企业数据驱动创新需要面对的挑战
时间：2022-03-06 07:08:02 | 来源：行业动态
时间：2022-03-06 07:08:02 来源：行业动态
数字化带来的本质改变是连接和移动，每个企业都将是数据工厂。那么企业如何赋予业务人员以数据和智能的能力，发现经验之外隐藏的创新，进而全方面挖掘数据的价值？史凯表示，如何在海量的数据中快速发现业务价值点，并通过大数据、智能技术进行实验，验证价值，变成产品和服务，是数据驱动的创新和运营的关键挑战。
既然数字化转型已经进入到数据驱动的新阶段，那么如何利用数据发现创新的价值链，并且快速落地，这是每个企业都希望做到的。但是你会发现我们在这个过程中会面临很多挑战。
第一个挑战，业务人员对于数据和技术的理解不够深入。史凯说，业务人员不懂数据和技术会带来很多风险，比如业务需求与技术的不匹配，导致有价值的需求无法实现落地。如果说业务人员知道，现在人工智能能做什么，那他自己就会去筛选一下，就可以有一些更加实际的、更加适合ROI的需求提出来。所以，我们需要赋予业务人员以数据和智能的能力，拉通业务、技术和数据。
第二个挑战，数据和智能创新项目的不确定性。不同于功能性产品项目，你把功能需求提出来，我然后设计。对于数据项目，你如果不把数据进行汇总分析，就不知道这些数据能产生什么的。数据是流动变化的，如何保证在变化的数据当中产生标准的一致的结果？所以数据类的项目是有不确定性的。
人工智能的项目更有不确定性。人工智能项目大多是概率性问题，难以给出一个明确的对错预计；由于通过数据模型进行概率统计，并且最终结果需要等业务进行完才能知道最终结果，滞后性是一个问题；算法的选择；从物理世界的业务到数据模型，到最后这个结果反馈到物理世界的业务当中驱动它的变化，这个过程当中的每一个环节都有一定的失真和不确定性。
史凯说，在ThoughtWorks看来，人工智能有四个层次，分别是学术论文层、工程实践能力、平台服务层、业务应用层。大部分企业需要建立第二层以上的能力。ThoughtWorks认为每一个企业都需要AI平台的能力，也就是算法平台化、AI服务化。因为未来企业的决策、运营都需要用到AI，但是它又不能把AI做成一个个孤岛。
人工智能是普惠性技术，企业数字化转型的基础能力设施，是场景和工程能力的结合。你把人工智能定位到合适的场景，这是最重要的。然后通过工程能力把想法进行实现，将AI与业务融为一体，把人工智能应用到业务当中产生价值。史凯说。
既然人工智能项目具有如此的不确定性，企业该如何应对呢？史凯表示，我们需要有新的方法、体系和技术架构支撑数据创新。我们发现精益（Lean）思想跟数据创新相结合，能够解决前面讲到的这些挑战、问题。
在线咨询
