利用分析和人工智能的力量来预测下一步是什么。

利用分析和人工智能的力量来预测下一步是什么。 6步实用指南，帮助您为AI做好准备。 你准备好了吗对于人工智能? 准备好. 利用AI意味着拥有良好的数据 在这个六步指南中，我们旨在帮助您解决数据挑战，为高级分析、认知计算、机器学习和AI带来的好处。我们将向您展示如何获得您的数据屋按顺序进行扩展，超越概念证明阶段，并开发敏捷的数据管理方法。通过不断重复本指南中的步骤，您将锐化数据并将其塑造成您将能够克服一些最常见的业务问题，并努力做出积极的改变： 88％的全球C级高管和IT决策者认为公司采用AI是因为它很流行，但大多数人实际上不知道如何使用它1。数据为人工智能奠定了基础可能并不总是显而易见的，但它提供了构建量身定制的客户体验、有针对性的通信、增加的参与度等等的力量。客户还告诉我们，他们被庞大的数量和复杂性所淹没 他们的数据，许多人缺乏使用它来解决他们的业务问题所需的工具和技能-但它不一定是这样的。 •提高客户满意度 •减少设备停机 88% •提高营销活动的ROI•最大限度地减少欺诈损失•提高员工保留率•提高财务预测的准确性 全球C级高管 用你的数据来实现人工智能(AI)的好处听起来不错，对吗？现在你只是需要找出如何做到这一点。 IT决策者认为公司将AI纳入其中是因为它很时髦。 开始之前的考虑。 你想增加你的通过利用竞争对手获得利润通过创新获得优势数据使用？你在找了解您的客户更好-他们的行为和流失？或者你想识别新的收入来源？无论什么目标，如果数据是驱动程序，则 继续读取。 开始之前我们的建议 在迈出第一步之前要做什么 •应用设计思维的方法-承认可能有多种可能性。使用这个框架对你的数据采取不同的方法。找出你想问的正确问题，并准备好尝试想法。•确定数据冠军；一个对数据和更广泛的使用充满热情的人项目。他们将帮助说服其他人继续前进董事会。他或她应该是高级管理层或执行管理层的一部分，这意味着他们将有远见，以及预算，以使事情发生。•要敏捷当涉及到扩展你的方法时。准备好适应一路上的变化。•专注于您的业务成果在整个过程中，而不是陷入technology.Whiletechnologyiscriticaltoachieving你的目标，它不应该是你的司机。 首先，您应该确定业务成果and the value you aim toachieve. Then work out if AI will help you get there. Beginby take your key business problem and breaking it downinto several managable issues. Sort them in order ofprioritytothebusiness,speedtovalueandhoweasyyouthinktheymightbetoimplemented.It’llbeeasiertofindforpriorityproblems.Then,figureoutwhichkeyperformanceindicators(KPI)you’lluse衡量和证明成功。请注意，KPI可能意味着不同的事情企业中的人，所以目标是尽可能清晰和尽可能一致。 记住：实验发现价值。 本指南中的六个步骤不一定需要遵循线性格式。我们已经按照专家和数据科学家认为最好的方式介绍了它们，但是每个业务都是不同的，您将从对流程采取敏捷方法中受益。不要害怕实验以证明价值或快速失败并以不同的方式重新开始。当您发现你很快就能扩大你的成功。 步骤1:盘点。 评估你目前的状况 在最近的调查中，Avanade与Wakefield一起进行研究，受访者表示，整合分析的三大挑战是收集和访问适当的数据，确定最佳方法分析数据，寻找熟练的数据科学家1.如果这听起来像你，那么从简单地计算出你的数据所在的位置开始。