数据协同：与现代数据平台协调一致

内容数据协奏：用现代数据平台编排和谐简介设定场景：现代数据智能平台在数字核心中的作用调整您的仪器：实现数据就绪指挥管弦乐队：对现代数据智能平台的需求创新交响曲：一款现代数据智能平台的应用结论：用现代数据智能平台驾驭未来 030407101215版权所有 © 2024 Accenture。保留所有权利。 2 引言生成式人工智能（生成式AI）正在变革各行业，推动前所未有的创新水平，并改变企业运营方式。然而，贵公司已准备好迎接生成式AI了吗？组织不仅需要海量数据，更需要一个整合所有组件的平台。正如管弦乐队需要指挥一样，企业需要统一现代化的数据平台来释放生成式AI的全部潜力。没有这个平台，生成式AI的承诺将无法兑现。47%的CXO表示数据准备是应用生成式AI的最大挑战。 一个坚实的基础数据和人工智能就像音乐会中完美调音的乐器。它确保了最宝贵的业务资产之一——专有数据——成为一种竞争优势。通过正确的设置，企业可以解锁新的增长、创新和效率的机会，使通用人工智能的潜力和谐成为可能。1 设置场景：数据协奏：用现代数据平台编排和谐现代数据智能的角色数字核心中的平台 所以，究竟什么是数字核心？它是与技术合作和思考的新方式。它允许一个组织有效地表达其技术组件，从而实现持续创新和运营卓越。在当今快节奏的数字环境中，实现重塑准备状态对于旨在保持竞争力和利用生成式AI变革力量的组织至关重要。数字核心整合了关键技术组件——数字平台、数据和AI骨干以及云优先的数字基础——确保组织技术栈的无缝运行和增长。这个核心驱动着组织创新、高效扩展运营以及快速应对市场变化。 版权所有 © 2024 Accenture. 保留所有权利。 5数字核心由几个相互作用元素组成：数据与人工智能技术将原始数据转换为可操作的洞察。一个强大的数字基础包含云基础设施、组合式集成、全面安全措施和控制平面。根据埃森哲的研究，拥有成熟数字核心的公司不只是跟得上变化——它们正在设定标准。这些组织位于前25个百分位数数字核心指数,该指标用于衡量组织的技术成熟度水平，通过使用生成式人工智能重新设计两倍多的功能，并预计将比同行创造两倍的价值。这些数据强调了强大数字核心的影响：对于任何希望成为变革准备就绪并充分利用生成式人工智能潜力的公司来说，这是必不可少的。2数字平台通过整合各种应用程序和服务来开启新的商业机会并推动增长。 尽管结构化数据长期以来一直是决策的核心，但非结构化数据——从文本和视频到音频——可以解锁更丰富、更具上下文洞见的见解。非结构化数据具有如此大的潜力，因为它为公司业务提供了一个真实、未经过滤的表示。合适的数据智能平台使组织能够打破数据孤岛并获得更全面的视角，确保这两种类型的数据都被使用。一个统一平台可以将专有数据提升，从而为顾客、产品以及运营提供深入的洞察。埃森哲的分析表明，通过这三大原则——构建、提升和平衡——推进其数字核心的公司，实现更高收入增长的可能性比同行高60%，实现盈利能力改善的可能性高40%。这种60:40效应突显了对于力求成为转型就绪并能充分利用生成式AI带来的机会的公司来说，一个构建良好的数字核心是多么关键。 数据协奏：用现代数据平台编排和谐加大创新战略投资。平衡技术债务以保持灵活性。每个元素都至关重要，投资于现代数据智能平台对于推进所有三个方面都至关重要一个强大的数据平台不仅支撑着数字核心，确保数据可访问且可靠，而且使组织能够有效利用生成式人工智能，推动创新，并在其运营中保持敏捷性。实现变革准备状态——即组织能够在快速变化的环境中持续适应、创新和蓬勃发展——取决于一个构建完善的数字核心。有三个基础信条支持这种准备状态：建筑一个针对特定业务需求的行业领先数字核心。 数据协奏：用现代数据平台编排和谐调整你的乐器：实现数据就绪状态 版权所有 © 2024 Accenture. 保留所有权利。 8公司需要整合良好且负责任地治理的数据，才能充分发挥生成式AI的作用。 