无可否认，我们已经步入大数据时代，轻敲键盘就能获得海量数据。随着物联网（IoT）的发展，数据量还会进一步扩增。今后十年里，预计有 500-700 亿联网设备涌入市场，忽视如此大规模的数据并非明智之选。

企业可以在机器学习的帮助下充分利用大数据。这里提到的机器学习不是科幻电影里面与人类为敌的机器人，现代机器学习致力于挖掘数据中的价值。

IBM 计划向开发者开放 Watson（IBM 超级计算机）海量 API 中的部分接口，但是 Watson 并不是唯一的机器学习（ML）系统，还包括 Google Deepmind（Google Brain 项目的一部分）、斯坦福的 Deepdive（与 DARPA，即美国国防先进研究项目局合作）、微软的 Azure 平台和 MIT 的 ConceptNet5.

下面我们来看看科技创新者如何高效利用大数据和机器学习。

提高工作效率

企业要想提供切实可行的解决方案，效率至关重要。这体现在产品和服务的方方面面，从设备的原型阶段到市场推广阶段，效率始终是根本。

机器学习能够迅速处理从传感器、室内系统和外部合作伙伴获取的数据，从数据中得出新的结论，大化利用各种综合信息，从而精简当前工作流程。这一提高效率的方式对企业和个人都适用。

举个例子：Attitude Sports 老板大卫 . 哈斯（David Haase）报名参加了环美自行车竞赛（Race Across America），在 3000 英里的比赛中他排名第二，能取得这样的成绩归功了大数据和机器学习。他的团队实时监测他的生物数据，并与其他的数据相结合。在九天的时间里，团队追踪风速等数据，判断休息和补充能量的最佳时间点。正是这一系列的数据分析使得大卫 . 哈斯足足领先了第三名一天的时间。

再比如现在在 NBA 战无不胜的勇士队，训练师早就使用可穿戴装置监测球员的疲劳度，监测球员的心率、下肢承重力等数据，利用数据判断群员的健康状况，合理安排轮休，这也是为什么勇士队能保持健康。

大数据效率提高就意味着成本降低和时间节省。波音分析人员正在探寻数据关联性，缩短飞行时间，减少燃油量。

通往创新的道路

诚然，持续不断的创新不容易，而且在创新的时候，并不能确定这个新点子的实用价值。机器学习的优势在于能从各个方面评估这项创新，比如确定现有产品的缺陷、前瞻性分析或者发现之前不为他人注意模式。

DARPA（美国国防先进研究项目局）的使命在于创新，DARPA 在很多不为大众所知的高度机密项目上运用了大数据和机器学习。身为互联网的前身（ARPANET），DARPA 使用人工智能系统检测软件漏洞。在商业上，以环保著称的波音 787 机型极度依赖数据反应实时状况，创新性地解决环保问题。

智能化

新的商业模式是数据应用必然的副产品。你的公司如何向顾客传播价值？你如何收集和利用数据？

大数据能够挖掘之前没有意识到模式和联结，并实时体现其价值：一线员工能够迅速处理站在他面前用户的问题，用户也能从服务中得到价值，提供反馈。这一观点必将改变业务经营模式。

大数据

以 Local Motors 为例，其使用 3D 自动生产制造技术，能够在 40 个小时以内打印出一辆可操控的汽车。只要有了正确的数据，一个小型、高效的生产工厂就能满足客户的定制需求——这是一种全新的生产和销售汽车的模式。

大数据分析和机器学习向已有的高效方法论和创新论发起了强有力的挑战。它们甚至可以颠覆传统行业运营方式，大数据和机器学习必将驱动公司业务的发展。