Snowflake ： 2024 年第 2 季度通过人智能改变变你的业务报

最佳实践报告 通过人工智能改变您的业务 最佳实践报告 通过人工智能改变您的业务 目录 执行摘要5什么是AI？6AI在转换业务流程和决策? .............................................6企业必须应对哪些挑战使用AI进行数字业务转型？12使用AI的关键成功因素是什么数字业务转型？17建议22研究共同发起人：雪花24 作者：James Kobielus 关于作者 关于TDWI最佳实践报告系列 本系列旨在教育技术和商业专业人士关于新的商业智能技术、概念或 解决重大问题或问题的方法。报告的研究是通过采访行业专家和领先的用户公司进行的，并通过对商业智能专业人员的调查进行补充。 JAMESKOBIELUSis TDWI Research的高级主管专注于数据管理。他是一位资深的行业分析师，分析顾问、作者、演讲者和博客作者和数据管理。Kobielus专注于高级分析、人工智能和云计算。此前，他曾在FuturumResearch、 为了支持该计划，TDWI寻求集体希望传播新方法的供应商解决商业智能问题或新兴技术学科。通过联合起来，赞助商可以验证一个新的市场利基和教育组织关于关键商业智能问题的替代解决方案。要建议符合这些要求的主题，请联系TDWI高级研究主管James Kobielus (jkobielus @ tdwi. org)或Fern Halper (fhalper @ tdwi. org)。 SiliconANGLEWikibon、ForresterResearch、CurrentAnalysis和伯顿集团，他曾担任IBM大数据分析产品营销高级项目总监，在那里他既是主题专家，又是针对数据科学界的思想领导力和内容营销项目的战略家。 您可以通过电子邮件（jkobielus @ tdwi. org），在X /Twitter（@ jameskobielus）和LinkedIn（https: / /www. linkedin. com / in / jameskobielus /）上与他联系。 Acknowledgments TDWI要感谢许多为本报告做出贡献的人。首先，我们感谢许多回复我们调查的用户，特别是那些同意我们电话采访请求的用户。其次，我们的报告赞助商，谁努力审查大纲，调查问题和报告草稿。最后，我们想认识TDWI的制作团队：JamesPowell，LindsayStares，RodGosser和JohnBardell。 关于TDWI研究 TDWIResearch为全球数据和分析专业人士提供行业领先的研究和建议。TDWIResearch专注于现代数据管理，分析和数据科学方法，并与行业思想领袖和从业者合作，以提供广泛的 赞助商 Alteryx，MongoDB，SAP和Snowflake赞助了本报告的研究和撰写。 以及对围绕数据和分析的部署和使用的业务和技术挑战的深刻理解。TDWIResearch还提供深入的研究报告，评论，评估，查询服务和专题会议 作为对用户和供应商组织的战略规划服务。 调查方法。2024年2月，TDWI通过电子邮件向我们数据库中的分析和数据专业人员发出邀请，要求他们完成一项在线调查。调查收集 研究方法和人口统计 数据来自268名受访者；他们中的158人完成了整个调查。对于这项研究，所有的回答都是有价值的，并包括在本报告的样本中进行分析。 报告目的。多年来，TDWI研究一直将AI作为业务自动化、决策支持和运营效率的核心推动者。该BPR研究了使用AI驱动的智能应用程序来转换业务流程的主要场景，从而提高其性能，效率，有效性，敏捷性和其他结果。该BPR可帮助负责数字化转型的高管（CIO，CTO，CAO）了解AI在此任务中的作用和优势以及其同事使用AI的状态。它还可以帮助C级高管的直接下属和其他利益相关者确定他们可能面临的潜在挑战以及将面临的最佳实践。 