人工智能、数据分析与自动化.docx

人工智能，数据分析与自动化* ? 如何管理分析、商业智能和数据科学工具组合 企业机构要将数据科学和机器学习能力纳入其分析和商业智能工具集中，同时避免冗余和功能重叠。本研究为数据和分析领导者介绍了如何制定合适的工具管理战略来推动创新、改进分析需求和实现规模经济。 中国的首席信息官（CIO）通常肩负一项隐性职责，那就是管理数据和分析工具组合。他们在进行分析、商业智能（BI）和数据科学投资时，通常只从 IT 价值角度进行阐述，而非优先考虑业务成果。相关解决方案也更倾向于战术层面的部门部署，而非从战略层面支持整个企业的决策。由于传统和新型工具并存，中国企业普遍采用了多重标准，从而使工具管理的难度和复杂度也随之增加，不利于推动创新和实现业务价值预期。多种分析、BI、数据科学与机器学习（DSML）技术并用的情况也遍布全球，这种方式有其优势，但需要辅以有效的组合管理流程。 主要挑战： 分析、BI、DSML 产品在功能上存在重叠，使得数据和分析领导者很难选择合适的工具集。这造成用例与功能部署的不匹配。 数据和分析领导者往往很难跟踪企业机构的 BI、分析和 DSML 工具使用数量，并区分其中的功能重叠。这导致了不必要的维护和许可成本支出。 很少有公司为分析、BI 和 DSML 技术建立正式的规划、引进、监测和淘汰流程。这造成了碎片化和孤岛。 现有分析和 BI 工具限制了企业机构的分析创新能力。 建议： 改变企业机构对于分析、BI 和 DSML 工具的认知，将这些工具作为整体组合进行管理。 初步评估当前所用工具的生命周期，淘汰或升级现有解决方案。 1 信息化前沿动态简报 （总第 3 期） 将工具、能力和业务目标与分析模块相关联，以避免冗余。 平衡效率和创新，根据 Gartner 层级递进应用模型匹配分析模块。 基于分析能力，确定评估工具的方法。 成立指导委员会，共享成果，并建立定期评估机制，推动企业层面的业务成果。 ? 用会话式 AI 中间件构建聊天机器人和虚拟助理 会话式 AI 中间件是一种可以延展、增加甚至取代会话式平台功能的软件。 负责协调和整合各种策略性解决方案的应用领导者，需要了解创建或购买这类中 间件的必要性以及时机。 会话式平台市场与其他 IT 产品市场最大的区别在于三个方面：对语言的依 赖（例如方言或英式/美式英语）、人工智能（AI）的可扩展性（例如各个垂直行 业的专用语），以及技术提供商的成熟度（对话以外的能力，例如用户情绪感知）。 企业在部署聊天机器人和虚拟助手时，可以利用对话式 AI 中间件，平衡上述三 个方面的技术落差。 影响： 在会话式平台市场中，技术巨头主要提供面向开发人员的商品化会话式平台，而小型厂商则提供功能性和专业性更强的解决方案。作为这两种平台的桥梁，会话式 AI 中间件构建于会话式平台之上，可以提供额外的能力，努力实现二者的完美对接。 随着企业越来越多地将聊天机器人和虚拟助理应用到各种用例和领域中，一个旨在整合与协调通用平台部署的市场应运而生。 会话式平台的 AI 能力迅速发展，催生出一个策略性解决方案市场，以保护企业对培训意图和会话设计的投资。 建议： 为了保护企业在聊天机器人、虚拟助理等 AI 平台方面的投资，应用领导者应： 购买或创建会话式 AI 中间件，支持多个会话式平台的后端运行，避免平台过早标准化。 2 信息化前沿动态简报 （总第 3 期） 基于通用会话式 AI 中间件，在所有用例中落实聊天机器人和虚拟助理。 利用卓越中心（COE）甚至专门的 AI COE，集中开发、维护和培训聊天机器人与虚拟助理，使通用平台实现最大程度的协同。