由于人工智能（AI）和机器学习（ML）的迅速发展与应用落地，世界各地的公司正在积极利用AI和ML发展业务 ，甚至投资数百亿美元。这些技术能够对业务与产生深刻的影响，所以Gartner报告预测，未来将“进入分析时代”，到2023年，人工智能和深度学习技术将成为数据科学新应用最常见的两种方法。
在业务中有效使用AI和ML可以帮助企业远远领先于其所在行业的竞争对手，因为技术消除了很多流程中不必要的麻烦。尽管AI和ML对业务和企业如此重要，但也很少有公司能够成功地实施和部署，并将其作为整体数据和分析策略的一部分。根据Gartner的分析，有46％的CIO制定了部署AI的计划，但只有4％的人将概念变为现实。
事实是，要让企业真正意识到AI和ML的潜力可能还需要很多年，但是现在为AI驱动策略奠定基础已经不算太早。因此在开始使用AI和ML时，有五个要点要考虑。
要点1：提出正确的问题
当涉及到面向未来的数据策略时，组织需要考虑四件事。我的组织内部有哪些可用数据？我们需要从外部获取哪些数据来推动差异化竞争？我们的数据是否以一种便于机器学习和人工智能的方式可用?也许最重要的是:我们在哪里可以提高我们的业务技能，什么需要纯数据科学和人工智能技术，以及IT可以管理什么?这些问题的答案应该作为你策略的基础。
要点2：分析不同来源信息
成功的AI/ML策略不是一蹴而就的。最聪明的组织对数据获取和策略采取分析多年积累信息的方法，集中于编译来自不同来源和孤岛的数据(通常围绕卓越中心(CoE)构建)，并投资于正确的技术和人员，以奠定基础。与此同时，这些组织希望从Amazon、Microsoft和其他公司获得基于云的产品，以创建中间数据存储，随着时间的推移和策略的发展，这些存储可以支持不同的用例。
要点3：始终将人才放在战略中心
ZipRecruiter最近的一项研究发现，“人工智能最成功的应用是与人类合作使用，而不是替代人类。”这就是为什么这项研究表明，人工智能创造的就业机会是去年的三倍。尽管自动化技术不断进步，但公司仍在继续投资具有数据技能的人才。世界经济论坛（World Economic Forum）预测，在未来四到五年内，与数据相关的工作以及AI和ML专家将成为最需要的工作。
要点4：建立多学科团队
由AI专家，数据科学家和业务线分析师组成的多元化团队为AI / ML提供了更全面的方法，因为整个项目涵盖了从数据收集过程到数据挖掘活动、机器学习和自动化的整个过程。 那些能够进行数据收集、处理和培训的人员将能够优化其对组织的贡献，并增强其个人或公司实现目标的能力。
要点5：弥合技能差距
不论技术水平如何，企业对任何数据工作者的需求都越来越大。他们需要更多地处理数据，并且组织需要寻找提高技能组的方法，以可理解和透明的方式构建模型，并需要弥合整个组织的技能差距。由于人工智能数据设计需要“数据说话”来帮助构建工作流，组织必须实现诸如增强分析等技术，这些技术可以自动化数据准备、洞察发现和数据科学(即autoML)。
要点6：展望未来
毫无疑问，人工智能和机器学习将在未来几年内改变商业世界和生活，而组织需要令其业务的每个成员都思考如何利用该技术。无论AI和ML如何发展，数据始终处于最前沿，是成功和真正的数字经济的最重要驱动力之一。
作者：Chris Preimesberger