你会惊讶地发现有多少组织很难立即给出答案。 评估您的数据是如何被捕获的，并了解是否有适当的治理。确定有助于确保高数据质量的任何流程。 添加标签或元数据以对关键信息进行分类和记录，例如当前使用某些数据字段。它可以像创建一个主电子表格清单来记录你的发现一样简单在一个地方。它会成为你的宝贵资产继续这个旅程。 第一步了解您的数据，或改进您现有的数据管理实践，听起来很基本-但可以说是最为AI做准备的重要步骤：盘点。 问问自己已经捕获了什么样的数据,是内部CRM, ERP的结构化数据吗或客户服务渠道？或者它是非结构化的通过社交在公共领域传播的数据媒体、共享文档和视频? 从小开始 请记住，您最初可能面临的数据量似乎是压倒性的。尝试一次记录所有内容很容易迷路，因此只需专注于有助于解决您的问题的数据点优先业务问题(见第3页)。这很重要在证明任何价值之前不要烧死自己。为例如，如果你是一家试图改善客户流失率的银行，你可能想从盘点所有与客户投诉相关的数据开始。 第二步：理解。 您现在已经创建了数据清单来回答您的业务problem.Youknowwhatinformationyouhavetoworkwith.What'snext?Defineyourhypothesis.Lookatyourdata’spotentialvalueand了解它与您的业务目标和挑战的关系。 建立更大的图片 注意您的数据及其使用情况 案例研究: 记住您之前概述的业务问题（第3页），并考虑它如何与可用数据相关联以制定假设。检查数据是否能够做您想要的事情，如果您的初始假设可行，请绘制出下一个业务问题和分支与你的发现。这是一个与其他业务利益相关者合作通过层的好时机。 您创建的假设最终将被定义根据本指南第1步的结果进行评估。您可以访问的数据可能会限制您最初的行动，或者迫使您优先考虑您将能够进行和测试的假设类型。没关系。对可用的内容保持现实。如果您的数据无助于实现您的结果，请利用此机会战略性地获取数据。 适合你，先生 最后，现在是时候注意任何隐私法了。努力预先了解允许您存储和使用的数据，特别是修订后的欧洲通用数据保护条例(GDPR)。你也必须考虑数据伦理。我们最近接受调查的87％的人认为，他们的企业在解决与新技术相关的道德问题方面没有做好充分准备。1. 接下来，想想如何将这些数据组织成可管理的块，并考虑他们将如何开始支持你的总体目标。拿这个增量，更敏捷的分析方法将帮助您避免在数据和业务成功建立时的复杂性。 一家大型零售商想要个性化它的店内客户体验。我们分析从在线客户帐户和会员卡收集的数据，以实施面部识别系统，当有人进入商店时提醒助手，立即提供客户的购买行为和兴趣的概述。以这种方式理解数据使我们能够帮助助手定制店内服务并改善整体体验。 “我们开始寻找一个有能力和能力解决我们治理挑战的合作伙伴。埃维诺是一个自然选择，因为他们两个都有。 TomErikTjønneland，DNVGL商业智能能力中心负责人。 第三步：专注。 您知道您的业务问题，哪些数据可以帮助您解决此问题以及如何使用这些数据。现在你需要缩小范围，决定哪些数据元素对您最重要，并将注意力集中在它们上。 案例研究: 保持你的眼睛的奖品 推动未来预测。 为了帮助豪华车品牌避免客户对发动机故障的不必要投诉，我们决定在问题上领先一步。在短短六周内，我们分析了大量的传感器数据在实时车辆内，使准确的预测，以作出时，可能需要维护。 大多数组织都试图收集他们可以保存和存储的数据，以防万一。有 记住你想要实现的结果。合理化您的数据集-为什么它们很重要？只专注于重要的数据实现你的近期目标。一心一意在这个阶段，因为如果你一次开始分析各种不同的数据类型，你只会 没什么不对的。这是一件好事，因为它可以被编目以供将来使用。毕竟，你可能不得不再次回到它，所以任何理解都是有帮助的。但是重要的是不要浪费时间试图一次分析所有内容。 