数据文化手册：如何加速分析和人工智能的价值

How to accelerate thevalue of analytics and Al 数据文化手册 介绍 03 第一章:构建您的数据和人工智能战略0 第二章:赋能团队实现数据的价值。0 第三章:推进您的数据成熟度之旅 结论  解决方案 介绍 数据文化 本手册适用于希望了解数据文化价值及构建步骤的商业、数据和IT领导者。 创建数据文化可以帮助您加速分析和人工智能的价值。它改变了组织内决策的质量和速度 ，并形成了数据信任和透明度的基础。 当我们说“数据文化”时，我们到底是什么意思？ 建立数据文化需要时间、投资和全组织的承诺，但强大的数据文化对于使您的数据和人员具备人工智能准备至关重要。 本手册将指导您实现并维持组织长期成功的数据文化的关键步骤。 数据文化是人们共同的行为和信念，他们重视、实践并鼓励使用数据和人工智能来推动组织转型。它为组织中的每个人提供直观且富有成效的洞察，以应对复杂的商业挑战 。 人工智能的必要性和数据的角色 强大数据文化的好处 86%的技术决策者同意，人工智能的输出仅与其数据输入的质量有关。¹ 3更高的生产力创新更好的客户服务自信的决策制定成本节约 我们正处于一个转折点。 人工智能正在革新商业，根本改变我们的工作方式。Coursera将人工智能素养视为全球技能趋势的首位，强调适应的必要性。3劳动力的干扰不仅仅需要组织的转变或新工具。 要充分利用强大的数据和人工智能能力，需将您的人员与流程和技术对齐。 用人工智能重新构想未来的工作始于理解数据的关键角色，特别是在解决信任和技能差距时。 大多数企业已经投资于云应用，导致数据混乱。 这突显了集成和自动化的必要性。 企业越来越考虑如何通过人工智能增强的数据和分析平台提升体验和自主代理。 这一转变在两个关键方面影响数据和分析：人工智能提升了生产力和有效性。 我们将在第一章讨论如何建立强大的数据和人工智能战略，在第二章讨论如何投资于持续学习，以帮助您的团队自信地使用数据和人工智能，在第三章讨论如何推进您的数据成熟度之旅。 然而，人工智能的输出仅与其数据输入的质量相关。 强大的数据文化确保高质量的数据输入，并鼓励广泛采用人工智能输出。 这样的数据清晰度加速了决策制定和创新。 强大的数据文化为数据和人工智能的成功铺平了道路：培养以数据为中心的环境，您可以比竞争对手更有效地应对这一范式转变。 数据文化提高效率、信任和结果 强大数据文化的价值 虽然建立数据文化的旅程看起来令人畏惧，但有了正确的策略，您可以为数据和人工智能的成功做好规划。 本手册列出了建立数据文化的简单而有效的步骤。 它旨在帮助商业和IT领导者理解您的团队如何利用数据驱动的洞察力来改善决策制定，并最终从您组织中强大的数据文化中实现价值。 请记住，建立您的数据文化并不是线性的——它是一个不断发展的有机体。 这些步骤可以在您的数据文化逐渐形成和繁荣之后执行和重复。 在每一章中，您会找到一个案例研究以供启发，以及一个清单来帮助您实现目标。 你准备好为人工智能创建一个韧性基础，并通过建立数据文化来投资未来吗？让我们开始吧。 第一章： 你的战略始于你的团队 构建你的数据和人工智能战略 数据是每个人工智能战略的支柱——让更多人能够访问高质量、可信的数据是释放人工智能全部潜力的关键。而强大的数据文化可以通过为更多人提供正确的技术、流程和洞察，帮助整个组织实现数据驱动的成功。 8%同意或强烈同意人工智能的进步使数据管理成为高优先级战略。 解决方案 具有人工智能能力的数据治理核心组件 数据战略 为了弥补人工智能信任差距并增加数据在组织中的广泛使用，你需要制定数据战略。 建立数据战略将使你能够提高运营效率和收入来源。 释放可操作洞察的秘密在于将可信的分析与人工智能的力量结合起来。利用人工智能的力量，释放可操作洞察的秘密在于将可信的生成性人工智能带入整个平台。 