全文共1769字，预计学习时长6分钟

图源：unsplash

互联网诞生早期，创建网站是一门高端技术活。而现在，Wordpress这样的无代码工具让每个人都能迅速地创建一个网站。如今已有超50亿的网站，而在1995年仅存在3.1万个网站。

同样，当今的高技术准入门槛是数据科学发展的阻碍，但无代码分析工具将让其实现平民化，数据科学家使用字母组合的复杂工具来“将数据转化为洞察力”。

R语言、SAS、结构化查询语言(SQL)、非关系型的数据库(NoSQL)、TF、D3.js、自然语言工具包( NLTK)、RF、MATLAB、机器学习(ML)，随便选择哪个都没有关系。关键在于，如果企业不能理解数据科学，就不能利用数据科学。并不是每个企业都能雇佣一个数据科学家团队，在美国，科学家的工资在六位数以上。

一项针对500名美国员工如何使用数据的调查显示，很多企业没有从数据中获得洞察力。例如，68%的营销人员需要更多的数据可视化特征，54%的会计师需要更多的预测分析特征来预测风险。

统计数据来源：GetApp

Wix使每个人成为网站构建者，Canva使每个人成为设计师。现在，是时候让每个人都成为数据科学家了。

商业领袖能做些什么？

无论是管理一个营销团队还是运营一家咖啡馆，所有的领导者都应该被学会使用数据科学，且无需成为一个“ AI巫师”或“代码忍者”。

这就是数据科学平民化的意义所在。像Apteo这样的无代码工具的目标就是，让每个人都成为数据科学家，从可视化到预测分析，让各种规模和技能级别的团队都能利用这项技术。

为了清楚地表明无代码分析可以应用于任何层面，你可以看看Robinhood数据跟踪器、摆动状态追踪器或Tom Brady分析。

平民化——并不只是一个噱头

通过将设计平民化，Canva成为了一家市值60亿的公司；通过将网页制作平民化，Wix在纳斯达克（NASDAQ）实现了126亿美元的巨额市值；Shopify公司将电子商务平民化，目前其在纽约证券交易所（NYSE）的市值超过1000亿美金。

图源：unsplash

还有谷歌，这家价值数万亿美元的公司，通过让世界上的信息触手可及来实现知识平民化，通过点击即可付费而不需要购买广告牌来实现平民化。

在1998年，一篇开创性的论文（http://infolab.stanford.edu/~backrub/google.html）探讨了谷歌的想法，提出了这样的观点：“到目前为止，大多数搜索引擎的开发都是在几乎没有公布技术细节的公司进行的。这使得搜索引擎技术在很大程度上仍然是一种黑色艺术，并且是以广告为导向。”

22年过去了，如今谷歌每天要回答数十亿次查询。谷歌让信息查询变得简单，无代码分析让洞察力的发现变得简单。

即使在上世纪90年代，人们也知道“最好的导航服务应该能让你在网上找到几乎任何东西。”同样，最好的数据科学服务应该是能让你轻松洞悉数据中的蹊跷。

寻找洞察力

忘掉从混乱的 README文档中导入对应关系，或是在Tableau中编写 SQL吧！无代码工具让任何人可以认清趋势、KPI导向并创建预测。

Apteo的三个处理步骤

例如，假设你是一个SaaS（软件即服务）企业主，对降低“用户流失率”感兴趣，这就是你的 KPI。无代码工具允许你选择 KPI 或试图解决的问题，所有繁重的工作都在后台完成。

至于Apteo，它将自动选择有助于分析KPI的属性，但用户也可以添加或删除属性。很快就能创建一个模型，允许你根据插入的属性生成预测。

从亚马逊、沃尔玛、Netflix和麦当劳到你自己

许多行业领先的企业都由于数据的强大而获得了成功，当然啦，他们也拥有聘请大型数据科学团队的资源。

·        亚马逊的推荐功能带来的收入高达其总收入的35%。在上一个财政年度，其收入几乎达到了1000亿美元。

·        沃尔玛使用预测模型来预测特定时间的需求，这样就可以安排合适的员工数量，改善结帐体验。

·        Netflix订阅是根据你的个人兴趣定制的，通过预测模型，输入你喜欢的节目、你的观影日期时间、你使用的设备、是否暂停了节目（是否之后继续观看），等等。

·        麦当劳以3亿美元收购了数据公司 Dynamic Yield，以预测各地的客户需求，从而减少浪费，提高利润率。

图源：unsplash

通过使用无代码的数据科学工具，你自己的企业也可以利用和亚马逊和沃尔玛等行业领导者同样强大的技术。让每个人都成为数据科学家，拥有顶级的数据分析能力，不再是一纸空谈。

推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：王一淇、苏韫琦

相关链接：

https://towardsdatascience.com/towards-no-code-analytics-making-everyone-a-data-scientist-f7693bd0abfd

如转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017论文集：34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你