一是從“及格就好”到“驅(qū)動(dòng)業(yè)務(wù)成功”。調(diào)研顯示,59%的企業(yè)CEO認(rèn)為人工智能將成為未來三年改變行業(yè)最大的技術(shù)驅(qū)動(dòng)力。隨著技術(shù)變革進(jìn)程提速,人們對(duì)技術(shù)的期待也在提升,大多數(shù)企業(yè)從最初搭建一個(gè)勉強(qiáng)能用的數(shù)據(jù)分析平臺(tái),轉(zhuǎn)變?yōu)楝F(xiàn)在依賴數(shù)據(jù)分析和人工智能的力量去驅(qū)動(dòng)業(yè)務(wù)成功。挑戰(zhàn)在于如何能夠重塑數(shù)據(jù)分析的價(jià)值,以及如何應(yīng)用數(shù)據(jù)分析連鎖經(jīng)營等新型數(shù)據(jù)業(yè)務(wù)模式。
二是從“混亂”到“管理復(fù)雜性”。伴隨數(shù)字化的進(jìn)程與系統(tǒng)更迭,數(shù)據(jù)分析和人工智能領(lǐng)域也有無數(shù)異構(gòu)平臺(tái)、數(shù)據(jù)孤島以及不同數(shù)據(jù)的分析、產(chǎn)品和能力,而且其復(fù)雜性有增無減。企業(yè)在這方面的挑戰(zhàn)在于,如何理解數(shù)據(jù)分析的生態(tài),從而更好地組織這些能力去應(yīng)對(duì)混亂局面中的復(fù)雜性。
三是從“超負(fù)荷”到“AI賦能”。應(yīng)用AI提升效率、驅(qū)動(dòng)業(yè)務(wù)成功,是企業(yè)數(shù)據(jù)官/CIO的首要目標(biāo)。盡管數(shù)據(jù)分析團(tuán)隊(duì)被委以重任,但工作壓力其實(shí)是越來越重,其對(duì)策是培養(yǎng)AI就緒員工、擁有AI就緒數(shù)據(jù)。
很多人把AI當(dāng)作關(guān)鍵的支撐工具。但調(diào)查顯示,半數(shù)以上的企業(yè)更關(guān)注“產(chǎn)生更多的數(shù)據(jù)產(chǎn)品”和“應(yīng)用賦能業(yè)務(wù)”,而不是“AI”或者“生成式AI的應(yīng)用和落地”。
這驗(yàn)證了企業(yè)對(duì)于創(chuàng)造業(yè)務(wù)價(jià)值這一核心能力的真實(shí)訴求,也是企業(yè)數(shù)據(jù)官/CIO如何以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)成功、證明自身價(jià)值的動(dòng)力。Gartner預(yù)測,如果沒有將數(shù)據(jù)影響力發(fā)揮到作為首要任務(wù),2026年這些人中的75%可能會(huì)重新被輪崗或者被替代。
更嚴(yán)峻的現(xiàn)實(shí)是,大多數(shù)企業(yè)在數(shù)據(jù)方面還沒有做好準(zhǔn)備:55%的企業(yè)認(rèn)為難以實(shí)現(xiàn)數(shù)據(jù)AI就緒,37%的企業(yè)認(rèn)為有望實(shí)現(xiàn)數(shù)據(jù)AI就緒,只有4%的企業(yè)認(rèn)為已經(jīng)實(shí)現(xiàn)了數(shù)據(jù)AI就緒。
一個(gè)數(shù)據(jù)AI就緒的工具,有三個(gè)關(guān)鍵的點(diǎn):一是有一個(gè)高質(zhì)量的數(shù)據(jù)分析治理平臺(tái),能對(duì)數(shù)據(jù)質(zhì)量、數(shù)據(jù)血緣等各方面建立標(biāo)準(zhǔn),才能夠保證在一個(gè)高質(zhì)量的環(huán)境中得到高質(zhì)量的模型;由于不同的數(shù)據(jù)在不同的情境下需要不同的處理的方法,如何了解這些數(shù)據(jù)或者基于這些標(biāo)簽和元數(shù)據(jù)與最優(yōu)的場景匹配起來,這意味著元數(shù)據(jù)管理在AI就緒方面的關(guān)鍵價(jià)值;數(shù)據(jù)是不斷變化的,它的變化會(huì)直接影響到模型建成和應(yīng)用。如何在未知的環(huán)境中通過未知的數(shù)據(jù)觀測出潛在的異常、提前甄別AI的模型是否適用或者可能產(chǎn)生的負(fù)面影響,這是AI應(yīng)用環(huán)節(jié)最關(guān)鍵的因素。數(shù)據(jù)的可觀測性至關(guān)重要。
AI就緒也離不開數(shù)據(jù)底座。
無論是AI還是強(qiáng)大的模型,都離不開堅(jiān)實(shí)、準(zhǔn)確、可信的數(shù)據(jù)源,基于它來進(jìn)行大量的壓縮、分析、處理才能產(chǎn)生人工智能的應(yīng)用。