一个现代数据智能平台促进这种集成，打破信息孤岛，并为组织运营提供全面的视图。增强可访问性和集成性能够生成可行的见解，使整个企业能够做出明智的决策。埃森哲的研究发现，表现最好的公司在云中存储其数据的可能性是其他公司的2.4倍。4数据准备还无缝地将这些不同的数据源整合到一个协调的生态系统中。同样重要的是，拥有一个现代化的平台，它不仅存储和管理数据，还确保数据具有高质量、良好集成和易于访问。在结构化数据之外，越来越需要从非结构化数据中提取价值，例如客户互动或实时媒体流，这些数据可以提供更深入的商业洞察力。为了释放非结构化数据的潜力，必须通过扩展数据架构、安全和治理来使其更加可用，从而使非结构化数据在整个业务中更加易用。 数据协奏：用现代数据平台编排和谐质量至关重要，涉及几个关键因素：重塑准备的核心在于数据准备。组织必须在尝试释放生成式AI的全面潜力之前，确保其数据得到充分准备和协调。数据准备并不仅仅是关于数量——它关乎质量。•一致性减少错误并确保无缝数据集成。•及时性保证了数据保持最新和相关。数据质量差会导致基因人工智能结果错误，并损害整个计划.数据•完整性确保所有必要的数据可用于分析，防止结果出现偏差。强调数据质量问题Gartner研究是导致人工智能项目失败的主要原因，如果得不到解决，会对企业造成巨大损失。随着预测到2025年底，由于数据质量和准备就绪问题尚未解决，30%的生成式人工智能计划将在概念验证阶段停滞不前，这一挑战变得更加明显，组织难以过渡到全面实施。3 数据治理：构建坚实数据基础的钥匙强大的数据治理确保安全、合规和持续的数据质量。同样重要的是确保数据在正确的时间为正确的人提供访问。组织中的每个人不一定有完全相同的数据需求，因此访问级别必须定制，以确保员工在不影响安全的情况下获得所需信息。采用基于开源技术的数据架构增强了灵活性和创新性，允许外部和内部数据源的顺畅集成。此外，对员工进行技能再培训和技能提升至关重要，以确保他们能够有效使用新的AI工具，并适应新的数据治理实践。清楚 常规数据维护（如清理和更新数据）能确保信息在一段时间内保持准确和相关性，但这只是开始。生成式人工智能可以生成新的合成数据，使企业能够在无需真实数据收集相关的高昂成本的情况下探索多种场景。连续数据监控有助于在问题影响人工智能驱动的计划之前主动解决这些问题。管理这些要素的政策和程序建立信任，使企业能够自信地使用新的AI。 一个强大的治理框架允许企业建立对其数据的信任——这对于做出自信、明智的决策以及实现生成式AI的全部潜力至关重要。 数据协奏：用现代数据平台编排和谐指挥乐团：对现代数据智能平台的需求 这些机会并非没有风险。在当今复杂的监管环境中，安全与合规至关重要，而生成式人工智能带来了新的挑战，尤其是在数据治理和安全方面。安全措施确保运营得到保护并符合法规要求。这对于管理敏感信息的组织尤为重要，因为信任和遵守法律标准对长期成功至关重要。正确的解决方案使组织能够利用生成式人工智能的力量，并实现更广泛的企业目标，包括推动创新、减少技术债务，以及促进数字时代的持续重塑。一个协调良好的系统能够解锁这些成果，使企业在快速变化的技术环境中蓬勃发展。生成式人工智能能够启动数据准备。将生成式人工智能应用于当前的数据流程可以增强数据供应链的各个方面，从捕获到消费。用例包括帮助总结和分类业务数据需求，自动生成设计文档、测试用例和数据，以及生成工作簿和部署脚本。合适的堆栈提供了超越传统系统和工作缓慢方法的机会。 数据协奏：用现代数据平台编排和谐公司还必须对架构投资用于创建、使用和管理这些数据的运营模式产品：需要一个先进的数据基础设施为了协调当今数据的复杂性该基础设施支持运营效率和发展，并集成高级分析，为商业提供数据驱动的洞察。其灵活性使其能够适应不断变化的需求，支持各种数据类型和来源，并确保基础设施随时间推移的相关性。随着数据需求的增长，可扩展性变得至关重要。然而，公司越来越关注成本不断上升。企业必须在保持性能的同时有效管理成本。