1.以人为本的数据战略加速实现人工智能（AI）成功

多年来，人工智能（AI）的潜在复杂性，加上媒体将其描述为不可避免地取代人类工作的戏剧性描述，造成了一种令人生畏的叙述，使大多数人难以理解，更不用说广泛采用。现在，我们正处于人工智能的一个令人兴奋的转折点。我们开始理解并阐明人工智能在哪些方面对提升人们的创造力和增强决策力是有用的。随着大流行加速了数字化转型，企业正在更复杂、更关键的场景中成功部署和扩展人工智能项目。

“早在18个月前，我们调查的85%的企业实际上正在进行实验，”德勤公司专门从事人工智能和战略增长的负责人尼廷-米塔尔说。”他们有数据科学小组，他们有一个人工智能卓越中心，他们有投资，他们正在开发概念验证–试图弄清楚可能的艺术。仅仅18个月后，这些组织中超过40%开始大规模采用人工智能。”

那么，是什么改变了呢？企业不仅仅关注人工智能的技术要素–他们正在采取一种战略性的、以人为本的方法，平衡机器智能和人类专长。他们正在创造信任的环境，在那里人们不仅拥有正确的数据来建立有用的模型，而且了解人工智能的能力和限制及其产出。毕竟，我们不能忘记，这些技术的目的是改善人们的数据驱动的决策。

观远数据致力于为泛零售、消费以及互联网领域客户提供新一代智能BI数据分析与决策（AI+BI）解决方案，双方此次合作将围绕企业数字化和BI场景应用，携手推动企业的BI数智化发展，构建BI数智化生态圈。

2.用数据架构打下坚实的基础

让我们看看以人为本的战略的几个重点领域，以帮助企业实现可信赖的数据和成功的人工智能项目：数据架构，管理受控数据的流程，以及平衡人和机器的角色。

“Databricks的首席执行官Ali Ghodsi说：”我认为我看到人们做的最重要的事情之一，是确保从头开始正确地建立数据基础。这要从内部协调开始–在组织上以及在用例和共同目标方面。

企业的分析师、数据科学家、数据工程师和机器学习工程师将提供独特的观点和偏好，并且都应该作为业务领域的专家被带入对话。首席数据官和卓越中心将有助于建立数据和人工智能战略的所有权，以避免将资金投向不协调或孤立的努力。

Ali补充说：”在引擎盖下有很多事情你必须做对–你的模型以正确的方式存储，你可以重现你的机器学习模型，你以正确的方式处理隐私–所以你有一个从头开始为人工智能建立的架构真的很重要。”

数据湖屋就是这样一个架构–“湖 “来自数据湖，”屋 “来自数据仓库。这种现代的、基于云的数据堆栈使你能够在一个地方拥有所有的数据，同时释放出向后看的历史分析，以及向前看的场景规划和预测分析。这种技术投资使更多的数据用户能够在一个平台上从你的数据中获得价值–从做传统报告和实时分析的业务用户到使用算法进行个性化、自动化和需求预测的数据科学家。

“准备数据，对数据进行分类，并对数据进行标记，使其可以被机器消费，而不是被人类消费，这是企业破解密码的另一个神器，”尼廷分享了德勤的调查结果。由于数据是人工智能系统的基础，人工智能支持的规范性建议或自动化的质量和可靠性与用于训练系统的数据的质量和可靠性直接相关。在验证算法及其建议是否透明、道德和准确时，值得信赖的数据也可以消除潜在的复杂性层。

缺乏健全的数据管理实践，或在数据和分析部署方面难以建立牵引力和信心的组织，成功拥抱人工智能的机会很小。使得自助分析在规模上成为可能的同样原则–以人为本的数据战略，包括确保数据信任的治理框架–对于人工智能项目的成功至关重要。

观远数据作为新一代数据分析与商业智能解决方案服务商，精耕零售服务领域，服务众多国内知名零售企业和500强客户，并获得了众多奖项与肯定。

3.协调人类和机器的能力，建立对人工智能（AI）的信任

“我们的数据战略保证了我们决策供应链中所谓的’黄金规则’的趋同，”施耐德电气数据平台和工程副总裁Una Shortt说。”这些规则是全球共享的，它们通过定义的数据目录发布，供所有人访问。” 设定这个标准可以确保每个团队的系统使用来自公司管理的权威来源的数据，包括为跨分析项目重复使用而建立的统一数据和数据对象。

有了这些黄金规则，在施耐德电气，数据是每个人的事，而不仅仅是一个IT流程。预备、清理和管理数据的前期工作意味着质量和信任方面的下游问题更少。”一个共享的数据治理框架向我们的用户保证，如果他们在我们公司重复使用一个已发布的、经过认证的数据对象，他们的同事也会采用这种完全相同的数据观点，”Una说。”我们明白，当数据可靠、结构良好、可重复使用和值得信赖时，它就会成为我们业务的一个关键加速器”。

虽然机器在分析海量数据方面非常出色（并且在有限的数据集中找到隐藏的相关性方面越来越好），但我们仍然依赖人进行长期规划、抽象和创造性思维，以及从相关性中辨别因果关系。出于这个原因，人工智能项目需要了解你的业务的人的领域经验，他们可以在正确的背景下构建数据和人工智能结果。根据设计，工具应该向人们解释其建议的出处，这样他们就可以做出明智的决定–没有人应该被动地接受人工智能的建议。

