根据Gartner的研究，大约37%的组织正在实施某种形式的人工智能。然而，根据安永的一项调查（https://www.technologyreview.com/s/611013/impact-ofai-on-business/），只有约20%的公司认为自己拥有战略性人工智能能力。很少有组织能够成功利用人工智能的真正力量产生有意义的影响。如何利用人工智能？框架应该是什么？这篇由麦肯锡全球研究院(MGI)发表的论文推荐了组织需要关注的五个领域。这些域不是孤立的。它们是相互关联的。这些领域中的每一个都需要共同努力才能产生显着的影响。作为数据策略师有其优势。在本文中，我将详细介绍实现该框架的实用方法。1.当一家公司决定踏上AI之旅时，确定正确的用例。第一项任务是确定正确的用例。发散收敛法是一种有效的方法。集思广益，探索尽可能多的AI用例。完成后，汇总到前3个用例的候选列表。你如何聚合用例？探索的维度是什么？我建议从以下方面着手：业务影响：此用例是否具有实际业务影响？量化它。技术可行性：当前的技术环境是否支持这个用例的实现？创建技术地图。数据可用性：是否有可用于交付用例的相关数据点？探索这些。沿着这三个维度映射用例提供了一个用例图，说明什么有效，什么无效。示例如下：在上面的用例图中，用例#7和#6在所有三个维度上得分都很高。用例#3是下一个候选者，尽管它缺少所需的所有数据。一个挥之不去的问题是，多少数据才足够这个问题没有明确的答案。解决此问题的经验法则是回答以下问题：可用数据是否足以构建最小可行模型？如果上述问题的答案是“是”，那么建议继续并考虑潜在的开发用例。2.构建高效的数据平台数据是新的石油。这种新油扩散到整个公司。有必要从中提取价值。有必要对其进行改进。人工智能和数据具有共生关系。他们需要彼此才能繁荣昌盛。自远古以来，各种公司都在尝试创建数据分析平台。企业数据仓库、数据集市和数据湖都试图驯服这头野兽。随着数据技术的进一步发展，新的数据架构模式不断涌现。2017年，我写了一篇博客：揭秘数据湖架构，重点介绍了创建有用的AI数据平台的关键组件。从那时起，数据技术不断发展。但是，核心保持不变。这些概念仍然可以应用。然而，需要思考的问题是：利用人工智能的数据平台的原则是什么？以下是我的三个建议：以原始格式存储所有数据：数据的性质是复杂的。一个人只有在使用它的时候才知道如何使用它。最好的策略是以它们自己的格式存储它们。没有转换。没有管理。只是原始存储。随着云技术的出现，数据存储变得便宜。有许多可用的存储层选项。例如，在Azure中，可以将前50TB的数据存储在许多层（高级、热、冷、归档）中，平均成本为0.044美元/GB/月，或4.4美元/TB/月（比一杯咖啡还贵）星巴克摩卡仍然很低）。作为指导，我建议至少存储过去5年的数据。在此之后，如果您发现它没有用，您可以随时归档。存储与计算解耦：存储是常年的。处理是暂时的。处理引擎可以是面向批处理或面向流的。处理也可能是一项昂贵的操作。因此，按需处理是有意义的。根据所需的处理类型，创建适当的处理引擎。任务完成后，可以暂停或销毁处理引擎。解耦计算和存储可以节省大量资金。它还提供了很大的灵活性。一般来说，这是一个明智的做法。编目和管理数据：防止数据湖成为交换空间的最重要原则之一是仔细编目和管理数据。根据经验，任何持续存在的东西都会被编目。活动编目将使业务分析师、数据科学家或任何希望以正确格式查找正确数据的人轻松搜索数据元素。活动编目的重要性怎么强调都不为过。编目和管理决定了数据分析平台的成败。3.采用正确的工具、流程和技术第三部分是选择正确的工具和技术来实施人工智能。当然，有很多工具可以实现这一点。人工智能蓬勃发展的三个基本原则至关重要。使用规模：数据和人工智能之间存在相关性。一般来说，需要训练的数据越多，模型的可用性就越高。过去，训练模型的能力是有限的。存储和计算能力是有限的。在过去的20年里，存储和计算技术不断发展。云计算平台正在创新。存储很便宜。计算是负担得起的。以可接受的成本进行大规模数据处理和模型训练是可能的。过去的限制不再存在。关注功能而非技术：创建灵活的数据架构。每个组件都完成特定的功能。可用的技术特性不固定组件。功能是不变的，而技术是不断变化的。这是云平台的另一个好处。云平台创新。他们引入新技术，以更低的成本提供相同或更好的功能。在数据项目中拥抱敏捷性：著名统计学家GeorgeBox曾打趣道：“所有模型都是错误的，但有些模型是有用的。”获得那个有用的模型是一个迭代过程。每次迭代都是朝着该有用模型迈出的一步。不要在AI项目中追求绝对。它不存在。完美的模型是乌托邦。以这个模型为目标，它对给定的上下文来说已经足够好了。4.在流程中整合人工智能决策任何基于人工智能的项目的最终目标都是产生积极的影响。无论是商业还是社交。然而，许多成功的人工智能项目都夭折了。他们看不到光。因此，一个人工智能项目，由于处于孵化阶段，需要从头到尾进行观察。我怎么强调都不为过：人工智能项目是基于影响的项目。他们需要一个结果。它们不是技术项目想象一下，人工智能项目不应该是关于模型和算法的。它必须是关于结果的。结果将为最终用户带来好处。每个过程都是一步步串联起来的。需要回答的问题如下：AI会影响多少个阶段？它能自动化一个流程吗？是不是增加了一个进程？根据答案，画出正确的路线。5.建立实验文化文化是任何变革的基石。“文化把战略当早餐吃，”彼得德鲁克曾经说过。“在人工智能采用方面，没有比这更离谱的了。灌输实验文化对于成功实施AI至关重要。根据定义，实验是证明或反驳假设的过程。并非所有实验都会成功。然而，所有的实验都是有益的。这种实验文化需要渗透到公司的精神中。三个原则可以帮助公司创建实验文化。1.测量指标，各部门需要测量以下三个指标：给定时间内尝试的实验次数。在给定时间段内，业务工作流程中采用的实验数量。在给定的时间段内2.拥抱敏捷，敏捷是通往AI的道路。鉴于其性质，迭代方法最适合AI。它的三个核心原则：Kaizen、Transparency和DeepCollaboration应该渗透到公司中3.有AI意识，AI是很多炒作，每个人，每个地方都在谈论它。伴随着这种炒作而来的是恐惧。害怕被取代。害怕失业。这种担心是没有根据的。在公司中建立对人工智能的普遍认识至关重要。员工必须知道人工智能能做什么，不能做什么。有了这种重要的意识，员工更容易接受人工智能并使用它来提高他们的技能。结论负责任地采用人工智能(AI)是不可避免的。都应该接受。这不是长生不老药。但是，有了正确的框架，它就有可能产生影响。