Gartner預(yù)測,到2026年,用于非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的技術(shù)和服務(wù)支出將占企業(yè)數(shù)據(jù)管理總支出的40%,而現(xiàn)在這個(gè)比例只占到5%。未來更多的企業(yè)會(huì)提升對(duì)數(shù)據(jù)重要性的認(rèn)知,把數(shù)據(jù)作為核心要素。這與國家的倡導(dǎo)和重視、強(qiáng)調(diào)數(shù)據(jù)資產(chǎn)的應(yīng)用也是不謀而合的。
AI技術(shù)和數(shù)據(jù)處理還需要大量新的方式方法來提供幫助。人類的優(yōu)勢在于大量先天的知識(shí)和經(jīng)驗(yàn),填補(bǔ)了AI缺失的細(xì)節(jié)。二者的結(jié)合和互補(bǔ),將更好地完成業(yè)務(wù)價(jià)值。
理解業(yè)務(wù)實(shí)際需求,讓AI為數(shù)據(jù)分析插上翅膀
業(yè)務(wù)需要的數(shù)據(jù)分析其實(shí)很簡單:能直接和日常業(yè)務(wù)相結(jié)合,并增加銷售收入、減少客戶流失等一系列量化的業(yè)務(wù)性成果,而不是花里胡哨的儀表盤、自助分析報(bào)表等工具。
對(duì)于數(shù)據(jù)分析人員,最重要的是能夠走到業(yè)務(wù)前線,理解業(yè)務(wù)的實(shí)際需求并通過合適的工具去實(shí)現(xiàn)上述目標(biāo)。
Gartner也提供了具體的框架。一個(gè)經(jīng)典的對(duì)策就是“Gartner決策智能模型”,它可幫助企業(yè)將數(shù)據(jù)分析的能力與核心業(yè)務(wù)流程進(jìn)行匹配、概述,幫助企業(yè)更好地進(jìn)行關(guān)鍵決策,保證業(yè)務(wù)價(jià)值能夠在整個(gè)業(yè)務(wù)鏈中得以實(shí)現(xiàn)。
要驅(qū)動(dòng)業(yè)務(wù)成功,還需要選擇合適的運(yùn)營模式。應(yīng)對(duì)不同地域、不同的數(shù)據(jù)成熟度水平和監(jiān)管環(huán)境,Gartner提出了一個(gè)名叫“特許經(jīng)營”的模式并認(rèn)為,到2027年60%的跨國企業(yè)將會(huì)采用該模式
“這個(gè)類似肯德基設(shè)店的‘特許經(jīng)營’模式對(duì)于數(shù)據(jù)分析的團(tuán)隊(duì)和架構(gòu)同樣適用?!睋?jù)Gartner高級(jí)研究總監(jiān)方琦介紹,該模式通過不同地域特征、不同的業(yè)務(wù)目標(biāo)來開發(fā)相應(yīng)的流程和能力并定制產(chǎn)品和服務(wù),在后端流程進(jìn)行整合和協(xié)同,一方面以高效的治理方式來保證其穩(wěn)定性,另一方面,通過自主敏捷的創(chuàng)新能力來更好響應(yīng)不同業(yè)務(wù)獨(dú)特的需求。
看得出來,“特許經(jīng)營”模式讓企業(yè)數(shù)據(jù)架構(gòu)、組織結(jié)構(gòu)和治理架構(gòu)兼具“自由”和“控制”兩方面的優(yōu)勢,并在二者間實(shí)現(xiàn)了動(dòng)態(tài)平衡。
Gartner認(rèn)為,支撐“特許經(jīng)營”模式的成功離不開三個(gè)關(guān)鍵要素。
一是搭建中心化和去中心化的組織架構(gòu)。
通過“中心化”的能力來統(tǒng)一、管控信息架構(gòu)、數(shù)據(jù)架構(gòu)和數(shù)據(jù)治理工作,同時(shí)又借助去中心化的能力支持財(cái)務(wù)、人力資源、供應(yīng)鏈、采購、營銷等分散的組織與職能中心在專業(yè)領(lǐng)域進(jìn)行創(chuàng)新。
二是組建跨職能團(tuán)隊(duì)。
Gartner預(yù)測,到2025年,90%的數(shù)據(jù)分析使用者都將應(yīng)用AI來創(chuàng)建內(nèi)容。這意味著,不應(yīng)用AI的員工一定會(huì)被擅長AI應(yīng)用的員工所淘汰。超過1/3的企業(yè)認(rèn)為,業(yè)務(wù)側(cè)的數(shù)據(jù)分析師最需要AI的賦能。但是,單一組織很難同時(shí)勝任IT、數(shù)據(jù)科學(xué)分析和人工智能等知識(shí)領(lǐng)域的廣泛需求,因此組建跨職能的團(tuán)隊(duì),以靈活、融合的方式面對(duì)同一個(gè)目標(biāo)的達(dá)成,是“特許經(jīng)營”中的關(guān)鍵要素。