调查人口统计受访者的角色多种多样，包括公司高管和董事、数据分析师、LOB经理、架构师、工程师和业务分析师。 受访者来自一系列行业，其中来自信息技术的人数最多，包括软件和互联网公司，电信，计算机制造和专业咨询。 帮助他们最好地利用人工智能技术来开展数字业务转型项目，从而实现关键业务目标。 调查受访者主要居住在 位置 美国。受访者来自各种规模的企业：大约四分之一来自大型企业（收入超过10亿美元），大约四分之一来自中型企业（收入在1亿美元至9.99亿美元之间），几乎一半来自小型企业（收入低于1亿美元）。 Industry 此外，受访者在后端流程中对AI的操作仍然不成熟，很少有人集成他们的DataOps、MLOps和DevOps团队、流程或实践，以加快生产环境中AI应用程序的构建、测试、部署和治理。 执行摘要 AI是现代组织成功的关键因素。这份TDWI最佳实践报告使用最近对数据管理和分析专业人员进行的一项调查的结果来阐明与成功相关的趋势、考虑因素和机会在企业数字化业务转型计划中实施人工智能。 •受访者正在解决AI主导的数字业务转型中的广泛战略目标。其中最主要的是提高运营效率，改善数据驱动的决策制造，增强客户体验，增加收入，实现更大的敏捷性和适应性，并加速创新。 主要发现包括： •受访者在数字业务转型中拥有不同的AI运营和融资模式。企业在如何通过其组织结构管理AI以及如何为其提供资金方面差异很大。五分之一以上的人集中人工智能运营和资金。稍高的数字没有真正的AI操作模型。其余大多数受访者大致平均分为三种涉及分散和中心辐射安排的AI运营/融资模式。 •负责任的AI在数字业务转型中的企业护栏正在进行中。在企业中，用于缓解AI风险的平台、流程和工具仍然参差不齐。许多组织尚未实施强大的防护措施，以确保生产中负责任的AI应用程序的治理、道德、隐私、安全性和合规性。 •企业只是在采取必要的第一步来跟踪AI在数字业务转型中的战略回报。然而，许多人尚未开始建立收集和报告的正式流程定量的业务影响指标。 •数字化业务转型中强大的人工智能企业平台正在初具规模 。企业正在实施越来越多的AI技术来推动数字业务战略，包括机器学习、预测分析、自然语言处理、使用生成AI等关键基础设施 LLM，深度学习，负责任/道德AI，推荐引擎，语音识别，AutoInsights，AutoML，情感计算和情感分析，移动AI，物联网分析，计算机视觉，边缘AI和机器人AI。但是，AI的后端企业管道 •通过聊天机器人，副驾驶和其他虚拟智能助手将算法智能带入日常决策支持和其他应用程序 什么是AI？ 人工智能(AI)是一套不断发展的工具、平台和方法，用于构建实现智能流程的系统。 什么是角色人工智能在转变业务流程和决策中的作用？ •依靠不断增长的高级算法，包括来自计算机科学领域和数据科学界的算法，包括诸如人工神经网络，大型语言模型，监督和无监督机器学习之类的数据驱动算法，以及强化学习 每个企业都在成为数字企业。 •自动化智能流程，使人工注意、判断和监督的需求大大减少 数字业务转型是指利用数字技术从根本上改变企业运营，创造和交付价值，与内部和外部利益相关者互动以及在竞争激烈的领域进行差异化和创新的方式。它依赖于数字技术的彻底整合，以创建大部分或完全在线，24x7，多通道，可扩展和强大的操作模式，尽管许多混合数字/模拟操作模式是成功举措的基础。许多组织数字化业务转型的核心关键技术包括云计算、人工智能、大数据分析、移动和边缘计算、物联网和超自动化。 •加速智能流程，超越人类可以在没有帮助的情况下实现的处理更多的数据，一组更复杂的变量，以及比人类思维所能跟上的动态环境 •增强人类的认知，推理，自然语言处理，预测分析和模式识别的有机能力 世界各地、所有行业和各种规模的企业都在不同程度上实施数字业务转型。组织对这些举措有广泛的优先事项。TDWI询问调查受访者，他们的组织在2024年的数字业务转型的首要任务是什么。