如今，大數據、分析空間以及越來越多的人工智能(AI)得到應用，這些新技術仍然專注于方法。當然，方法很重要。但它們不是任何這些學科存在的原因。在大數據、分析和人工智能方面，其價值并不來自于收集數據，也不是來自從中獲得的一些洞察力。價值來自于一件事：行動。
大數據：從錯誤的角度出發(fā)？
過度關注方法可能從一開始就開始了。在此可以總結大數據背后的精神：收集所有數據，稍后整理出來。
其重點是建立海量數據湖，這些數據湖收集了可以想象到的每條數據，這些數據在某種程度上是有用的。但這種方法難以維持。
許多組織都得出了同樣的結論。此外，IT和業(yè)務領導者發(fā)現他們必須改變自己的思維方式，專注于運營和變革結果，以揭示其大數據和人工智能計劃的真正價值。
消息很清楚。當真正的目標是從所有這些數據中創(chuàng)造價值時，關注方法是不夠的。這引出了一個問題：如何從數據中獲得價值？
通過行動實現價值
從表面上看，當許多專家將數據稱為新的石油或貨幣時，Rana的聲明可能顯得與其相反。這種新的石油或貨幣似乎具有天生的價值。但隨著組織走上大數據、分析和人工智能的道路，他們在這個聲明中找到了真相。
當我們開始研究大數據時，我們只是想做一些快速而大量的分析，并獲得一些見解。最初的價值揭示了這些見解。但后來我們意識到這些洞察力并沒有使業(yè)務更好。因此，我們需要對它們進行操作并將這些洞察力提升到行動的角度，并且希望將其提供給能夠實際采取行動的人。
事實上，缺乏以行動為導向的業(yè)務重點是傳統(tǒng)的數據優(yōu)先大數據方法面臨的最大挑戰(zhàn)。
在尋找價值時，請忘記技術背景
因此，在嘗試實現價值運作時，從業(yè)務角度而不是技術角度來看待事物非常重要。這可能比聽起來更困難。專家確信人工智能將迫使行業(yè)重新圍繞商業(yè)價值，而這是很多企業(yè)忽略的東西。然而，專家對人工智能的關注只是另一種技術背景，他們關注的不是商業(yè)視角，只關注更感興趣的新技術。對于這些已經在科技行業(yè)工作了一段時間的人來說，這是一個很難打破的習慣。
而且，事實上，組織可以從許多投資中獲得大量的商業(yè)價值，這些投資在大數據、分析和人工智能中有多種形式。訣竅是專注于如何使那些行動最接近的人采取行動。
流分析和時間序列數據的應用是組織在完整人工智能實現之前很久就能實現這一價值的很好的例子。隨著企業(yè)走向人工智能的道路，同樣重要的是，他們不會錯過能夠采取行動的寶貴機會。
讓數據具有意義
然而，從大數據的歷史、回顧性分析價值主張轉向以行動為中心的價值主張的挑戰(zhàn)在于它增加了風險。而且，這些行為越實時，風險和回報就越大。
在這個數據驅動行動的世界中，數據的準確性和理解如何使用它來做出決策或采取行動成為一項戰(zhàn)略任務。
隨著利害關系的增加，理解數據本身的需求成為實現數據價值的關鍵能力和途徑。然而，更重要的是，理解數據的需要超出了數據沿襲和治理等方面。特別是當用戶根據這些數據采取行動時，需要理解自己在場景中的數據以及與其他數據的關系。
數據和人工智能的未來
如今，數據行業(yè)正在走向成熟。雖然該領域的一些技術公司堅持傳統(tǒng)的大數據精神，并且仍然專注于方法和技術細微差別，但更多的人認識到這只是結果和對數據采取行動的能力。
人工智能的不斷發(fā)展無疑將在這種成熟過程中發(fā)揮重要作用，并且隨著人工智能在未來幾年內的深入，可能會使行業(yè)再次發(fā)生變化。
人工智能的未來目標是為了讓更多數據發(fā)揮作用。隨著人們越來越多地轉向人工智能使用獲得的寶貴數據，人們需要努力解決其后果。系統(tǒng)將數據作為組織的代理，并將其作為組織代理的想法現在才開始成為現實。
因此，隨著企業(yè)領導者走上這條道路，他們必須始終如一地專注于數據的價值，正如他們采取行動的能力所表達的那樣。
【來源：OFweek】
