百分之七十六的決策者正打算或正在使用生成式人工智能

2006年， 英國數學家克萊夫· 亨比說：“數據是新的石油。”

雖然我們聽過很多類似的話，但生成式人工智能的出現為這個想法注入了新的活力。針對企業數據和人工智能的未來，WNS Triange和Corinium Intelligence發布的全球調研報告顯示，76%的高管和決策者正在計劃或實施生成式人工智能項目。

在如今的商業環境中，通過人工智能利用數據的潛力至關重要。麥肯錫的一份報告稱，數據驅動型組織的稅息折舊及攤銷前利潤增長高達25%。

人工智能驅動的數據戰略，可以通過提高與業務目標的一致性、打破孤島、確定數據治理的優先級、使數據民主化和整合領域專業知識等途徑，來促進利潤增長并挖掘未開發的潛力。

“公司需要擁有必要的數據基礎、數據生態系統和數據文化，才能采用人工智能驅動的運營模式。” 業務流程管理公司W N SGlobal Services旗下的WNS Triange執行副總裁兼人工智能、分析、數據和研究實踐全球負責人阿基萊什·艾爾說。

采用人工智能驅動的運營模式要求公司將數據作為其業務的基礎。企業領導者需要確保“每個決策過程都是數據驅動的，以便最大限度地減少基于個人判斷的決策。”他說。

這使得實時數據收集變得至關重要。“例如，如果我為一家銀行進行欺詐分析，我需要交易的實時數據。”他解釋稱，“因此，技術團隊必須收集實時數據才能實現這一目標。”

實時數據只是統一數據生態系統的一個元素。公司還需要采取一種全面的方法——高級管理層的明確指導，對數據資產進行定義明確的控制，推進文化和行為的改變，以及識別正確的業務用例并評估它們將產生的影響。

人工智能驅動的數據戰略，只有在支持主要業務目標的情況下才能提高競爭力。在決定如何處理數據之前，公司必須確定它們的業務目標。

一種方法是進行數據和人工智能成熟度審計或規劃練習，以確定企業是否需要數據產品路線圖。他說，這可以確定企業是否需要“重新構建數據的組織方式或實施數據現代化計劃”。

對個性化、便利性和易用性的需求，是用戶的核心訴求。企業使用客戶數據的方法，對于保持競爭優勢尤為重要，并可以從根本上改變業務運營方式。

艾爾以與一家零售商的合作為例，展示了不斷變化的客戶期望，如何推動企業更好地利用數據。該零售商希望從多個數據資產中獲得更大的價值，以改善客戶體驗。

在利用云和人工智能來對公司數據進行現代化改造的同時，WNS Triange創建了具有個性化模型的統一數據儲存庫，以便在提高投資回報的同時減少營銷支出。

“加強數據的內部一致性，只是公司可以直接受益并改善客戶體驗的一種方式。”他說。

無論一個組織打算如何利用其數據，如果沒有清晰有效的溝通，就難以發展起來。現代數據實踐應具備工作流程或API（應用程序編程接口）接口，實現部門之間可靠、一致的溝通，以確保安全和無縫的數據共享。

這對于打破孤島和保持支持至關重要。“當公司鼓勵不同業務部門之間和數據生態系統加強協作，從而推動更好的數據實踐時，每個決策過程都會自動由數據驅動。”艾爾解釋道。

此前，WNS Triange曾幫助一家保險公司消除了“部門孤島”，并建立了更好的溝通渠道。此前，“孤島”根深蒂固于這家公司之中，它在不同地點和歷史遺留數據生態系統中擁有多條業務線。

WNS Triange將業務線聚集在一起，并獲得了對通用數據生態系統的支持。

“部門孤島已經消失，并且它們能夠相互支持。”他說，“作為一個群體，他們能夠決定采取什么樣的優先級，必須需要首先選擇哪個數據程序，以及哪些業務應該實現自動化和現代化。”

消除孤島并不總是那么簡單。在許多組織中， 數據屬于不同的部門。他說，為了改善決策，企業可以整合來自各個部門的基礎數據，并擴大數據所有權。一種方法是集成基礎數據，并將此數據視為產品。

雖然IT部門可以制定系統架構和設計，但主要數據所有權將轉移給業務用戶。艾爾說，這些用戶最了解需要哪些數據、以及如何使用這些數據。“這意味著你把產生高價值信息的所有權和權力交給了用戶。”他說。

這種數據民主化讓員工能夠采用數據流程和工作流，來塑造健康的數據文化。他說，WNS Triange正在加大力度參與這一領域的培訓。“我們甚至幫助一些公司設計了它們需要投資的、必要的培訓計劃。”他說。

由人工智能提供支持的數據網格（Data Mesh）和數據網絡結構（DataFabric），使企業能夠分散數據所有權，塑造數據即產品的概念，并創建更敏捷的業務。

對于采用數據網絡結構模型的組織來說，通過數據引入框架來管理新數據源至關重要。“所以必須啟用動態數據集成，因為它是具有一組新變量的新數據。”他說，“它如何與現有的數據湖或數據倉庫集成，是公司應該考慮的事情。

其以一家旅游客戶作為改進數據控制的例子。該客戶在不同國家和地區擁有不同的業務線，這意味著集中控制數據既困難又低效。WNS Triange部署了一個數據網格和數據網絡結構生態系統，允許聯合治理控制。這促進了數據集成和自動化，使該組織變得更加以數據為中心。

“ 治理控制可以以聯邦的形式進行，這意味著在IT設計整體治理協議的同時，你可以將一些治理控制移交給不同的業務部門，例如數據共享、安全和隱私，使數據部署更加無縫和有效。”艾爾說。

人工智能驅動的數據工作流自動化，可以提高精度并改善下游分析。在篩查保險索賠的欺詐行為時，當保險公司的數據生態系統和工作流程完全自動化時，就可以進行即時的、人工智能驅動的欺詐評估。

“能夠處理新的索賠，將其引入中央數據生態系統，將投保人的信息與索賠數據進行匹配，并確保與索賠相關的信息通過模型提供建議，然后將該建議發送回公司的工作流程中，這可以很好地改進下游分析。”他說。

精心設計的數據戰略與明確的業務目標保持一致，可以將人工智能工具和技術無縫集成到組織的基礎設施中。這有助于確保在數字時代保持競爭優勢。

為了從任何數據戰略中受益，組織必須不斷克服諸如老舊數據平臺、新技術普及緩慢和文化阻力等障礙。

“為了改善自己、客戶和其他利益相關者，員工對它的接受非常重要。”艾爾指出，“組織可以通過使數據戰略與業務目標保持一致，確保利益相關者的支持并為員工賦能，以便更順利地采用戰略，并使用正確的技術和框架，從而維持數據驅動。” （綜合整理報道）（策劃/多洛米）