AI[数据&智能]浪潮下的组织变革和发展逻辑

技术的发展有自己的规律，在不同阶段表现出不同的状态，发展的关键问题也不同。

技术的兴起阶段，技术本身的进步是发展的关键。此时往往是科研机构、高校或大型企业内部研究院开始进行前沿技术的研究。

 当技术发生了重大的突破，如AI的关键性技术突破，加上大数据和云计算技术提供了充足的数据和计算能力，使得AI迅速获得人们的关注。15年AlphaGo惊艳地表现像一个火种，整个行业市场开始有了燎原之势。

 随着而来的是大量的技术社区、技术布道者（技术培训等）和AI创业公司。好像当时的淘金热，创业公司是淘金者，技术布道者是渡船人。这一阶段，AI技术人员最为抢手。

当技术普及到达一定程度，技术能否真正的落地，去解决实际的问题则成为关键。这时候我们需要一批有着敏锐的市场需求并可以将技术落地的AI产品经理，技术开始渗透到各行各业，垂直细分领域的应用开始快速发展。

然后，当技术发展趋于成熟，技术会导致生产生活关系、团队组织的变化。此时，一个团队能够适应性的改进自身，成为关键。

 当前AI【数据&智能】技术正处于技术普及的中后期，重点是技术的应用。大量的企业在人员和团队组织调整过程中摸索，试图寻找到一种新的合适的形式，来应对变化。

此处我们给出了一种组织架构，来应对这种变化。

数据采集团队：

内部数据对企业来说更为关键，是实现数据驱动的基础。外部数据一种是对互联网和线下数据的采集，一种是通过数据交易市场来获取。

数据治理团队：

数据治理包括数据质量控制、元数据管理等。数据治理保证了数据可用、可控、可信。

服务团队：

云计算的核心思想是“一切皆服务”，解放生产力，让企业可以专注在其最核心的领域内。AI赋能是核心部分。

• DaaS 数据即服务: 以数据的采集与提供，为主要业务内容。相关技术包括ETL、流式数据处理、实时计算、异构数据解析、数据治理等。

• TaaS 工具即服务: 将数据处理工具以服务的形式提供。相关服务包括清洗服务、转换服务、解析服务等。

• AaaS 分析即服务: 以数据报告、可视化报表的形式提供服务。相关技术包括统计学、可视化技术等。

• MaaS 挖掘即服务: 提供数据挖掘的核心能力服务。相关技术包括机器学习、深度学习、认知计算、模式识别等。

应用团队：

从对数据的加工层次，包括检索查询、统计分析、业务模型、数据展现，需要深度结合领域知识。

整个行业市场就是巨头引导的IaaS,PaaS,DaaS,TaaS,AaaS,MaaS各服务层加上各中小企业在应用层不断向其他行业渗透的过程。市场在不断的被瓜分和细化。

大数据、云计算、人工智能互相交织，趋于一体。