根据Gartner的一份新报告,数据质量将继续成为阻止高级分析(包括人工智能(AI))到2025年的主要障碍。
这家研究公司强调,要使企业推进其AI计划,数据和分析(D&A)领导者必须优先考虑三个相互依存的旅程:业务成果,D&A功能和行为改变。
Gartner副总裁分析师Carlie Idoine表示:“ AI继续推动企业计划,其中一半以上的首席执行官认为这项技术将在未来三年内最大程度地影响其行业。” “考虑到这一点,D&A领导者由于其靠近这项技术而具有最大的影响,可以对业务成果产生最大的影响。”
Gartner强调,证明AI价值仍然是企业的首要挑战。为了解决这个问题,D&A领导者应专注于建立信任,衡量生产率提高并有效传达AI计划的价值。
伊多因说:“证明AI的价值仍然是实施的最大障碍。” “ D&A领导者必须专注于基于上下文作为证明价值的第一步建立正确的信任级别。”
差的数据质量通常会导致AI失败,从而使信任模型在评估数据价值和风险中必不可少,从而基于血统和策划提供评分。领导者还应将AI投资与成本,复杂性和风险权衡,以评估竞争影响,同时确保与AI相关的成本(包括用于数据管理,治理和变更管理的成本)得到彻底考虑和传达。
确保强大而可扩展的AI技术堆栈对于D&A领导者至关重要。 Gartner强调了AI生态系统中适应性和模块化的重要性。
Gartner副总裁分析师Gareth Herschel说:“堆栈与最佳品种并不是什么新鲜事物,但这一决定的动力是。” “ D&A领导者必须培养一个适应性的生态系统,以满足创造最好的AI产品的要求。”
为此,组织需要更新或替换体系结构组件以适应不断发展的AI要求。将信任集成到Finops,DataOps和PlatformOps中,将有助于从传统的技术堆栈过渡到基于信任的AI堆栈。动态AI代理的使用可以启用更响应的AI生态系统,利用主动元数据适应变化。
除了技术和治理之外,解决人类因素对于AI采用至关重要。 Gartner指出,培养AI素养,鼓励新的技能发展和促进协作将是成功部署的关键。
伊迪恩说:“人工智能正在改变一切,人们也应该改变。” “但是人们并不相同,我们以不同的方式参与数据和分析。”