变更管理（人员） 能力（技术）3 哪些平台和应用程序可以支持你的数据治理框架？ 你的组织中是否具备正确的技能？ 哪些智能、集成和可重用的工具有助于促进安全性、协作和行动？ 通过将分析和人工智能与具备数据技能的人结合起来 ，在你的工作流程中获取人工智能洞察，以最大化你的技术投资并发现推动商业战略和增强客户信任的机会。 你如何利用社区来建立能力和数据流畅性？ 你能否对基于人工智能的数据和分析采取行动？ 数据和IT领导者的前5大人工智能好处 1.更快的商业决策制定2.运营效率3.腾出时间进行有价值的工作4.自动化工作流程5.改善客户满意度 如何创建强大的数据和人工智能战略 有效的变更管理计划详细说明了你将如何在组织内吸引人员，以促进持续的意识、教育和强大的数据文化。 首先确定跨职能团队的成员，以形成你的指导社区或卓越中心（CoE）。你的团队将： 人工智能带来的变化太大，无法仅仅通过数据团队来处理，也太深刻，无法等到其他数据基础设施项目准备好后再开始更广泛的实施。 •确定业务目标或基准，以便数据和人工智能可以帮助提高生产力、改善客户理解、减少手动工作或推动有针对性的业务成果。•列出用例并选择快速胜利。•设定并对齐业务目标和绩效指标（OKR）。 业务部门将会变动。 参与变革总比试图孤立于外而失去与业务相关性要好。 在您建立此框架后，您可以创建一个变更管理计划，阐明您希望在整个组织中灌输的行为和信念。 首先，确保您的利益相关者参与并知道该做什么。然后，解决您将采取的具体步骤： 所罗门·卡恩创始人兼首席执行官，交付层及DLC顾问委员会成员 •培训您的社区以建立数据和人工智能能力•建立数据治理委员会•创建现实的数据成熟度模型目标•通过持续的反馈循环学习和改进 低客户参与度和数据信任 案例研究 摩根大通 客户们越来越多地将人工智能融入他们的日常生活，但他们对这项技术的态度却褒贬不一。 了解摩根大通这家全球金融服务公司如何在其员工中培养数据文化，以更快地创新，改善客户体验，并在高度监管的环境中做出基于洞察的决策。 %的公众对人工智能的非伦理使用感到担忧，63%的人对其偏见表示担忧。6 对人工智能信任的常见障碍 问题：断开的分析生态系统原因：数据孤岛和与工作流程的整合不良 您可以采取的步骤 问题：对数据和人工智能质量的信任度低原因：没有单一的数据真实来源 创建一个内部数据社区或卓越中心。 问题：不明确的数据所有权和问责制原因：未定义的数据治理职责3 在决策制定和业务流程中优先考虑数据。 问题：埋藏的洞察原因：数据可发现性低和基于角色的访问权限 3识别、理解并制定计划解决数据问题的根本原因。 问题：对数据和人工智能技能的需求原因：缺乏数据流畅性和采用 巩固数据治理的核心组成部分：框架、变更管理和工具。 实践数据驱动的行为：将您的数据、分析和人工智能与业务成果对齐。 6加入数据领导力合作组织（DLC），该组织汇聚领导者以连接、学习并相互帮助建立数据驱动的组织。 数据文化手册 第二章： 弥补技能差距并提供可信赖的工具 赋能团队实现数据的价值 要充分利用数据，仅仅依靠技术是不够的。在各个层面上促进数据流畅性，使人们能够有效地使用可信的数据和人工智能工具，从而应用可操作的洞察并改善他们的决策制定。 %今天的领先雇主中，有多少已经将这一关键技能建设纳入其企业战略。 根据IT领导者的说法，组织面临的挑战是缺乏人工智能人才和技能。 数据文化手册 解决方案 持续学习 您的整个员工队伍是否具备实现数据价值所需的技能、工具和好奇心？很可能没有。首先评估员工知识中的技能和差距，这可能会影响他们做出基于洞察的决策的能力。 领导层的共识在评估当前技能和识别员工需求方面至关重要，以确定有效使用数据的关键所在。 变更管理是促进员工技能和能力的关键组成部分。毕竟，投资于数据和人工智能工具并不能确保您的员工具备使用它们的技能。 