2006 年，英国数学家克莱夫·亨比（）说：“数据是新的石油。”

虽然我们听过很多类似的话，但生成式人工智能的出现为这个想法注入了新的活力。针对对企业数据和人工智能的未来， 和 发布的全球调研报告显示，76% 的高管和决策者正在计划或实施生成式人工智能项目。

在如今的商业环境中，通过人工智能利用数据的潜力至关重要。麦肯锡的一份报告称，数据驱动型组织的税息折旧及摊销前利润增长高达 25%。

人工智能驱动的数据战略，可以通过提高与业务目标的一致性、打破孤岛、确定数据治理的优先级、使数据民主化和整合领域专业知识等途径，来促进利润增长并挖掘未开发的潜力。

（来源：AI 生成）

“公司需要拥有必要的数据基础、数据生态系统和数据文化，才能采用人工智能驱动的运营模式。”业务流程管理公司 WNS Global Services 旗下的 执行副总裁兼人工智能、分析、数据和研究实践全球负责人阿基莱什·艾尔（）说。

采用人工智能驱动的运营模式要求公司将数据作为其业务的基础。企业领导者需要确保“每个决策过程都是数据驱动的，以便最大限度地减少基于个人判断的决策。”他说。

这使得实时数据收集变得至关重要。“例如，如果我为一家银行进行欺诈分析，我需要交易的实时数据。”他解释称，“因此，技术团队必须收集实时数据才能实现这一目标。

实时数据只是统一数据生态系统的一个元素。公司还需要采取一种全面的方法：需要高级管理层的明确指导，对数据资产进行定义明确的控制，推进文化和行为的改变，以及识别正确的业务用例并评估它们将产生的影响。

人工智能驱动的数据战略，只有在支持主要业务目标的情况下才能提高竞争力。在决定如何处理数据之前，公司必须确定它们的业务目标。

一种方法是进行数据和人工智能成熟度审计或规划练习，以确定企业是否需要数据产品路线图。他说，这可以确定企业是否需要“重新构建数据的组织方式或实施数据现代化计划”。

对个性化、便利性和易用性的需求，是用户的核心诉求。企业使用客户数据的方法，对于保持竞争优势尤为重要，并可以从根本上改变业务运营方式。

以与一家零售商的合作为例，展示了不断变化的客户期望，如何推动企业更好地利用数据。该零售商希望从多个数据资产中获得更大的价值，以改善客户体验。

在利用云和人工智能，来对公司数据进行现代化改造的同时， 创建了具有个性化模型的统一数据储存库，以便在提高投资回报的同时减少营销支出。

“加强数据的内部一致性，只是公司可以直接受益并改善客户体验的一种方式。”他说。

无论一个组织打算如何利用其数据，如果没有清晰有效的沟通，就难以发展起来。现代数据实践应具备工作流程或 API（应用程序编程接口，Application Programming Interface）接口，实现部门之间可靠、一致的沟通，以确保安全和无缝的数据共享。

这对于打破孤岛和保持支持至关重要。“当公司鼓励不同业务部门之间和数据生态系统加强协作，从而推动更好的数据实践时，每个决策过程都会自动由数据驱动。”解释道。

此前， 曾帮助一家保险公司消除了“部门孤岛”，并建立了更好的沟通渠道。此前，“孤岛”根深蒂固于这家公司之中，它在不同地点和历史遗留数据生态系统中拥有多条业务线。

将业务线聚集在一起，并获得了对通用数据生态系统的支持。

“部门孤岛已经消失，并且它们能够相互支持。”他说，“作为一个群体，他们能够决定采取什么样的优先级，必须需要首先选择哪个数据程序，以及哪些业务应该实现自动化和现代化。”

消除孤岛并不总是那么简单。在许多组织中，数据属于不同的部门。他说，为了改善决策，企业可以整合来自各个部门的基础数据，并扩大数据所有权。一种方法是集成基础数据，并将此数据视为产品。

虽然 IT 部门可以制定系统架构和设计，但主要数据所有权将转移给业务用户。说，这些用户最了解需要哪些数据、以及如何使用这些数据。“这意味着你把产生高价值信息的所有权和权力交给了用户。”他说。

这种数据民主化让员工能够采用数据流程和工作流，来塑造健康的数据文化。他说， 正在加大力度参与这一领域的培训。“我们甚至帮助一些公司设计了它们需要投资的、必要的培训计划。”他说。

由人工智能提供支持的数据网格（Data Mesh）和数据网络结构（Data Fabric），使企业能够分散数据所有权，塑造数据即产品的概念，并创建更敏捷的业务。

对于采用数据网络结构模型的组织来说，通过数据引入框架来管理新数据源至关重要。“所以必须启用动态数据集成，因为它是具有一组新变量的新数据。”他说，“它如何与现有的数据湖或数据仓库集成，是公司应该考虑的事情。

其以一家旅游客户作为改进数据控制的例子。该客户在不同国家和地区拥有不同的业务线，这意味着集中控制数据既困难又低效。 部署了一个数据网格和数据网络结构生态系统，允许联合治理控制。这促进了数据集成和自动化，使该组织变得更加以数据为中心。

“治理控制可以以联邦的形式进行，这意味着在 IT 设计整体治理协议的同时，你可以将一些治理控制移交给不同的业务部门，例如数据共享、安全和隐私，使数据部署更加无缝和有效。”说。

人工智能驱动的数据工作流自动化，可以提高精度并改善下游分析。在筛查保险索赔的欺诈行为时，当保险公司的数据生态系统和工作流程完全自动化时，就可以进行即时的、人工智能驱动的欺诈评估。

“能够处理新的索赔，将其引入中央数据生态系统，将投保人的信息与索赔数据进行匹配，并确保与索赔相关的信息通过模型提供建议，然后将该建议发送回公司的工作流程中，这可以很好地改进下游分析。”他说。

精心设计的数据战略与明确的业务目标保持一致，可以将人工智能工具和技术无缝集成到组织的基础设施中。这有助于确保在数字时代保持竞争优势。

为了从任何数据战略中受益，组织必须不断克服诸如老旧数据平台、新技术普及缓慢和文化阻力等障碍。

“为了改善自己、客户和其他利益相关者，员工对它的接受非常重要。”指出，“组织可以通过使数据战略与业务目标保持一致，确保利益相关者的支持并为员工赋能，以便更顺利地采用战略，并使用正确的技术和框架，从而维持数据驱动。”

支持：Ren

排版：朵克斯

02/

03/

04/

05/