在Gartner看來,員工的AI素養(yǎng)首要的是具備AI基本知識(shí)、能力以及對(duì)風(fēng)險(xiǎn)價(jià)值的認(rèn)識(shí),意識(shí)到AI并不是簡單的對(duì)人的替代,AI也有優(yōu)勢和缺點(diǎn),要不盲從AI,而是在情境化中應(yīng)用AI去進(jìn)行優(yōu)化、變革流程,使整個(gè)業(yè)務(wù)價(jià)值能夠發(fā)揮更大的作用。對(duì)于開發(fā)AI或者建造AI,則需要更全面的能力,能從價(jià)值、基礎(chǔ)工程和治理層面進(jìn)行把握,從而更好地應(yīng)用相應(yīng)的技術(shù)來解決業(yè)務(wù)問題、驅(qū)動(dòng)變革和更好地放大領(lǐng)域知識(shí)。AI素養(yǎng)的第三層次,是需要跨領(lǐng)域合作的能力,對(duì)業(yè)務(wù)、數(shù)字和數(shù)據(jù)素養(yǎng)以及人工智能都有深刻的理解,能夠把不同的素養(yǎng)綜合起來開發(fā)應(yīng)用AI。
三是以原型為優(yōu)先的治理框架。Gartner之所以提出這一框架理論,是因?yàn)槠髽I(yè)面臨業(yè)務(wù)的快速變化,很難在規(guī)劃數(shù)據(jù)分析和AI產(chǎn)品能力初期能夠一步到位捕獲到所有的業(yè)務(wù)需求。因此,Gartner建議構(gòu)建一些規(guī)模偏小、可快速迭代的一些應(yīng)用原型進(jìn)行部署,經(jīng)過短期的應(yīng)用和試錯(cuò)驗(yàn)證,不斷總結(jié)并進(jìn)行更新,待成熟后大面積推廣落地。
AI和大模型的開發(fā)和應(yīng)用正走向理性
Gartner技術(shù)成熟度曲線顯示,當(dāng)下生成式AI、大模型無疑是去年很多報(bào)告中提及的“頂峰”,這意味著市場對(duì)相關(guān)技術(shù)的高度預(yù)期,但實(shí)際上,技術(shù)距離成熟還會(huì)存在很大的差別。事實(shí)上,過去對(duì)大模型或者生成式AI的大量嘗試,讓人們已經(jīng)明顯地感知這樣的結(jié)論。Gartner注意到,企業(yè)對(duì)于AI實(shí)際能夠產(chǎn)出的業(yè)務(wù)價(jià)值有更多理性的認(rèn)知,最終相關(guān)技術(shù)也會(huì)不可避免從高峰慢慢跌落,然后走過低谷,緩慢爬升到“成熟期”。
方琦表示,生成式AI技術(shù)在整個(gè)市場推動(dòng)下會(huì)有一波接著一波的熱潮,最終將走向成熟。但其中的某些技術(shù)也不可避免地走向死亡、走向“冷靜之谷”。
Gartner引導(dǎo)企業(yè)通過技術(shù)驅(qū)動(dòng)業(yè)務(wù)
調(diào)研發(fā)現(xiàn),59%的企業(yè)認(rèn)為部署數(shù)據(jù)分析和人工智能首要的阻礙,是如何從異構(gòu)復(fù)雜系統(tǒng)當(dāng)中集成各種數(shù)據(jù)來源。
Gartner多年前就提出,以數(shù)據(jù)組裝的方式,能夠通過把數(shù)據(jù)倉庫、數(shù)據(jù)集成、數(shù)據(jù)庫、數(shù)據(jù)湖、人工智能和商業(yè)智能等不同應(yīng)用以組裝方式靈活調(diào)配,滿足業(yè)務(wù)需求,這也要求對(duì)企業(yè)需求有更透徹的理解,并對(duì)這些核心能力適時(shí)更新,讓技術(shù)能夠更多地被復(fù)用。
Gartner為企業(yè)應(yīng)對(duì)現(xiàn)實(shí)提供的幫助中最經(jīng)典的莫過于“魔力象限”。針對(duì)數(shù)據(jù)分析和AI人工智能平臺(tái),Gartner以大量 “魔力象限”報(bào)告對(duì)廠商的能力進(jìn)行橫向和縱向評(píng)測。這一系列源自市場數(shù)據(jù)的報(bào)告成為企業(yè)客戶的參謀指導(dǎo)和具體建議。
Gartner指出,在不得不面對(duì)當(dāng)下這個(gè)不確定的世界,企業(yè)唯一的確定性就是通過AI等技術(shù)來驅(qū)動(dòng)業(yè)務(wù),通過數(shù)據(jù)和分析來改變業(yè)務(wù)、促成業(yè)務(wù)和轉(zhuǎn)型業(yè)務(wù),并使業(yè)務(wù)獲得價(jià)值。