引言：从争论转向实战
正如 IBM 首席财务官马丁·施罗特最近所说，“关于人工智能是否真实存在的争论已经结束，我们现在正着手解决真正的商业问题。”
作为首席技术官或高管，您深知如果不采用新的数据驱动解决方案，就会丧失竞争优势。然而，要确切知道人工智能（AI）等新型数据工具以及数据科学在何处应用却颇具挑战。那么，应如何推进实施？
盖特纳（Gartner）最近强调，企业需要采取措施进行现代化转型，否则将被淘汰。如今，高层领导正密切关注数据科学与人工智能，其中64% 的高级决策者相信其组织的未来增长依赖于人工智能技术，因此需要明确指导方针，使业务决策能够以数据为指引。开始涉足人工智能和数据科学意味着要专注于在实现市场主导地位方面最大化数据投入的领域。以下问题将帮助任何企业评估其数据策略的现状，以便实施高级解决方案。
实施路径：关键评估维度
为了从人工智能浪潮中获益最多，关键在于将其应用于具体问题。首先，识别你目前收集信息的所有方法。本质上，任何衡量公司绩效以及利益相关者与你的互动方式的内容都属于此类。
了解自身需求及数据存储选项至关重要。云存储是数据仓库的未来，但并非所有人都已转向云端。一些公司在内部系统上投入了大量资金，将所有数据上传至云端对他们而言并不合理。此外，还存在混合式数据仓库，部分流入的数据被标记为存储在内部，而其他数据则导向云端。
表面上看，这一点很简单：谁可以查看你的数据？用于防止未经授权用户访问或篡改数据的安全程序是什么？目前存在一种高管趋势，即推动数据民主化，使每个部门都能访问数据。这提供了极大的灵活性并鼓励个人层面的创新，但也带来了一些安全隐患。根据你认为可接受的风险平衡，决定每类员工的访问权限级别。
明确定义你希望数据发挥的作用以及你在收集数据过程中追求的目标。虽然这些目标本质上是宽泛的，但应比“增长”更加具体。更有效的利用目标可以是“提高 X 市场的销售额”或“改善客户获取漏斗”。明确你需要跟踪哪些信息以实现这一目标，但不要觉得有必要对数据进行限制。数据科学需要数据才能发挥作用。你拥有的相关信息越多，从数据科学项目中获得的回报就越高。
从数据中及时获取商业洞察
通过预测分析获得及时的商业洞察是最有用的 AI 工具之一。有关设备功能、车队、库存等等的信息可以实时分析，并以非技术人员也能理解的格式呈现。考虑到旧模式需要等待专家将数据转化为可用的图表，这种可访问性是分析领域的一大进步。两年前，只有51% 的决策者认为他们可以在没有协助的情况下解读企业分析结果。现在，这一比例已上升至 66%，并且仍在增长。让高管能够进行预测的分析能力提升了灵活性，并使各部门能够在影响业务运营之前做出调整。
遵循此路线图，你不仅能识别当前策略（如果存在）中问题的真实程度，还能迅速看到，将数据战略聚焦于更具体的方向如何消除冲突的数据流并理顺流程。在高级分析方面，将数据科学和 AI 融入现有工作流程最有效的方式是分阶段滚动实施。也就是说，先确定改善数据使用的前几步，然后在完成旧步骤后定期重新评估并添加新步骤。