根据一项最近的调查在美国,接受调查的公司中,近100%都表示投资了人工智能、机器学习和自动化。然而,这只是第一步。对于这些组织来说,要从这些投资中获得业务价值,他们必须进一步将分析集成到他们的文化中,并加速数据驱动的洞察,以便能够在几分钟而不是几天内做出决策。

随着公司进入下一阶段的分析增长,有一些重要的问题需要考虑,我们概述如下:

你计划解决哪些业务问题?

这个问题听起来很简单,但有时候公司的利益相关者与问题并不密切相关,因此不适合回答这个问题。这就是为什么要找到源代码并确保那些最熟悉手头业务问题的人能够清楚地说明它以及他们希望通过项目实现什么。从那里,领导者可以更好地理解根本原因和驱动因素,并围绕结果设定指标。

你投资了多少人?

一旦目标确立,公司必须决定如何分配资源。如果业务问题需要高度的分析技能,也许在特定于数据科学的团队中进行少量投资是合适的。但一般来说,让广大的知识型员工具备分析技能,是在整个组织中推动数据成熟的更有效策略。想了解更多关于这些“公民数据科学家”的重要性,请参阅之前的这篇文章创新顶点职位

谁来领导这项工作?

做好数字化转型不仅仅是一个技术问题;这也是一个变革管理过程。公司需要选择一个项目领导者,他将推动整个组织的努力,同时帮助实施最佳实践和鼓励创新。另一个关键的考虑是考虑员工如何看待这个变化,它将如何影响他们的日常工作,以及为确保这个过程顺利进行而应该做出的任何变化。

你如何衡量成功?

你希望从你的数据科学项目中获得什么?是收入增长、效率提高,还是知识型员工数据技能的提高?无论期望的结果是什么,重要的是要弄清楚你期望从投资中获得的回报,以及你将如何衡量它是否成功。只要有可能,就制定高水平的目标,使其能够在整个公司产生更大的变革性影响,而不是在一个领域内的单个项目。

解决方案评审了解更多关于上述考虑的内容,以及它们如何让你的分析项目获得成功。