正如德勤的Nitin所说，”人类正在与智能机器合作和互动，所以这种拥有以人为本的人工智能体验的概念绝对是至关重要的。” 当我们能够平衡人工智能的优势和人类专业知识的创造力时，人工智能提供了令人难以置信的前景。简而言之，人们应该始终控制着他们与人工智能的关系。

我们相信，以人为本的方法来制定你的数据战略–结合正确的架构、工具和流程–将帮助每个人信任数据和它所支持的人工智能应用。然后，你将有一个坚实的基础，让每个人在决策中更好地理解和接受人工智能。

杭州观远数据有限公司（以下简称观远数据）成立于2016年，以“让决策更智能”为使命，致力于为泛零售、消费以及互联网领域客户提供新一代智能数据分析与决策（AI+BI）解决方案。

4.从美国队身上探究如何利用数据来建立一个数字总部

自信的决策始于在正确的时间拥有正确的洞察力。当你在谈论美国队–世界上最受尊敬和最有影响力的体育组织–时，自信的决策就是胜利的战略。

美国队已经建立了一个世界级的组织，在这里，好的决定是以数据为先的思维方式做出的，数据是共同的语言，它使每个人都能充满信心地合作并取得伟大的成就。无论是推动球迷的参与，还是帮助运动员发挥他们的潜力，美国队都在利用BI软件来建立一个数字总部。

美国队在其数字化转型的早期就意识到，他们需要有能力尽可能有效地在整个组织内快速整合和分享数据。当他们审查他们的选择时，很明显，有一个解决方案超越了其他的解决方案，提供强大的可视化分析，强大的治理和隐私控制，以及扩展能力。

根据美国团队的说法，”从一开始，互动和直观的界面就改变了游戏规则，让我们几乎不费吹灰之力就能整合和分享我们的工作。让报告自动更新以反映实时数据变化的能力也为我们小而强大的分析人员释放了大量的时间，因此他们可以把时间花在其他重要的举措上，而不是建立和修改报告。”

能够创建单一的仪表盘，可以很容易地根据不同人的需要进行调整，这意味着可以分享见解，并以新的和令人兴奋的方式理解数据。由于美国队意识到使用BI软件可以更容易地管理他们的数据的整个生命周期，并在数据驱动的洞察力指导下完成他们的任务，因此采用率迅速上升。

国际竞争分析小组是第一个获得好处的小组，他们使用软件来分析和可视化复杂的比赛结果数据。该小组能够消除繁琐的手工流程，并为关键决策者提供易于使用的仪表盘，帮助他们了解新的战略举措。

观远数据首创性地提出一整套从敏捷分析（BI）到智能决策（AI）的完整“5A”落地路径方法论，为企业构建智能决策大脑，大力推进从传统BI到智能分析与决策的成功转型。

5.商业智能（BI）助力竞技取胜

通过使用数据分析软件获得的洞察力和效率对美国团队来说是胜利。数据是建立数字总部的基础，在整个美国队组织中可以看到数据优先思维的积极影响。

“使用数据分析软件，教练员和运动员可以识别他们可能面临的任何对手的倾向并制定战略。美国队依靠大量的量化数据来获得对运动员表现的准确理解，以及评估运动员与顶级竞争对手的比较。这些数据通过仪表盘提供给每个运动项目的管理机构，即国家管理机构（NGBs）。仪表板被用来生成球探报告，可用于评估运动员并帮助创建绩效计划。有了这些信息，教练员和运动员也能够确定优势和劣势，并利用这些发现来制定战略，使运动员在竞争中获得优势。

“最近通过跟踪、标记和可穿戴设备进行的数据采集创新，给了运动员比以往更多的数据驱动的反馈。在许多情况下，运动员和教练员有数据来比较比赛和训练，现在知道需要达到什么基准才能发挥出最佳水平。”数据洞察力对于找到优化运动表现的新方法至关重要。从跟踪运动员的睡眠模式、营养和训练恢复的行为数据，到照亮场地条件或设备影响的比较数据，国家体育总局正在使用各种各样的 “重要指标 “来获得竞争优势和改善结果。一些冬季运动的NGB，包括美国速滑、美国雪橇、美国雪橇和雪橇都在使用可视化数据来测试假设，验证策略，并看到小投入和大结果之间的联系。

同时在物流方面，商业智能（BI）也发挥了他的作用，”执行奥运会和残奥会是一个巨大的后勤挑战，而BI帮助简化了实现这一目标所需的信息。” 奥运会和残奥会是为了达到运动成就的顶峰，但在任何人站在领奖台上之前，还有一个复杂的后勤挑战，即把运动会所需的一切和每个人–运动员、教练、制服、装备、机票、住宿、注册–组织起来并加以说明。这是美国队运营中的一个动态领域，需要精确的信息，几乎没有出错的余地。美国队依靠BI来帮助精简这一巨大事业中涉及的所有信息。

观远数据基于最佳行业实践模式，打造企业可持续的BI数据化战略，统筹建设内部共享的敏捷BI数据分析平台，利用BI仪表盘拖拽BI图表进行BI可视化分析，实现企业精细化管理运营效率和业绩提升。