对于希望掌握人工智能的公司来说，人工智能（AI）有望节省成本，获得竞争优势，并在未来的商业战场上站稳脚跟。但是，虽然人工智能采用的速度持续加快，但投资水平往往与回报不成正比。人工智能成功的关键有很多，包括正确的数据架构。目前，只有26%的人工智能计划被组织广泛投入生产。不幸的是，这意味着许多公司在没有实际投资回报率的情况下花费大量时间进行人工智能部署。所有公司都必须像科技公司一样行事与此同时，在每个公司都必须像科技公司一样行事才能保持领先地位的世界里，技术团队、工程和IT领导者面临越来越大的压力，他们需要利用数据来实现更大的业务增长。特别是随着云存储支出的增加，企业希望提高效率并最大限度地提高存储成本更高的数据的投资回报率。但不幸的是，他们没有足够的时间。为了满足快速出结果的需要，没有明确的目标，映射数据架构就不能再继续下去了。技术领导者必须构建以人工智能为主要目标的数据架构。如果他们不这样做，他们会发现自己稍后会重新设计它。在当今的业务中，数据架构应该朝着明确的结果方向发展——这个结果应该包括对最终用户有明显好处的AI应用程序。这是使您的企业在未来取得成功的关键。成功数据架构的三个基本要素几个核心原则将帮助您设计一个数据架构，以支持提供ROI的AI应用程序。在构建、格式化和组织数据时，请使用以下几点作为指导来检查您的操作：朝着目标努力。在构建和开发数据架构时，始终关注业务结果。最基本的规则。特别是，建议审查公司的近期目标并相应地调整数据策略。例如，如果您的业务战略是在年底前达到3000万的收入，请弄清楚如何使用数据来实现该目标。将更重要的目标分解成更小的目标并朝着这些目标努力。为快速实现价值而设计虽然设定明确的目标是关键，但最终解决方案必须始终足够敏捷以适应不断变化的业务需求。比如小规模的项目可能会成长为多渠道的项目，在构建的时候需要考虑到这一点。固定的建模和固定的规则只会创造更多的工作。设计的任何架构都应该能够容纳更多可用数据并利用它来实现公司的最新目标。尽可能自动化。这将快速和迭代地利用数据策略来产生有价值的业务影响。例如，如果您知道需要提交月度报告，请从一开始就将流程自动化。这样，第一个月只花一些时间在这个过程上。由此产生的功能影响将继续有效和积极。知道如何测试成功为了保持在正轨上，了解数据架构是否有效执行至关重要。当数据架构既可以支持AI操作，又可以向企业中的每位员工提供可用的相关数据时，它就会发挥作用。密切关注这些将有助于确保数据策略符合目的和未来。随着技术的不断发展，企业必须跟上或落后。这意味着技术领导者与他们的团队建立联系，并允许他们将新的创新带到董事会进行讨论。
