在最近的文章麻省理工学院斯隆管理评论,杰弗里·D.卡姆和托马斯·H·达文波特研究企业如何机器学习和预测分析方案已经由冠状病毒疫情打乱了。正如他们所说,“这些数据,我们用它来好好管理决策已经迎头赶上,在这个不可预知的市场天翻地覆。”企业都在努力调整和重新部署他们的模型和策略为新的经济环境,但是又该如何向前推进这一进程?

作者提供了许多步骤重启数据的科学举措, 其中:

称重数据关联

组织必须确定要删除什么,保持,以及如何推诿。许多与之卡姆和达文波特说着使用移动平均等的平滑预测技术,以确定有多少依赖于前和大流行后的数据建议的专家。

拥抱更多的外部数据的使用

根据这篇文章,“试图模型的低概率,高破坏性事件将需要用来更好地解释世界是如何变化的外部数据量的增加。正确的外部数据可以提供比可以通过内部数据提供早期警告信号“。

斜坡向上型号审计和压力测试

机器学习和规范性分析模型密切注视是大流行后数据的科学举措的重要组成部分。至于卡姆和达文波特所说的那样,“技术开发用于工业工程的质量控制,如控制限制和验收抽样,需要应用到机器学习,以确保模型‘控制’。”

构建专业化的投资组合模型的一个

如果有一个业务课由冠状病毒出现,它是东西可以在片刻的通知改变,灵活性和敏捷性的重要性怎么强调也不过分。当涉及到数据的科学,企业应“考虑制定情景规划和模拟,构建专门的模式,可以是‘拉现成的’需要”。第二锁定仍然有很大的可能性,所以分析从最初爆发了该组织的经验和确定这些经验教训可以如何应用应该有第二波是在加强整体数据的科学计划的关键一步。

正如文中所说的那样,“这是从相对稳定的数据和过去的分析世界不同的世界。”在这种环境下,企业必须找到一种方法来改进他们的规范性分析和机器学习计划,使他们能够做出最好的决定。