这就是培训和发展的重要作用所在。 通过培训、教育和数据社区参与的持续学习，确保您的员工具备使用工具所需的技能。 这是一项持续的投资，应与您的企业战略完全对齐。 通过将用例与员工能力对齐，审计和评估您的员工和组织在数据分析和人工智能技能方面的需求。 例如，您期望产品经理具备哪些数据和人工智能技能，而不是财务分析师？ 您可能想要创建一个矩阵，显示基于推动数据成熟度的数据文化行为的当前和未来（理想状态）员工技能（在第3章中描述）。 能战略相一致的人才。将其视为一个两步过程。 首先，您需要提升当前员工在数据流畅性和人工智能能力方面的水平。其次，您希望招聘和雇用与您的数据和人工智 创新解决方案还可以帮助您更快地解决数据技能差距，并覆盖所有团队。 您可以在Tableau解决方案中使用人工智能，例如Tableau Pulse，以实现数据分析的民主化，并简化大规模洞察的消费。 它加速了价值实现的时间，并通过智能建议和产品内指导减少了数据分析师的重复任务。 了解我们的人工智能是建立在爱因斯坦信任层之上的，您的组织能够获得可信、伦理和开放的人工智能驱动体验，而不会妥协数据安全和隐私——这在您扩大分析和人工智能的访问权限并培养数据技能时至关重要。 60%有领导者表示，人工智能和自动化的兴起将使数据安全技能变得更加重要。 投资于技术和数据访问 案例研究 Staysure 最大化分析投资并利用数据的变革潜力意味着每个接触数据的人——无论其技能水平如何——都能发现洞察并采取行动。 您的团队不再依赖直觉或感觉，而是积极寻求在决策制定中使用数据。 促进用户教育，衡量采用和参与度，并增加组织内的分析使用，以支持基于洞察的决策。 了解Staysure如何使用Tableau Cloud打破碎片化的数据孤岛，消除瓶颈，并鼓励数据探索和分析流畅性。 人工智能能力通过在几秒钟内为您的仪表板添加自动化、通俗易懂的解释来赋能您的团队。 这帮助您在动态可视化中发现洞察背后的“原因”，使深入探索成为可能。 通过代理提供的自主人工智能为每个人带来了透明预测和建议的信任和信心。 您可以采取的步骤 审计和评估您的员工和组织在数据和人工智能技能方面的需求。 此外，Tableau中的人工智能为您的员工带来了可信的生成式人工智能。Tableau使用数据掩码工具剥离由大型语言模型处理的敏感数据，而Salesforce从不在其平台外存储专有数据，也不使用这些数据来训练大型语言模型。响应不仅会被扫描以检测有毒性和偏见，并进行合规性审计，而且所有提示和生成的响应在外部模型处理提示后会立即被遗忘。 在考虑您的需求时，一个有用的目标是确保整个生成式人工智能过程是安全、可靠和可信的。 制定一个可行的人才管理计划，以便于招聘、留住和提升技能。 3投资于为您的员工提供正确的工具和数据访问。 建立一个实践社区，帮助人们与他人互动并学习数据和人工智能。 数据文化手册 第三章： 创建支持您数据成熟度的流程 推进你的数据成熟度 您的企业正在走向数据成熟度的道路。 数据成熟度要求您识别最佳实践，以确保您准备好利用人工智能。 报告高数据成熟度的受访者是倍更可能拥有使用人工智能所需的高质量数据。¹⁰ 根据《福布斯》的说法，数据成熟度是衡量一个组织使用数据的能力，以及该组织如何利用这些能力的标准。 当一个组织数据成熟时，意味着它可以部署其数据资源以实现一系列目标。 在许多情况下，这不仅意味着做出数据驱动的决策，还意味着使数据资源在整个组织中更易于访问。 数据成熟度和准备状态的关键在于向右上方移动成熟度曲线的类比，推动更好地利用和为人工智能做好准备的能力。 Tableau客户看到定制生成和预测模型的创建速度提高%。¹¹ 解决方案 数据成熟度最佳实践 数据成熟度定义和模型 要在您的数据成熟度路线图上取得进展，请考虑实施以下最佳实践： 您利用人工智能的能力取决于您组织的行为和数据能力。