如果您说您曾与一家律师事务所的数据科学团队进行过讨论,那么在英国,目前这实际上仅意味着少于少数律师事务所,其祖父是BLM,这是保险业先锋的保险专家事务所。使用数据创建客户解决方案。

这就是为什么我们最终在BLM的伦敦办公室会见分析主管Andrew Dunkley,业务改进总监Adrian Spencer及其成长中的团队,讨论了艰难学习如何不组建数据科学团队的试验和烦恼。

邓克利(Dunkley)因拥有“大脑般的大脑”而受到​​业内人士的尊敬,他说,在组建团队时,他们首先花费了大量时间来研究如何不做事,包括如何整合团队合作精神。律师事务所内的团队,治理是什么以及团队如何在其中工作。

Spencer告诉我:“我们缺乏障碍的认识-以前没有人做过,以这种方式访问​​数据。但是我们的合作伙伴却在说:“您建造了吗?”人们的期望并不统一。

对于现任Brown Jacobson的IT前主管Abby Ewen来说,挑战在于试图在受监管的环境中管理启动文化。

当客户希望获得快速的结果时,Dunkley说:“我们的数据从一开始就处于静态加密状态,这在处理数百万个文档时会降低速度。”

不可避免地,另一个麻烦是托管方面的挑战,Dunkley说:“我们生活在一个世界,许多客户说他们的数据需要存放在本地。我可以理解,当我们处理此类敏感信息(例如与儿童有关的记录)时,我们必须给予最大的尊重,并且他们说“这就是他们希望您处理的方式”,这是完全可以理解的。整块处理:在前提下,您必须购买或租用空间并将其保留在内部,而不是旋转AWS集群。”

在这个领域工作很棒吗?邓克利说:“人们希望您为他们做一百万件事情。”如果您想知道的话,他的意思是很好的意思。

“我们的客户主要是保险公司,我们拥有丰富的客户基础,但是每个人都希望您真正快速地找到目标。考虑到租用数据所涉及的成本

科学家–他们拥有难以置信的可转让技能,您正在与所有人竞争–您需要在如何选择要从事的项目方面考虑周到。您需要做好冒险的准备,并要注意其中的一些无效。

“我们工作中最好的方面之一是人们遇到问题,我不知道如何解决,但我有想法,并提出了适合数据的强大方法。”

挑战和吸引力之一就是复杂性:邓克利说:“我在某处读到有人说,‘我们可以分析数十年的数据,’我想‘真的吗?’我们不信任它。它变老了。您为什么还要根据GDPR?我们必须考虑‘明年这种情况会改变吗?–我们的AI –并没有足够的人对此进行思考。如果您建立的工具依赖于明天工作的算法,而法律在法律方面发生了重大变化,并且您是围绕昨天的数据设计的模型建立了业务,然后又以此为依据,那您会感到困惑吗?您可能会面临一些真正的挑战。”

BLM已推出了一系列客户端工具,其中一个就是Foresight,它是由伦敦经济学院和BLM的数据科学团队开发的旗舰AI系统,旨在帮助索赔处理人员确定谁是交通事故的错。

邓克利说:“为什么有远见才行,是因为它只是查看当今的数据并模拟判断。这是攻击整个“是/不是黑白”主张以恢复其规模的强大方法–采取最佳做法,消除认知偏见,并始终给出最合适的答案。”

Foresight支持决策者,Dunkley补充说:“我们并不是在盲目地信任模型。”他说,鉴于变革的最大障碍是人们感到受到威胁,这不足为奇。

在BLM内,数据科学团队已经创建了一个确定优先级和采购方法的阶段,以至于他们几乎将其视为产品线。 “我知道接下来的想法是什么,我们有两个或三个正在设计和建造中的项目,还有两个或三个正在组装线上的项目,” Spencer说。

指导委员会决定这些事情,由业务零散产生的想法在关键的合作伙伴小组的帮助下进行,重点关注某些问题。

邓克利说:“在人们提出您的想法,然后出去提出因人们无法表达自己的想法而埋藏的好想法之间存在平衡。”

Spencer补充说:“重要的是平衡公平的竞争环境和关键业务的复杂性-这是指导委员会。”

所有这一切的成本是多少–数据科学家们并不便宜,BLM如何采取早期步骤为雇用团队开绿灯?

斯宾塞说:“这是迈克尔·布朗(Michael Brown)做出的有意识的战略决策,他明确表示我们需要投资于这种破坏性技术。”

Ewen补充说:“这是由客户驱动的 –我们已经完成了为客户启动门户网站的过程,并为他们提供了有关其数据的趋势,他们的反馈是我们希望您具有前瞻性并帮助我们做出更好的决策。”

尽管存在许多挑战,但团队不得不停止尝试在防火墙上打孔,其中一个是,–斯宾塞说存在更大的风险。 “在律师事务所中冒险的经历很少见。”

他补充说:“我们的律师正在正确地谈论产生改变,在数据科学领域也是如此-我们在现实世界中产生影响。”

团队的其他成员:

大卫·艾略特(David Elliott)

数据科学家

在大学学习计算机科学

直到2016年2月,他还是对冲基金Maven Securities的量化策略师。

他于2017年2月加入BLM,将其技能应用到保险法律领域。

说:“一个很大的激励因素是,它们都是非常具有开创性的东西。许多挑战以前并没有解决,甚至没有考虑太多。”

乌尔维·帕雷克(Urvi Parekh)

数据科学家

BLM是帕雷克(Parekh)在伦敦大学城完成理学硕士学位后的第一份工作。

她说:“我一直在寻找具有挑战性和新颖性的东西–您听到很多金融服务正在寻找数据科学家,而BLM吸引我的是,仍然很难在律师事务所做数据科学家。我觉得问题比较私人。这是某人的病史,而不是财务状况。”