数据科学制胜之道：写给制药业高管的5条入门提示( 二 ) 这5条重要提示

4.从少量数据起步，不要坐等完美数据仓库的落实
如果没有规模可观、质量稳定且经过良好组织化的数据作为依托，数据科学根本无法实现。但在早期阶段，大多数组织都拿不出如此奢侈的资源储备。那么，制药行业的高管们是不是该推迟自己的数据科学探索，直至准备好强大的数据工程层？
Omar认为， “我强烈建议大家不要等待，因为所谓完美的数据可用性永远不可能到来。 ”
他还补充称，这些早期项目可以帮助大家建立起可重用数据资产创建案例。你可以借此吸引到人们对于数据质量问题的关注。从起步阶段开始，大家就必须关注数据架构层面的差距，并将这部分问题充分体现在数据工程的待办清单当中。
例如，你可以使用临床试验数据表格发现关于患者行为、募集与留存的可行性洞见。你需要评估数据的可用性与质量，并在确定这些指标均高于可接受阈值后正式启动高级分析之旅。

文章图片
5.在运用AI力量之前，先从简单的数据分析方法入手
我们能不能在第一个数据科学项目中就充分运用人工智能的潜力？Shah认为， “千万别被那些流行语和趋势性表述所误导。请坚持您的直觉判断、不断探索真相、总结出自己的洞见并据此做出决定。在大多数情况下，初步探索并不需要特别复杂的技术或者统计数据。 ”
在RocheDiagnostics ， “AI本身并不属于独立的议程，它只是我们用于实现战略目标的工具与部分功能。 ”根据该公司CIOWernerBoeing在《麻省理工学院斯隆管理评论》中发表的报告，正是这种将AI视为常规工具之一的举措，帮助RocheDiagnostics获得了结合实际需求使用AI功能的灵活性。
例如，计算机视觉可以检查视频源中是否存在药品生产或包装问题，借此提高药品制造质量。但作为更适合的起步项目，大家不妨先尝试通过简单的回归算法快速提高药物良品率。
数据科学之旅中的第一波冲刺
选择正确的数据科学项目、获取资金供给、组建团队、获取数据并产生可行洞见，这些都是相当艰难的挑战。而即使完成了这些目标，数据科学的探索之旅仍然没有彻底完成。
只有将解决方案应用于实际决策，数据科学才能真正为大家创造价值。要想冲过这道终点线，大家需要保证你的项目已经得到用户们的实际采用，包括与业务支持者们通力合作、为最终用户提供影响并不断获得一项项成果，借此在制药企业之内维持住良好的数据科学发展势头。
Shah总结道， “只有当领导者们能够看到自己的数据，体会到数据背后那一个个引人入胜、但以往根本没有被发现过的故事时，他们才算真正体会到数据科学的现实力量。 ”