[[419580]]

為了從數據中生成可操作的實時見解，企業需要通過人工智能和機器學習部署等多種方法獲得所需的結果。

盡管各行業組織已將人工智能和機器學習視為其增長戰略的核心技術，但大多數企業認為他們無法成功利用這些技術。造成這種情況的主要原因是許多大數據項目缺乏成熟的方法來充分利用人工智能和機器學習技術。

根據大數據初創廠商Databricks公司和《麻省理工學院技術評論》在2021年的調查，很多公司在未來兩年的企業數據戰略中最重要的業務目標是，擴大銷售和服務渠道(45%的受訪者指出)、提高運營效率(43%)，以及改進創新并縮短上市時間(42%)。制定這些目標固然很好，但企業是否有能力執行這些目標?根據Gartner公司的調查，85%的大數據項目失敗了，而根據《麻省理工學院技術評論》的調查報告，只有13%的企業擅長以可衡量的結果實施其數據戰略。當詢問“低成就者”(在數據戰略計劃方面遇到困難的企業)面臨的主要障礙是什么時，他們在反饋中強調了數據管理平臺的可擴展性有限、難以促進協作以及處理大量數據的速度緩慢。顯然，許多企業在數據開發的所有領域都面臨著規模、速度和協作方面的挑戰。

為了從數據中生成可操作的實時見解，企業需要通過人工智能和機器學習部署等多種方法獲得所需的結果。他們需要員工具備數據素養，以應對對未知的恐懼，并真正簡化流程。以下是企業獲得數據和人工智能成熟度的三種方式：

1.構建堅實的基礎架構

當關注強大數據管理的基礎并專注于構建“民主化”數據的架構時，企業更有可能成功并看到可衡量的結果。而管理數據非常復雜，企業需要消除遺留系統和各種工具以及數據孤島的負擔，除非它們可以集成或隔離。這些問題會降低交付預期業務成果所需的速度和規模，從而影響企業的數據平臺及其支持的機器學習模型。堅實的基礎架構應該減少數據重復，增加對相關數據的訪問的便利性，能夠高速處理大量數據，并提高整體數據質量。

美國快遞服務商UPS公司的配送優化項目旨在將每位快遞員的路線每天縮短一公里，預計獲得的年收益將超過3600萬美元。這是企業使用數據來顛覆和重建系統的一個很好的例子。它依賴于幾個成熟度標準：現代且可擴展的成熟基礎架構，企業管理層在各個級別的持續支持，盡管出現故障和延遲。此外，該公司依賴于通過GPS獲取有關交易、位置點、車輛甚至快遞員的豐富、即時和準確數據。

2.創造一種文化，讓數據和人工智能成為每個人的業務

作為企業轉型的一部分，數據和人工智能的成熟度也與分析、機器學習和人工智能功能的民主化有關，以幫助企業做出明智的決策。這需要通過協作和尖端技術建立強大的數據文化，以便使用數據來改進決策及其各自的影響。從運營的角度來看，它意味著能夠共享所有這些決策、數據和數據驅動的架構，從而為業務項目提供必要的資源。這只有在現代數據架構中才有可能實現，在這種架構中，只有適合的用戶可以訪問合適的數據，以快速生成推動業務價值的洞察力。

盡管新一代的數據管理在系統、領導力和對業務價值的感知方面都有了新的發展，但在大多數企業中，數據團隊和最終用戶以及需要數據洞察以做出日常決策的前臺或后臺員工之間仍需彌合差距。彌合這一差距的一個很好的辦法是將數據科學家直接嵌入業務部門，讓他們定期與用戶互動，或者讓用戶直接使用分析工具，以便他們能夠根據需要得出自己的見解。換句話說，它需要將數據推向更靠近“邊緣”的用戶所在的位置。隨著企業的員工越來越熟悉高級分析和數據科學，他們獲得了自己分析的能力，而不僅僅是使用其他人提供的分析。

3.定期評估

為了成功地從數據驅動的項目中創造價值，企業必須不斷地了解自己在數據和人工智能成熟度的旅程中所處的位置。它可以通過采用評估必要關鍵能力的模型來做到這一點。一個成功的評估模型應該有助于構建團隊之間的對話，并應該了解改進關鍵業務運營所需的步驟，這些步驟必須通過大規模數據集成和真正的數據文化得到加強，并且更加一致和更加穩定。它支持使用數據來改進、加速或監控決策及其各自的進展，并共享所有這些決策、數據和數據驅動的架構，為每個人提供業務項目所需的資源。

Databricks公司的一個客戶是一家行業領先的咖啡零售商，該公司采用的一個人工智能項目完美地說明了這一點的價值，其用例基于公共數據和三個不同部門的持續協作。該公司的運營團隊可以創建基于人工智能的模型，根據目標社區的社會和經濟因素確定未來設置商店的位置。該公司的客戶關系部門還通過企業的忠誠度計劃直接從人工智能中受益。通過了解所有1900萬訂閱者的飲料偏好和購買模式，該團隊可以在提高銷售量的同時仍然提供超個性化的客戶體驗。該數據還用于根據特定群體的習慣和口味預測哪些飲料和渠道將產生最大利潤。最后，商店支持部門依靠人工智能進行預測性機器維護和供應需求。

在邁向數據和人工智能成熟度的這一艱巨旅程中，當各種業務用例集成到特別是由IT設置的集中、安全和可擴展的服務中時，很多企業已經向前邁出了一大步。數據驅動的業務轉型或價值創造的成功需要從企業戰略到培訓計劃的全球整合以及內部資源的升級以繼續傳播知識。這一步對于更多地部署數據和人工智能用例至關重要。如果沒有持續的管理支持、組織成熟度和大規模數據科學能力，這些項目的成功和價值創造也無法實現。