企业的定位和战略了。完成以后，接下来最重要的，就是对于不同的产品进行分类匹配，执行不同的产品战略。

　　这里我们推荐使用波士顿矩阵的方法进行分析，根据不同产品的市场份额以及增长率进行分类。

　　上述表格，是经过了波士顿矩阵方法分析以后，得出来的选型规划建议。最后应该根据每个不同类型的产品，执行可信可靠的执行战略，比如对于现金牛产品，规划的主要目的，可能在于规避风险和降低黑天鹅事件发生的概率，收集风险，事业环境因素的趋势判断，核心盈利指标的趋势判断，采用稳健的技术选型方向，大规模投入，进一步提高现金牛收入的稳定性。

　　到这里，我们讲完了理解/制定公司战略这个事，这里稍微做一下总结，就是要理解发展的大浪潮，基于公司的实际情况，找到合适的行业，进行公司的战略定位，同时基于公司的产品，使用合适的方法进行分类(比如波士顿矩阵)，制定不同产品的执行战略。

　　职能二 引入成熟的机器算法

　　引入成熟的机器算法，代表的意思就是我们不去研究和提升算法本身。对机器算法的研究和提升，需要顶级的智慧和知识，其中有一些必要的资源，是99%在座的我们都不具备的，其中主要有哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等等，可能在产业的初期，我们还能有一些些机会参与，但到最后，一定是剩下为数不多的巨头甚至国家层面，对算法进行进一步的研发。有时候甚至国家也不容易处理这些事情，比如天河二号在GPU的应用层面，由于被美国政府对NVIDIA的限制，导致天河二号虽运算快，但是由于GPU运算能力的缺陷，导致不同的技术引入的时候，会有各种适配的麻烦。总而言之，就是我们要做的，就是引入成熟的机器算法，我们不要去研究机器算法的本身。

　　那我们来看看成熟的机器算法有些什么吧。

　　l 决策树：

　　l 随机深林

　　l 逻辑回归

　　l SVM支持向量机

　　l 朴素贝叶斯

　　l K最近邻

　　l K均值

　　l Adaboost

　　l 神经网络

　　l 马尔可夫

　　对于上面这些算法的详细说明，优劣分析等，不是今天介绍的内容，因为需要不少的数据和计算机的基础，我们稍后会有专题讲解这些算法。

　　职能三 收集训练数据：

　　机器学习，都是基于既有数据，从既有数据当中总结规律，根据规律形成模型，并做模型的调优和选择。整个过程就有点像教小孩子一样。一直广泛流传的“数据是企业最重要的资产”指的就是这个数据，因为我们可以从数据当中获取很多新的知识，新的模型。但是很不幸的是，目前而言，机器远没有达到人的能力，他无法从纷杂的世界里面学习各种非标准化的东西，为了让我们的机器和算法快速地成长，我们就需要收集大量计算机可以理解和学习的数据。

　　数据在哪里

　　那我们打算收集的数据，他现在在哪里，接下来我们说几个现成的数据收集渠道吧。

　　1. 供应链管理系统，帮助企业管理整体的供应链，包括供应商、制造商、仓库、配送中心、渠道商等等组织在一起，包含计划、采购、制造、配送、退货等主要模块。

　　2. 客户关系管理系统，以客户作为核心，利用信息技术、互联网等各种方法，管理企业和客户之间的关系，挖掘客户的全生命周期价值。