為了從數(shù)據(jù)中生成可操作的實(shí)時見解，企業(yè)需要通過人工智能和機(jī)器學(xué)習(xí)部署等多種方法獲得所需的結(jié)果。

盡管各行業(yè)組織已將人工智能和機(jī)器學(xué)習(xí)視為其增長戰(zhàn)略的核心技術(shù)，但大多數(shù)企業(yè)認(rèn)為他們無法成功利用這些技術(shù)。造成這種情況的主要原因是許多大數(shù)據(jù)項(xiàng)目缺乏成熟的方法來充分利用人工智能和機(jī)器學(xué)習(xí)技術(shù)。

根據(jù)大數(shù)據(jù)初創(chuàng)廠商Databricks公司和《麻省理工學(xué)院技術(shù)評論》在2021年的調(diào)查，很多公司在未來兩年的企業(yè)數(shù)據(jù)戰(zhàn)略中最重要的業(yè)務(wù)目標(biāo)是，擴(kuò)大銷售和服務(wù)渠道(45%的受訪者指出)、提高運(yùn)營效率(43%)，以及改進(jìn)創(chuàng)新并縮短上市時間(42%)。制定這些目標(biāo)固然很好，但企業(yè)是否有能力執(zhí)行這些目標(biāo)?根據(jù)Gartner公司的調(diào)查，85%的大數(shù)據(jù)項(xiàng)目失敗了，而根據(jù)《麻省理工學(xué)院技術(shù)評論》的調(diào)查報告，只有13%的企業(yè)擅長以可衡量的結(jié)果實(shí)施其數(shù)據(jù)戰(zhàn)略。當(dāng)詢問“低成就者”(在數(shù)據(jù)戰(zhàn)略計(jì)劃方面遇到困難的企業(yè))面臨的主要障礙是什么時，他們在反饋中強(qiáng)調(diào)了數(shù)據(jù)管理平臺的可擴(kuò)展性有限、難以促進(jìn)協(xié)作以及處理大量數(shù)據(jù)的速度緩慢。顯然，許多企業(yè)在數(shù)據(jù)開發(fā)的所有領(lǐng)域都面臨著規(guī)模、速度和協(xié)作方面的挑戰(zhàn)。

為了從數(shù)據(jù)中生成可操作的實(shí)時見解，企業(yè)需要通過人工智能和機(jī)器學(xué)習(xí)部署等多種方法獲得所需的結(jié)果。他們需要員工具備數(shù)據(jù)素養(yǎng)，以應(yīng)對對未知的恐懼，并真正簡化流程。以下是企業(yè)獲得數(shù)據(jù)和人工智能成熟度的三種方式：

1.構(gòu)建堅(jiān)實(shí)的基礎(chǔ)架構(gòu)

當(dāng)關(guān)注強(qiáng)大數(shù)據(jù)管理的基礎(chǔ)并專注于構(gòu)建“民主化”數(shù)據(jù)的架構(gòu)時，企業(yè)更有可能成功并看到可衡量的結(jié)果。而管理數(shù)據(jù)非常復(fù)雜，企業(yè)需要消除遺留系統(tǒng)和各種工具以及數(shù)據(jù)孤島的負(fù)擔(dān)，除非它們可以集成或隔離。這些問題會降低交付預(yù)期業(yè)務(wù)成果所需的速度和規(guī)模，從而影響企業(yè)的數(shù)據(jù)平臺及其支持的機(jī)器學(xué)習(xí)模型。堅(jiān)實(shí)的基礎(chǔ)架構(gòu)應(yīng)該減少數(shù)據(jù)重復(fù)，增加對相關(guān)數(shù)據(jù)的訪問的便利性，能夠高速處理大量數(shù)據(jù)，并提高整體數(shù)據(jù)質(zhì)量。

美國快遞服務(wù)商UPS公司的配送優(yōu)化項(xiàng)目旨在將每位快遞員的路線每天縮短一公里，預(yù)計(jì)獲得的年收益將超過3600萬美元。這是企業(yè)使用數(shù)據(jù)來顛覆和重建系統(tǒng)的一個很好的例子。它依賴于幾個成熟度標(biāo)準(zhǔn)：現(xiàn)代且可擴(kuò)展的成熟基礎(chǔ)架構(gòu)，企業(yè)管理層在各個級別的持續(xù)支持，盡管出現(xiàn)故障和延遲。此外，該公司依賴于通過GPS獲取有關(guān)交易、位置點(diǎn)、車輛甚至快遞員的豐富、即時和準(zhǔn)確數(shù)據(jù)。

