构建能力路线图:数据和人工智能的成熟阶段

企业每年平均在数据和人工智能计划上花费 1500 万美元。然而,据 VentureBeat 称,去年企业 90% 的人工智能投资回报率为零。这意味着需要投入大量资金和精力来提升数据和人工智能功能,但企业仍难以看到其商业价值。CDO 和 CDAO 必须严格优先考虑其重点以展示价值,以便证明额外投资的合理性。他们需要保持运转(解决紧急的运营问题)并进行基础性改进以继续扩展他们的能力。为了解决这个问题,大多数领导者都以能力路线图的形式制定了攻击计划,按照优先级和依赖性的顺序解决这些挑战。

组织希望快速而谨慎地成熟。从技术改进开始并依靠现有框架(例如Google 的 MLOps 框架)来展示进展和价值是很诱人的。这些改进很重要,但如果不与业务和每个人有效地为生态系统做出贡献,这一举措可能不会成功。更多时候,数据和人工智能领导者面临人员挑战;人才获取和保留、文化变革以及业务利益相关者的支持以进行实验或采用新的解决方案。这些技术性较低的障碍往往很少有业界认可的可用手册,但它们正在被讨论。埃森哲最近发布了成熟度框架它强调了提升成熟度曲线所必须具备的关键领域,列出了从工具可用性到技能提升和教育的能力。如果我们能够在提高技术能力的整个过程中真正解决文化和变革管理挑战,结果会怎样?

针对每种战术能力制定一套标准和政策对于确保团队之间的一致性和遵守、采用衡量以及业务价值衡量至关重要。让我们从一个例子开始。大量的精力花在组织数据和创建可靠的指标上,以便企业可以用来做出更好的决策。这造成了数据质量改进方面的大量积压,有时甚至是多年来未更新的未使用仪表板的坟墓。这通常是由于自下而上的方法,即只构建当今可行的一切,而不考虑需求。跟踪生产力的最差指标是“部署的仪表板数量”。这会激励团队在构建时考虑数量而不是价值。 

自上而下的方法以潜在价值优先考虑业务用例。评估每个用例的可行性、解决方案设计和解决这些业务问题所需的技术。这将战术能力(如数据管理)与真正的业务价值联系起来。能力改进应该以这种方式优先考虑。如果没有稳定地解决需要解决的业务问题,技术团队最终会为了构建平台或解决方案而构建平台或解决方案。最终,CDO 的任务是在不证明实际回报的情况下证明对数据或人工智能组织的额外投资是合理的。 

利用数据和人工智能的其他挑战之一是构建和维护有价值且相关的解决方案所需的依赖程度。例如,您可能一开始想要解决客户流失问题,但最终发现了令人讨厌的数据质量问题或缺乏构建最有效解决方案的工具。这一发现可能会因彻底检修整个数据捕获系统和数据摄取管道的举措而分散您的注意力。或者对管理数据管道和在仓库中存储数据进行长期改进。在不涉及技术细微差别的情况下向您的业务团队解释这一点是很复杂的。没有人愿意告诉企业,“还需要 6 个月的时间才能回答这个问题。” 然而,这一用例可能无法证明这一投资水平是合理的。 

除了上面提到的数据质量能力之外,还有很多其他的能力。以下是兼容性路线图上显示的常见计划、组织目标和相关战术能力的列表。

程序客观的相关能力
数据素养确保数据处于每位员工每项决策的最前沿数据基础
数据自助服务和治理创建自助服务生态系统,尽快向合适的人提供可靠的数据

数据可观察性

 

数据质量

数据管理 

数据赋能

数据工程现代化提高存储、处理和转换数据的效率数据操作
模型部署与管理确保模型可以被企业使用和信任 MLOps
人工智能风险管理确保正在开发或使用的模型不会产生负面或意外的影响

人工智能系统设计

 

人工智能的责任

有意规划这些功能使您能够主动满足业务和技术团队的需求。重要的是要避免“大爆炸”发布的愿望。专注于对整个生态系统进行渐进式改进,同时专注于解锁最有价值用例的改进。这通常需要几个关键要素:

精心策划的用例存储库,可以通过分析或人工智能及其相关的潜在业务影响来提供帮助。

每个基本功能对每个用例的影响。

有助于提高解决方案质量的每项功能的技术或业务流程挑战。

更改或更新每个功能和依赖层的努力。

改变行为和底层工作流程并维持这些改变所需的努力程度

一旦确定哪些功能将产生最大的影响和业务价值,就该确定如何有效且高效地进行这些变革了。为了确保适当的变革管理,每个增量改进通常都会经历四个关键阶段:设计、试点、推出和维持。以下是每个阶段需要考虑的典型高级活动。

设计

确定阻碍生产力的挑战的根本原因(可能是生产仪表板中遇到的持续数据质量问题)

了解此问题对业务的影响(发生了多少实例以及用户对这些质量问题做了什么?)

设计一些可以解决这个问题的方法(创建低、中和高努力选项)

权衡影响与解决问题的努力程度(例如:对所有数据管道设置新的监控,在质量问题到达仪表板之前主动暴露它们)

飞行员

突出显示需要实施的最佳实践或框架变更(我​​们应该监控哪些质量维度以及在什么点监控?)

选择一个高影响力的用例来运行试点

如果新方法需要新工具,请创建一个解决问题的潜在工具列表

为这些工具运行概念验证并确定合适的工具 

最终确定试点结果,突出强调方法的变化和用例的业务价值

推出

确定将受到变更影响的所有个人(技术团队、最终用户、业务用户)

制定强有力的沟通和教育计划,其中包括预期的流程变更和知识检查,以确保变革可持续

持续跟踪受影响的每个人,并将实际结果与预期结果进行比较

维持

随着时间的推移监控价值指标、业务影响和采用情况

加入额外的用例,调整方法并支持技术生态系统

确保资源和参考材料也是最新的并得到适当利用 

根据新的优先业务需求修改和调整能力路线图

如果您的组织尚未以这种方式构建改进,则可以通过简单的步骤开始。跟踪您的功能图版本并了解优先级逻辑,查找优先业务用例​​列表以及潜在影响,并查找内部现有标准或策略。最后,概述一种机制来管理这些迭代变更并随着时间的推移维持这些变更至关重要。

 

 

 

 

来源 :

发布 : 2023-06-27

  • 微信扫码
    关注公众号

  • 扫码查看
    当前资讯