事件摘要：在人工智能和机器学习方面，高管们错过了什么？他们需要考虑什么？本周，我们采访了约翰•斯特劳，他在英国和美国都有很多业务，目前是麦肯锡（McKinsey&Co.）的高级顾问。
约翰的作品有很多的行政团队在AI和机器学习寻找新的应用和查明的投资回报率在行业的这些技术。本周，斯特劳分享了他对如何洞察用机器学习解决商业问题. 斯特劳还谈到了一些他认为在高管学习机器学习时最常被忽视的方面，特别是在寻找能够让他们跟上领域竞争对手的应用程序方面。
专业知识：技术/经济创业，风险投资，以及数字中断
简要认识：在他33年的IT生涯中，John Straw以联合创始人或高管的身份参与了4家互联网初创公司，其中有3家退出。最近，他是Thomas Cook Digital的董事长和iDisrupted公司. 他也是一位活跃的早期风险投资家，专门从事营销和云技术投资。2015年，斯特劳被任命为麦肯锡（McKinsey and Co.）的高级顾问，2016年，他被任命为IBM的沃森人工智能物联网问题顾问。
当前所属机构：麦肯锡公司高级顾问；IBM公司高级顾问；钍技术投资者的风险投资者；投资者和顾问布赫比许多网站；携程投资
访谈要点：
以下是完整音频采访的浓缩版本，可在Emerj SoundCloud和iTunes站点的上述链接中找到。
1： 23–当你在C套件中时–很明显，ML是与大型组织相关的东西，他们应该考虑的东西–你认为在AI和ML的发展方向上，可能不应该超越C级人员的头脑是什么？
约翰·斯特劳：“I do a significant amount of speaking to C-levels, and I always start off the conversion with, ‘Who knows what big data is?’, and universally their hand will go up in the air…and the immediate subsequent question is, ‘Who knows what to do with it?’, and there’s this series of slightly embarrassed blank faces, and this is pretty much universal, and the way I would probably typify that is, most organizations – most C-level people – understand what this stuff does, but they don’t know what to use if for; so it’s the use cases, it’s the apps, etc. that really we as a technology community need to be able to think creatively around those things with them…
……有两种方法来看待这一点；例如，对于物联网，有高级分析，有物联网的认知分析，其中的很多焦点实际上是首席财务官的办公室，因为这节省了成本；但问题的另一面始终是，“客户如何真正利用这项技术赚钱？'所以我认为这里有两个有趣的机会。其中一个方面是咨询方面，这实际上有助于你省钱，但另一个方面是创业方面，这实际上有助于你从中赚钱……因此在这些情况下，关于我们如何使用（机器学习技术）……有很多头脑风暴在继续。”
4:10 - 什么是应用程序，也许是足够常见的，人们应该理解他们，他们应该知道，这是可能的一个企业，他们应该知道，这些应用程序可以有所作为？
JS：“I would say that most organizations don’t know what data they’ve got, and they don’t know what data they haven’t got…so I think the first thing is, data audits are a very big part of it, that’s both internal data audits and then having the imagination to be able to actually understand what external data…they could use to enrich the data set, and the way that I explain identifying opportunities is simply, think about this as the use of a Venn diagram, to go look at those big data sets and then consequently machine learning, that’s one part…”
12： 12-在机器学习方面，你想让Facebook或谷歌来运行xyz的功能和特点是什么？在什么情况下，我们开始考虑在内部构建东西的门槛是什么？
JS：“……价值不在软件中，价值在数据中，这对每一家公司都非常重要，他们了解自己拥有什么样的数据以及数据的格式，然后他们使用第三方开发人员通过解析功能来确保数据是一个公平的竞争环境……价值不再在代码中，而是在价值在于它背后的数据，很多组织都没有这些数据，至少它是不可见的，也不是可读的数据，但我还是要回到我之前说过的；你必须做一次审计，你必须了解你有哪些数据，其次是你不知道你有哪些数据，以及第三，什么样的外部数据集可以真正合并到所有这些数据中，从而使某些东西变得真正有用和有趣……”
15： 19-还有其他一些可能是切实可行的例子……如果我们把X公司的独特数据集结合起来，并真正理解它，它会是什么样子？
JS：“这些都是刚刚起步的；IBM在放射学领域有一些惊人的技术，图像识别；我最近刚和一位外科医生谈过，他说，实际上，放射学将受到机器学习能力的严重干扰，无法在扫描时识别问题，而不是等待主观判断。”人类也许没有足够的经验来做同样的事情…
…it’s down to the imagination of the organization with the data set to be able to use it…I recently saw a YouTube video where Google was doing apparently image recognition inside of the video and it was phenomenal…and that transforms the advertising business straight away…because all of a sudden it becomes absolute real-time, contextual advertising…”
20： 44-高管们是如何加快这些事情的进度的？约翰，如果不回去攻读机器学习博士学位，你如何看待那些已经有很多事情要做的高管们成功地抓住了这一点？
JS：“…when I talk to CEOs, I use “Where’s Waldo” to show that this is how pattern recognition works, this is how machine learning works, and they pretty much get it…they don’t need to go back to school, they just need to be focused on the outcomes, but to be focused on the outcomes, they need to be given visibility to lots of use cases, applications, case studies, etc., so that they can get their heads around where the opportunities lie…”