2.創(chuàng)造一種文化，讓數(shù)據(jù)和人工智能成為每個人的業(yè)務(wù)

作為企業(yè)轉(zhuǎn)型的一部分，數(shù)據(jù)和人工智能的成熟度也與分析、機(jī)器學(xué)習(xí)和人工智能功能的民主化有關(guān)，以幫助企業(yè)做出明智的決策。這需要通過協(xié)作和尖端技術(shù)建立強(qiáng)大的數(shù)據(jù)文化，以便使用數(shù)據(jù)來改進(jìn)決策及其各自的影響。從運(yùn)營的角度來看，它意味著能夠共享所有這些決策、數(shù)據(jù)和數(shù)據(jù)驅(qū)動的架構(gòu)，從而為業(yè)務(wù)項(xiàng)目提供必要的資源。這只有在現(xiàn)代數(shù)據(jù)架構(gòu)中才有可能實(shí)現(xiàn)，在這種架構(gòu)中，只有適合的用戶可以訪問合適的數(shù)據(jù)，以快速生成推動業(yè)務(wù)價值的洞察力。

盡管新一代的數(shù)據(jù)管理在系統(tǒng)、領(lǐng)導(dǎo)力和對業(yè)務(wù)價值的感知方面都有了新的發(fā)展，但在大多數(shù)企業(yè)中，數(shù)據(jù)團(tuán)隊(duì)和最終用戶以及需要數(shù)據(jù)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(shù)據(jù)科學(xué)家直接嵌入業(yè)務(wù)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(jù)需要得出自己的見解。換句話說，它需要將數(shù)據(jù)推向更靠近“邊緣”的用戶所在的位置。隨著企業(yè)的員工越來越熟悉高級分析和數(shù)據(jù)科學(xué)，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(shù)據(jù)驅(qū)動的項(xiàng)目中創(chuàng)造價值，企業(yè)必須不斷地了解自己在數(shù)據(jù)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(guān)鍵能力的模型來做到這一點(diǎn)。一個成功的評估模型應(yīng)該有助于構(gòu)建團(tuán)隊(duì)之間的對話，并應(yīng)該了解改進(jìn)關(guān)鍵業(yè)務(wù)運(yùn)營所需的步驟，這些步驟必須通過大規(guī)模數(shù)據(jù)集成和真正的數(shù)據(jù)文化得到加強(qiáng)，并且更加一致和更加穩(wěn)定。它支持使用數(shù)據(jù)來改進(jìn)、加速或監(jiān)控決策及其各自的進(jìn)展，并共享所有這些決策、數(shù)據(jù)和數(shù)據(jù)驅(qū)動的架構(gòu)，為每個人提供業(yè)務(wù)項(xiàng)目所需的資源。

Databricks公司的一個客戶是一家行業(yè)領(lǐng)先的咖啡零售商，該公司采用的一個人工智能項(xiàng)目完美地說明了這一點(diǎn)的價值，其用例基于公共數(shù)據(jù)和三個不同部門的持續(xù)協(xié)作。該公司的運(yùn)營團(tuán)隊(duì)可以創(chuàng)建基于人工智能的模型，根據(jù)目標(biāo)社區(qū)的社會和經(jīng)濟(jì)因素確定未來設(shè)置商店的位置。該公司的客戶關(guān)系部門還通過企業(yè)的忠誠度計(jì)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(tuán)隊(duì)可以在提高銷售量的同時仍然提供超個性化的客戶體驗(yàn)。該數(shù)據(jù)還用于根據(jù)特定群體的習(xí)慣和口味預(yù)測哪些飲料和渠道將產(chǎn)生最大利潤。最后，商店支持部門依靠人工智能進(jìn)行預(yù)測性機(jī)器維護(hù)和供應(yīng)需求。

在邁向數(shù)據(jù)和人工智能成熟度的這一艱巨旅程中，當(dāng)各種業(yè)務(wù)用例集成到特別是由IT設(shè)置的集中、安全和可擴(kuò)展的服務(wù)中時，很多企業(yè)已經(jīng)向前邁出了一大步。數(shù)據(jù)驅(qū)動的業(yè)務(wù)轉(zhuǎn)型或價值創(chuàng)造的成功需要從企業(yè)戰(zhàn)略到培訓(xùn)計(jì)劃的全球整合以及內(nèi)部資源的升級以繼續(xù)傳播知識。這一步對于更多地部署數(shù)據(jù)和人工智能用例至關(guān)重要。如果沒有持續(xù)的管理支持、組織成熟度和大規(guī)模數(shù)據(jù)科學(xué)能力，這些項(xiàng)目的成功和價值創(chuàng)造也無法實(shí)現(xiàn)。