他们的最高 •使其模型适应新数据，与人类的互动以及不断变化的环境，以磨练其模仿人类认知的能力 •模拟自然的人类对话，其保真度可以驱动化身并模仿有血有肉的人 反应是（按频率降序）提高运营效率，改善数据驱动的决策，增强客户体验，加速创新，增加收入，并实现更大的敏捷性和适应性（见图1）。 例如GPS跟踪和车队管理软件，以优化路线和跟踪装运。 数字业务转型的核心是云计算，移动和边缘计算，实时流和事件处理，低延迟数据结构以及其他支持平台的进步。在AI进步的推动下，这些技术不断提供实时数据更新，上下文洞察，优化体验和快速结果 数字化转型包括使用分析来了解消费者行为和个性化购物体验，使用物联网(IoT)技术来连接和监控设备并优化运营，以及使用数字工具 图1 贵组织的数字化业务转型的首要成果是什么？（最多选择三个。） 和增强分析为业务用户提供服务。许多组织正在部署AI以加速，自动化和优化其内部流程。组织还将AI作为嵌入式功能来实施，以监督，监视，优化和控制制造，物流，供应链和IT基础架构，如前所述。 into all business processes. TDWI asked theinvestiments how important AI is to the success oftheir organizations. Generally, they agree that AIcontributed to business success. Almost three - fartersof respondents said AI is very important or someimportant 智能开发AI驱动的应用程序对于实现该技术的最大价值至关重要。通常，组织依靠数据科学家来开发AI应用程序，通常与业务分析师和主题合作专家。将这些业务角色纳入AI的开发周期-通常称为公民数据科学家-是TDWI多年来一直在覆盖的趋势。 成功。略多于十分之一的人说这在某种程度上或非常不重要(见图2)。 业务成功越来越依赖于人工智能驱动的平台、流程和管道。TDWI研究一致表明，企业继续高度重视人工智能的部署和管理。他们正在将越来越多的人工智能模型应用于其组织。 组织正在以不同的方式使用AI。一些正在使用AI工具进行决策支持 图2 AI作为一个推动者、平台或工具对组织的成功有多重要？ 首要任务包括加强企业安全性、弹性和自动化。按照优先级的降序，受访者表示，他们强调提高运营效率、预测或预测、增强数据驱动的洞察力以及自动化业务流程等任务。在规则挖掘工具的帮助下，AI还可以识别现有流程，并为这些流程的改进提出建议，从而提供显著的商业价值。 在这方面，TDWI向受访者询问了他们的组织正在依赖哪些角色、职能和角色来开发AI应用程序。近三分之一的受访者表示依赖数据科学家和机器学习工程师。 AI开发的其他主要角色（按降序排列）包括业务分析师和主题专家，软件开发人员和数据工程师（见图3）。 TDWI询问调查对象当前实施或计划在来年实施AI的用例（见图4），主要业务成果是什么。 企业在衡量人工智能对数字业务转型和其他战略举措成功的影响方面存在不一致。 图3 在您的组织中，您依赖哪些角色、职能和角色来开发AI应用程序？ 图4 当前在您的组织中实施或计划在来年推出AI的用例所解决的主要业务成果是什么？ TDWI询问调查对象他们的组织是否正在衡量与使用人工智能相关的成功(见图5)。 五个人表示，他们仍在评估AI可量化影响的潜在指标。类似的数字表示，他们尚未直接衡量AI对业务底线的影响，也尚未探索可能的指标，但他们相信他们的投资正在带来有形或定性的回报。 略超过10%的受访者表示，他们正在用可量化的对收入和/或成本的影响来衡量人工智能的成功。 大约19％的人说他们没有测量，也没有 然而，从他们对人工智能的投资中看到任何可量化或定性的回报，但他们预计这些回报将在未来几年内实现。不到十分之