数据智能平台应提供成本管理工具、使用情况的可视性以及资源优化功能，使组织能够在保持预算控制的同时有信心地进行扩展。风景。该系统确保数据被收集和整合，推动整个企业范围内的创新和明智决策。跨职能数据访问打破界限，为组织开辟新的工作方式。当企业的每一部分都转变为使数据可用，将其视为一个安全、易用且能提供可信见解的打包产品时，这一点即得以实现。 数据协奏：用现代数据平台编排和谐创新交响曲：一个现代数据智能平台正在运行中 为了克服这个问题，电信公司转向了生成式人工智能，利用由Databricks提供支持的庞大语言模型（LLM）。这些模型在超过10万个客户通话、详细的通话计划以及人类参与的、包含结构化和非结构化数据的设备识别数据集上进行了训练，以微调模型。通过此次部署，公司正在将其客户服务运营转型——这是Databricks数据智能平台如何推动业务创新的范例。该平台的可扩展性、强大的安全功能以及集成高级分析能力对这一革新至关重要。Databricks 提供了关键的基础设施来管理和扩展这些模型，确保它们能够实时处理大量数据并提供可操作的洞察。Accenture 的生成式人工智能、电信和呼叫中心专家与 Databricks Mosaic ML 平台的结合，产生了一个能够以客户面对面的精度理解对话的生成式人工智能模型，对话处理速度提高了90倍，并揭示了之前未知的呼叫驱动因素和代理行为的新理解。 该平台的车库架构尤为重要。通过融合数据湖的灵活性以及数据仓库的可靠性和性能，Databricks使组织能够集中管理其数据，减少对多个系统的需求，从而实现更精简的操作和管理。这种集中化对于旨在利用生成式AI的企业至关重要，它确保数据易于获取、得到充分治理，并准备好用于高级分析和AI应用。在当今技术驱动的市场中，用于管理数据和人工智能的全面解决方案看起来是什么样子？databricks 提供了一个引人入胜的例子现代数据智能平台体现了在当今数字环境中蓬勃发展所需的本质特征。Databricks旨在管理整个数据和AI生命周期，与多个云环境无缝集成，提供开放统一的支持数据管理及AI驱动计划的平台。一个展示 Databricks 有效性的事例是其在电信行业的应用。一家主要的电信公司解决了从其客服中心的海量客户互动中获取洞察的挑战。他们之前的技术难以在客户需求需要快速和精准了解的行业中提供所需的分析速度和深度。 埃森哲已采用Databricks来增强其AI助手解决方案的性能，例如保险公司或金融服务客户所使用的那些解决方案。通过利用开源模型和Langchain集成，这些助手可以为顾客查询提供精确的、内容丰富的回应，从而减少等待时间并提高运营效率。该方法还支持实时个性化，确保互动能够根据个别用户的需求进行定制。除了外部部署，埃森哲还在其自身的AI项目中广泛利用Databricks。一个关键例子是整合了Databricks先进的检索增强生成（RAG）功能，这些功能对于实现可扩展、上下文感知的AI解决方案至关重要。通过Databricks平台，埃森哲生成式人工智能工作室利用Databricks向量索引为其AI驱动应用创建了一个强大的检索系统。这项技术允许无缝管理大型数据集，结合了Databricks的数据基础设施和智能模型编排。 通过这些努力，埃森哲已经能够转变其交付人工智能驱动解决方案的方式，这些解决方案针对速度、可扩展性和安全性进行了优化——同时保持所需的灵活性，以适应不断变化的客户需求。此外，在Databricks中，湖屋架构在确保数据治理和安全方面发挥着关键作用，这对于扩展AI系统至关重要。埃森哲使用Databricks的Unity Catalog来控制对敏感数据的访问，采用了一个经过优化的索引系统，在增强安全性的同时，确保了决策所需信息的可用性。 数据协奏：用现代数据平台编排和谐结论：用现代数据智能平台驾驭未来 展望未来，认识到其数字核心关键重要性的企业，以及支持它的现代数据平台，更有可能蓬勃发展。这些公