|
如今，商业智能解决方案的发展和演变非常迅速，因此今天适用的方案可能明天就需要调整。近期 Tableau 发布了 2018 年最具影响力的 10 大趋势，这其中就提到了 AI 发展对数据分析的益处。那么如何建立一套成功的 AI 系统呢？ 组织的领导者们已经广泛认识到 AI 作为数字化转型基础的前途，所以很多组织现在正试图加快 AI 的部署与应用。 但是，大多数组织仍然在努力提高对分析的应用和关注。即使已经建立了商业智能（BI）平台，如果它没有被广泛地应用，那么再好的决策可能也无法实现。 对于一个有机会成功实现 AI 的组织来说，它首先必须要有一个以人，方法和平台为核心的可靠 BI 战略。近几年来，许多组织已经由基本的描述性分析过渡到了更多的诊断性分析，但是很少有组织已经创建了一个能够包含 AI 收益和风险的真正自助服务环境。 与 BI 相比，AI 所具有的风险是呈指数增长的。BI 更侧重于理解已经发生的事情，这主要通过 KPI 指标，而 AI 和机器学习的优势在于它们可以提供更高价值的预测和规范性分析。 通常情况下，潜在回报越高，风险性也越大。通过报告或仪表板错误地报告KPI指标可能并不会成为灾难性事件，但是如果关键的业务决策被一个验算不足的算法误解，此时情况就不一样了。 数据是 AI 系统的基础。因此，AI 带来的指导建议或自动任务的质量和可靠性与应用于系统数据的质量和可靠性直接相关。那些没有投资给全面数据管理实践或在 BI 部署中没有建立良性发展和信心的组织几乎没有实现 AI 的可能。 AI 还是新生事物 许多组织已经投资并实施了全面的数据管理技术。但是，只有当员工分析数据并将见解结果用于决策时，组织才能提高分析的成熟度。 不幸的是，BI 应用自成立以来一直保持低水平状态，事实上只有少数组织用户接受了 BI 和分析能力。BI 市场正在转向现代自助服务模式，将分析能力扩展到更广泛的受众群体，但大多数组织仍处于成熟整体分析的初级阶段。这很大程度上是由于创建一个真正的分析文化所需的时间及其复杂性。 对于大多数企业来说，试图从低成熟的状态跳跃到以 AI 为核心的模式，实在是太难了。一个组织中的用户最终将会建立一个 AI 系统，所以他们必须首先在产出中获得既得利益，同时具备适当的能力来妥善管理投入。当他们开始通过提出问题和探索新的数据集来提高他们的数据素养水平时，他们对高级分析能力的需求也开始了。这就形成了一个 AI 能够蓬勃发展的环境。 BI 冠军将是 AI 冠军 AI 在组织中的成功程度最终取决于决策者。如果组织决策者偏爱直觉而不是数据，那么他们不太可能会相信机器生成的见解和建议。面对业务流程决策，一位从未接受数据驱动思维的领导者可能会拒绝任何 “黑匣子” 式的 AI 解决方案，而选择直觉。 为了成功实现 AI，决策者必须解决不愿应用 BI 的根本问题。这首先要对组织的数据资产进行可靠的评估，以确定它们是否适合作为 AI 算法的数据源。还需要开发和应用一个全面的数据战略，以解决在评估过程中出现的数据治理、质量、清洗、编目、安全或元数据管理方面的一切漏洞或弱点。 在您的组织建立这个基础的同时，请确定是否有部门或团队已经建立了可靠的 BI 计划，或者开发了强大的分析过程来推动他们的决策流程。在这些情况下，评估 AI 自然是进一步优化决策的一个步骤。这些团队可以成为组织其他领域的蓝图，因为他们正在逐步走向成熟分析。 2018 商业智能 10 大趋势，无论您是数据达人还是 IT 高手，又或是正在建立商业智能体系的高管，这些趋势都能帮助您确定战略优先级，让您的组织更上一层楼。 |
|
|
