2025年数据人工智能行业市场前景及投资研究报告：数据AI转型.pdf

摘要

第一章

人工智能的崛起：是时候扩大规模并实现治理工业化了。4

1.工业化人工智能

2.大规模通用人工智能：超越试点，实现机遇

5由生成式AI提供73.AI治理：应对所有潜在问题的复杂性增加94.大规模的数据/AI同化，以加

速创新并为未来做准备12

第二章

解锁数据的全部潜力。13

5.一个联邦组织，用于统一数据相关的角色、标准和

14个实践6.尽可能民主化数据的使用，让尽可能多的人使用数据

177.数据讲述，或使数据自我发声的艺术

20

第三章

数据治理和质量仍然是关键关注点。21

8.成功结合数据质量和数据可观察性

2224

第9点：非结构化数据的治理：组织面临的一个日益增长的问题

第10点：系统化测量数据产生的价值

25

...以及接下来是什么？通过将人才置于变革的核心来为未来做准备。

...以及接下来是什么？通过做好准备工作来迎接未来27

以人为本的转型

2

数据与人工智能：2025年我们预期会

看到什么？

2024年对首席数据官/人工智能领导者来说是一个充满挑战的一年。

其中现在也担任首席数据与人工智能官，以及他们的团队。

人工智能，尤其是生成式人工智能的兴起，增加了执行委员会（ExCom）对数据与人工智能领域的兴趣，而不断变化

的法规使得首席数据官面临解决多个挑战的压力。他们必须在应对这些新兴优先事项的同时，出色地完成其传统角色

：确保公司最大限度地发挥其数据资产的价值，以增强业绩、决策力和竞争力。

为了帮助您制定到2025年（及以后）的战略和路线图，Wavestone已分析了塑造首席数据官日常职责的主要趋势

以及他们在未来几年将面临的核心挑战。

Wavestone支持各大公司和公共机构在所有地理区域内的CDOs/AI领导者。本图反映了在过

去一年中进行的任务以及所有公司数据与AI专家观察到的变化。因此，我们已经确定了未来期间十

大热点话题

3

人工智能的兴起：

时间进行扩大规模

并且工业化

治理

4

第一章

1.工业化人工智能

尽管人工智能在以下方面有所上升：

商业世界，大约85%的AI项目仍然失败。

达到生产阶段。此数值略有降低

但是仍然相对较高，

并且只有最成熟的组织才能管理

将其大幅降低。

为了将人工智能项目全面推向生产并整合到业务流程的第二个挑战在于配送实践机器学习模型仅仅不足以实

核心，公司正在重新思考它们的运营模式。挑战双方面现价值；它需要为在生产环境中的部署而设计。过于常

：见的是，模型创建与部署分离，专为实验设计。没有设

计权限，没有开发框架，没有自动化任务，没有版本控

制。朝着人工智能工业化发展意味着部署部分自动化模

→定义一个组织角色和职责，提供在整个产品生型和基础设施管理实践，这些实践是为生产使用而设计

命周期中自主交付产品所需的所有技能；