在業(yè)務用例中有效使用人工智能和機器學習技術(shù)可以幫助企業(yè)領(lǐng)先于其他競爭對手，因為這些技術(shù)將會消除困擾其業(yè)務流程的阻礙。

很多企業(yè)都在大量投資人工智能和機器學習技術(shù)，因此這些技術(shù)具有改進業(yè)務的潛力，這就是調(diào)研機構(gòu)Gartner公司發(fā)布的“進入分析時代”報告預測的原因。到2023年，人工智能和深度學習技術(shù)將成為數(shù)據(jù)科學新應用的兩種最常見技術(shù)。

在生產(chǎn)用例中有效地使用人工智能和機器學習可以幫助使用它們的企業(yè)領(lǐng)先于競爭對手，因為這些技術(shù)消除了困擾業(yè)務流程的阻礙。但盡管有這樣的承諾，但很少有公司能夠成功地實施和部署這項技術(shù)，并將其作為整體數(shù)據(jù)和分析戰(zhàn)略的一部分。根據(jù)Gartner公司的調(diào)查數(shù)據(jù)，46%的首席信息官制定了部署人工智能的計劃，但只有4%的首席信息官將這種概念變?yōu)楝F(xiàn)實。

事實是，許多企業(yè)需要數(shù)年的時間才能認識到人工智能和機器學習的真正潛力，但現(xiàn)在需要為人工智能驅(qū)動的未來打下基礎(chǔ)。事實上，如果企業(yè)開始采用人工智能戰(zhàn)略，那么可能在行業(yè)競爭中領(lǐng)先一步。所以在企業(yè)開始使用人工智能和機器學習時，需要考慮以下五個要點。

數(shù)據(jù)點1：提出正確的問題

當涉及到面向未來的數(shù)據(jù)策略時，企業(yè)需要考慮四件事：組織內(nèi)部有哪些可用數(shù)據(jù)？需要從外部獲取哪些數(shù)據(jù)來推動差異化？企業(yè)的數(shù)據(jù)是否可用機器學習和人工智能隨時可用的方式提供？也許是最重要的一點：在哪里可以提高業(yè)務技能？采用數(shù)據(jù)科學和人工智能技術(shù)需要什么，以及IT部門可以管理什么？這些問題的答案應作為企業(yè)策略的基礎(chǔ)。

數(shù)據(jù)點2：采用多年使用的方法

人工智能/機器學習的成功實施并非一蹴而就。明智的企業(yè)對數(shù)據(jù)獲取和策略采用了多年使用的方法，重點是編譯來自不同來源和孤島的數(shù)據(jù)（通常圍繞卓越中心建立），并通過適當?shù)募夹g(shù)和人員來奠定基礎(chǔ)。同時，這些組織希望借助AWS、Microsoft等公司的基于云計算的產(chǎn)品來創(chuàng)建中間數(shù)據(jù)存儲，以隨著策略的發(fā)展而支持各種用例。

數(shù)據(jù)點3：始終將人才放在戰(zhàn)略的中心

ZipRecruiter公司最近的一項研究發(fā)現(xiàn)，“人工智能最成功的應用是與工作人員合作，而不是替代人類?！毖芯勘砻?，人工智能創(chuàng)造的就業(yè)崗位是其取代工作崗位的三倍。盡管自動化技術(shù)不斷進步，但很多公司仍在繼續(xù)投資具有數(shù)據(jù)技能的人才。根據(jù)調(diào)研機構(gòu)World Economic Forum公司的預測，在未來四到五年內(nèi)，與數(shù)據(jù)相關(guān)的工作以及人工智能和機器學習專家將成為最需要的人才。

數(shù)據(jù)點4：建立多學科團隊

由人工智能專家、數(shù)據(jù)科學家和業(yè)務分析師組成的多元化團隊提出一種更全面的人工智能/機器學習建模方法，因為整個項目包括數(shù)據(jù)收集過程，一直到數(shù)據(jù)挖掘活動、機器學習和自動化。那些能夠參與數(shù)據(jù)收集、處理和培訓的人員將能夠優(yōu)化他們對組織的貢獻，并提高他們個人或公司實現(xiàn)目標的能力。

數(shù)據(jù)點5：縮小技能差距

不論技術(shù)水平如何，對于數(shù)據(jù)工作者的需求都越來越大，他們需要更多地處理數(shù)據(jù)，并且企業(yè)需要尋找提高技能的方法，以可理解和透明的方式構(gòu)建模型，并彌合整個組織的技能差距。由于人工智能數(shù)據(jù)設計需要“數(shù)據(jù)說話”來幫助構(gòu)建工作流程，因此組織必須實施諸如增強分析之類的技術(shù)，以使數(shù)據(jù)準備、洞察發(fā)現(xiàn)和數(shù)據(jù)科學（即autoML）自動化，同時與人工智能知識較少的工作人員進行通信。

數(shù)據(jù)點6：展望未來

毫無疑問，人工智能和機器學習將在未來幾年內(nèi)改變商業(yè)世界和生活，而企業(yè)需要授權(quán)其業(yè)務的工作成員思考如何利用該技術(shù)。無論人工智能和機器學習如何發(fā)展，數(shù)據(jù)始終處于最前沿，并成為真正的數(shù)字顛覆的最重要驅(qū)動力之一。如今，明智的數(shù)據(jù)處理方法將為成功實現(xiàn)人工智能驅(qū)動的未來提供指導。