Straumann Group正在用数据和AI改造牙科

来源：【计算机世界】

【导语】Straumann Group 是牙科植入物、正畸和数字牙科的全球制造商和供应商。这家公司正通过机器学习和人工智能增强其业务，将PB级的数据转换为资产。

Straumann Group 的北美区数据与技术总监 Sridhar Iyengar 给自己设立了一个大胆的使命。将这家有近 70 年历史的公司的数据和技术组织转变为向全球牙科植入物、修复术、正畸和数字牙科的制造商和供应商提供服务的数据即服务供应商，并向业务相关者提供机器学习（ML）的服务。

Iyengar 表示：“我的愿景是，我可以把权限交给我的企业团队，由他们自己管理数据和运行数据，而不是由数据与技术团队承担核心职能并协助他们完成。”

如果实现这个愿景那将是了不起的成就。Straumann Group 的总部位于瑞士巴塞尔，在 100 多个国家开展业务，拥有 PB 级的数据。这庞大的数据中包括了高度结构化的客户数据、关于治疗和实验室请求的数据、运营数据，以及大量的、不断增长的非结构化数据，特别是图像数据。例如，该公司的正畸业务大量使用图像处理，以至于非结构化数据正以每月约 20%至 25%的速度增长。

成像技术的进步为 Straumann Group 带来为客户提供新功能的机会。例如，成像数据可用于向患者展示矫治器将如何随着时间的推移改变他们的外貌。

Iyengar 指出：“这给我们的供应商在销售他们的服务时提供了很大的动力，同时也为我们从病人那里获得了更多的 NPS（净推荐值）。”他相信人工智能将在 Straumann 的图像处理和实验室治疗业务中发挥关键作用。这也是他大力推动为数据和技术团队的内部客户提供 ML 服务的原因。他表示：“他们所要做的只是建立他们的模型，然后用它运行就可以了。”

但是，为了用 ML 和 AI 增强其各种业务，Iyengar 的团队首先必须打破组织内部的数据孤岛，并改造公司的数据运营。他指出：“数字化是我们在数据旅程中的投下的第一个筹码。”

推销数据转型的价值

Iyengar 和他的团队在为期三到五年的计划中已经走过了 18 个月。这项数据计划从构建数据层开始，也就是将 ERP、CRM 和传统数据库等数据源整合到结构化数据的数据仓库和非结构化数据的数据湖中。

这一步骤主要由开发人员和数据架构师承担，建立了数据治理和数据整合。现在，该团队的信息架构师与业务分析师一起，正在研究语义层，将数据仓库和数据湖中的数据输入数据集市，包括财务集市、销售集市、供应链集市和市场集市。在合作伙伴 Findability Sciences 的帮助下，下一个目标将是建立起 ML 和 AI 管道，使其成为可以支持预测性和规范性分析的信息传递层。

他表示：“随着信息层的成熟，ML 和 AI 将开始看到一些萌芽。”他认为，尽管当他在 2021 年签约时，数据转型已经是一个迫切的需求，但他希望拿出更有说服力的愿景来说服董事会和业务领导人来解决这个问题。

为此，他的数据战略依靠的是一个防御性和进攻性的比喻。防御层包括数据管理的传统要素，如数据治理和数据质量。进攻层则是人工智能和高级分析的领域，其作用不仅仅是洞察和业务优化。

Iyengar 表示：“进攻就是如何创造收入，从我们收集的历史数据中获得所有的洞察力。事实上，也就是预测即将到来的趋势。我们在进攻领域得到的大部分数据都是非结构化的，我们要确保这些数据对业务领导人有意义，并帮助他们协调和丰富这些数据，使他们能够更有效地服务于他们的客户，使客户得到服务并以更强大、无摩擦的方式利用 Straumann 的服务。”

毫不奇怪，正是进攻性的一面让 Straumann 的董事会投资于 Iyengar 提出的转型计划。

Iyengar 说：“当以客户为中心和数字化转型的理念，以及数据转型的思路被提出来时，我认为这与他们产生了共鸣。”

为未来做准备

Iyengar 的团队通过采用用例的方式取得成功，这与 Strauman 的核心业务并无不同。Iyengar 说：“我们几乎采用了向病人展示的治疗前和治疗后图像的相同原则。”

团队要求公司领导挑选一些以客户为中心的向量，以说明如何利用数据创新来推动业务成果。其中一个目标是降低客户流失率。团队首先将流失倾向分成两个值：一个是保留现有客户，一个是获取新客户。它使用了典型的客户终身价值，并分析了购买模式，为营销团队和销售团队提供了他们可以用来推动其战略的见解。

Iyengar 认为，采用这种方法在内部推广数字化转型，使工作变得更加容易。他说：“我们看到所有业务都批准了支持这一举措的各项投资。”

同时，随着团队开始建立 ML 和 AI 能力，数据和技术团队本身的转型也势在必行。

Iyengar 说：“从传统学校的角度来看，我们固有的技能组合并不适合 ML 和 AI 的部分。你在那里需要的是统计学家和数学家，而不是程序员和编码员，对吗？所以，我们也一直在从文化和技能的角度改造自己。这有其时间规律。我们有一条在我们内部建立正确的技能组合学习曲线。”

Iyengar 正在企业人工智能专家 Findability Sciences 的帮助下，补充其团队的技能组合。Findability Sciences 的 Findability.ai 平台结合了机器学习、计算机视觉和自然语言处理（NLP）来帮助客户实现自身的人工智能之旅。

Iyengar 说：“我的团队里有很多人具备传统的 ETL 技能，缺乏的是 ML/AI 技能组合。我们的合作伙伴正在这个领域帮助我们。”

Iyengar 表示，最终，这些变化将改变数据和技术团队与业务的互动方式。目前，它在一个集中的轮辐模式下运行。但他认为，他的团队中对统计学家和数学家的需求是不可扩展。相反，他真正想要的是在三到五年内将他们嵌入到更接近业务线的团队中，这样企业就可以自己运行模型。

他说：“现在，我们是以每小时 100 英里的速度驾驶公交车的同时更换轮胎，这无论如何都不可能进一步扩展。尽管我为我的团队感到骄傲，我们正在这样做。”

本文来自【计算机世界】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID：jrtt