CharlesAraujo是业内知名分析师，国际公认的数字企业权威，《IT的量子时代：为什么对IT的一切都知道要改变》的作者。作为Intellyx的高级分析师，他也是数字化转型研究所的创始人。Araujo说，当他在20世纪90年代中期开始创业时，他做了大多数企业家最先做的事情：打印和订购名片。实际上需要地址和电话号码。毕竟，没有这些信息就无法制作名片。Araujo随后为他的公司建立了一个会计系统，进行了法律文书工作，建立了一个网站，当然还写了一份全面的商业计划。Araujo竭尽全力开始销售解决方案。但这种情况经常发生。很多企业往往因为过于执着于这些具体事务的方法而迷失了目标。Araujo说他花了一段时间才让企业业务起步。今天，随着大数据、分析空间和越来越多的人工智能(AI)，这些新技术仍然有条不紊地成为重点。当然，方法很重要。但它们并不是任何这些学科存在的原因。当涉及大数据、分析和人工智能时，价值并不来自于收集数据或从中获得一些见解。价值来自一件事：行动。大数据：从错误的角度出发？过度关注方法可能从一开始就开始了。大数据背后的精神可以概括为：收集所有数据，然后再整理。它的重点是建立海量数据湖，收集每一个可以想象到的在某种程度上有用的数据。但这种方法很难维持。认知决策平台diwo的首席技术官SatyendraRana表示，“这种方法是错误的，你无法赢得这场战斗。数据不断增长，你将陷入那个数据湖。”许多组织得出了相同的结论。结论。此外，IT和业务领导者发现他们必须改变思维方式，将重点放在运营和转型成果上，以揭示大数据和AI计划的真正价值。“思维方式的转变至关重要，”SAPLeonardo公司副总裁DavidJudge解释说。“我们的客户走了两条路。第一个是自动化和使用手动活动的优化路径。二是专注于创造新的商业模式和数据，更具变革性。那些做得最好的人同时关注两者。”信息很明确。当真正的目标是从所有这些数据中创造价值时，只关注方法是不够的。这就引出了一个问题：您如何从数据中获取价值？通过行动创造价值“数据毫无价值，”diwo的Rana解释说。“当某个人在上下文中使用数据时，就会创造价值。当数据投入使用时，这就是价值所在。因此，责任不在于数据的创造者，而在于决定如何使用数据的价值创造者。”从表面上看，当许多权威人士将数据称为新的石油或货币时，拉纳的说法似乎恰恰相反。这种新的石油或货币似乎具有内在价值。但随着组织走上大数据、分析和人工智能的道路，他们发现了这句话的真实性。GEDigital副总裁兼首席数据官DiwakarGoel解释说：“当我们开始研究大数据时，我们只是想进行一些快速、大量的分析并获得一些见解。初始值揭示了这些见解。但后来我们意识到，这些见解并没有让业务变得更好。因此，我们需要对它们采取行动，并将这些见解提升为可操作的观点，并希望将其提供给能够真正采取行动的人。”事实上，缺乏以行动为导向的业务重点是传统数据优先的大数据方法面临的最大挑战。“数据湖是面向IT的，”连续数据平台Iguazio的创始人兼首席执行官AsafSomekh解释说。业务成果，而不是业务计划。”在寻找价值时，忘记技术背景因此，在尝试实现价值运营时，重要的是从业务角度而不是技术角度来看待事物。这可能比听起来更难。专家们相信人工智能将迫使该行业重新关注商业价值，而许多企业都忽视了这一点。然而，专家们关注人工智能只是另一个技术背景，而不是商业角度，他们关注的是更有趣的新技术。对于那些已经在科技行业工作了一段时间的人来说，这是一个很难改掉的习惯。而且，事实上，组织可以从在大数据、分析和人工智能方面采取多种形式的许多投资中获得可观的商业价值。诀窍是关注如何让那些最接近行动的人采取行动。流分析和时间序列数据的应用是一个很好的例子，说明组织如何在实现完整的人工智能之前很久就实现这一价值。“流处理和流分析是机器学习操作的重要组成部分。“如果你能把数据科学家移到上游，让他们使用流处理，他们就可以建立一个模型，然后将该模型注入数据流，并进行实时预测和执行实时分析。”随着业务往下发展AI路径，同样重要的是他们不要错过能够采取行动的宝贵机会。”第三步（在进化过程中）是AI和机器学习领域，用户可以预测会发生什么时间序列数据库公司Timescale的联合创始人兼首席执行官AjayKulkami解释说，“第一步是收集数据，但其中一个步骤是使用数据来监控正在发生的事情……然后从监控转向可观察性。这就是我们首先要做的，以便能够实时了解业务中发生的事情。使数据有意义但是，从大数据的历史回顾性分析价值主张转变的挑战以行动为中心的价值主张的数据是它增加了风险。而且，这些动作越实时，风险和回报就越大。在这个数据驱动行动的世界中，数据的准确性以及了解数据如何用于做出决策或采取行动成为战略要务。“决策制定与做出决策的人以及用于做出这些决策的数据有关，”Rana解释说，“因此，认知系统需要对这两种模式进行建模，而不仅仅是数据。“随着风险的增加，了解决策者的需求数据本身已经成为实现数据价值的关键能力和途径。“当用户摄入大量数据时，也会产生大量‘暗数据’，即不为人知的数据。”那是像Io-Tahoe这样的公司发挥作用的地方，”GE的Goel说。他们提供数据洞察力。在从数据分析中得出洞察力之前，企业需要了解数据。“然而，更重要的是，了解数据的需求超出了各个方面例如数据沿袭和治理。尤其是当用户对这些数据进行操作时，他们需要了解自己的数据在上下文中以及与其他数据之间的关系。”DataIngestion从根本上具有破坏性。Goel阐述道，“当用户将数据带入数据湖时，数据集之间的关系是丢失的。数据集的值在数据中较少，在关系中较多。这是工具可以提供帮助的地方。它们可以帮助用户重建预先存在的关系，帮助用户发现不同数据集中数据之间的关系。“数据和人工智能的未来今天，数据行业正在走向成熟。虽然该领域的一些技术公司坚持传统的大数据精神，并继续关注方法论和技术上的细微差别，但更多人认识到这只是结果和能力人工智能的持续发展无疑将在这个成熟过程中发挥重要作用，并且随着未来几年人工智能的深入，它可能会再次改变行业。SiliconANGLE研究总监PeterBurris总结道人工智能的未来：“目标是让更多数据发挥作用。他继续解释说，这样做包括更有效地捕获数据，将其转化为价值，然后加以利用。解决其后果。“由于这种行动的概念，它迫使我们考虑一个新系统。“那个新系统称为代理系统，”Burris解释说。“系统使用数据作为组织的代理并使用它的想法作为一个组织的代理才刚刚开始成为现实。因此，当企业领导走上这条道路时，他们必须始终专注于数据的价值，正如他们采取行动的能力所表达的那样。Diwo的Rana总结了***，当我们结束谈话时告诉我，“这是一个数据会话。但这应该是一个商业价值会议。“