这确保了任何潜在的问题都可以在发生之前被识别和修复，减少了投诉从不满的司机和提高整体客户满意度。 最终会有多个结果，但没有一个 特别强大。AI依赖于不断的强大的数据。你需要100％的准确性才能成功。 第四步：原型和证明。 现在你已经定义了一个明确的path tofollow, it 's time to test your data.Ask questions. Train算法来找到答案。如果你没有-房屋能力这样做，找到一个做什么的搭档。 关键提示是跳出框框思考。利用学习和经验的外部合作伙伴，以获得新的洞察力和方向。您将被唤醒到您的数据真正能够实现的可能性。 展示价值；证明数据的价值 您的企业，您的投资者，您的用户：人们会希望看到某个时刻 从你的数据中有形的东西。一个坚实的原型可以做到这一点。它可以通过展示你的数据来证明你的数据的价值。但不要忘记从小事开始。这将帮助您避免在失败的模型上浪费时间，而那些展示价值的模型可以在其他业务中快速复制和扩展。 案例研究: 测试你的假设 很高兴说话。 使用您在中确定的相关数据点开始测试假设的前面步骤。实施算法；运行一组规则和计算来预测未来结果。寻找模式和行为。只是意识到这个过程是迭代的，可能需要你寻找其他数据源来回答你问的问题。 加快订单生命周期是一家大型电信公司。我们分析了客户数据、订单详细信息和网络信息，以创建无缝的语音识别系统很快就能找出顾客打电话的原因，并优先考虑他们的需求，以减少延迟并改善客户服务体验。 请务必记录原型的使用和结果的示例，并完整显示其功能。使用您指定的数据冠军来宣传早期的成功并让更多的人参与其中。 步骤5：组织和设计。 你已经证明了你的假设，你的原型正在增加价值。下一个您需要组织和设计如何在现实生活中的业务场景和流程中每天使用您的数据见解。如何操作并将它们标准化以与组织的其他成员共享？ 让你的愿景真实 许多组织在这个阶段陷入困境，因为他们不知道如何继续前进并将其原型集成到现有的业务流程中。 我们利用这些发现来改进现有的流程通过实现语音识别，这使得公司定期通过聊天机器人向识别的呼叫者提供个性化的客户服务更新。 例如，我们与一家保险公司合作有丰富的数据，但无法转向它转化为有益于他们业务的见解。一个他们的主要问题是诉讼的数量他们有-以及他们产生的费用。我们帮助他们将机器学习应用于一组通常会导致诉讼的索赔数据。通过数据分析，我们发现，当与索赔人经常接触时，案件不太可能变成诉讼。 在这个例子中，调整过程和教育工作人员关于这些变化的操作他们的数据见解。它使公司能够做出重大改变，并衡量这些改变的影响改变他们的底线。 步骤6：一遍又一遍地创造价值。 当你准备好采用的各种组件人工智能，如机器人、智能自动化和预测分析，你会知道你的算法在哪里找到正确的结果，因为你的数据是有组织的。但请记住，随着人工智能的不断进步，你的业务中依赖数据的东西数量将会增加。如果你有高质量的数据，人工智能应用程序的商业价值也会很高。 就这样。旅程的最后一步。让你的数据为企业工作，就像你已经完成的那样计划。监控您的processes progress and then start all 同样开放的心态，你应该利用当今可用的先进技术 实现你的目标。真的没有必要自己建造它，只有当事情发生时，你才会被抛在后面继续前进。他们会继续前进。快。很少 今天的组织可以跟上科技巨头每年在新的数据功能和平台上投入数十亿美元的步伐。因此，专注于创造商业价值，而不是一项技术。 over. Return to Step 1 and take stockof things before going back throughthe entire cycle. It ’ s the best way tocreate value and reading for AI in thelong run. 利用技术来发挥您的优势 “这种新的数据分析能力是显著的竞争优势在忠诚度营销利基市场。我们与Ava