要从 AI 中获得最大价值，就一定要从业务问 题入手。然后寻找多种数据类型 — 结构化和 非结构化数据、内部和外部数据、定性和定量 数据，以解决问题并丰富解决方案。
融入基于权限的强有力治理，建立数据溯源能 力，以形成对数据和 AI 洞察的信任。
制定计划，应对严格的数据准备挑战以及合并 不同数据源带来的复杂性。复用数据，自动执 行流程并采用适当的工具。
人工智能 (AI) 不再是新生事物 — 量子计算才是。AI 正广泛 应用于各种商业和社会用途。在疫情初期，84% 的组织预计 将保持或提高对 AI 的关注度，近三分之一的组织因疫情直接增加 AI 投资。
最近的一项调研表明，AI、物联网 (IoT) 和云计算是受访 CEO 们认为最有助于实现成果的 3 项技术。 43% 的 IT 专业人员表示，他们的企业受疫情影响而加快部署AI 解决方案。
这转化为企业对建立战略性 AI 能力（包括战略、运营模式、人 才）以及将该能力整合到企业的迫切需求。
但即使在完成有前景的概念验证 (PoC) 阶段之后，许多 AI 项 目仍处于停滞状态。90% 的企业难以在整个企业中扩大 AI 的应用范围。 大约一半的 AI 项目归于失败也就不足为奇了。
为什么？一言蔽之，数据使然。超过半数的 AI 战略负责人承认， 他们不清楚自己的 AI 数据需求。 39% 的 IT 专业人员表示，分 析数据以建立和扩展可信的 AI 是组织 AI 之旅中最困难的部 7 分，32% 表示数据复杂性和数据孤岛是采用 AI 的最大障碍。
↓ 阅读全文 ↓
文档全文加载需 3~5 秒
1633007046-347-coping-with-the-ai-data-dilemma
