也就是说，为了从数据中获得价值，以建立一个更好的组织，你必须有正确的系统、正确的人员、正确的流程，更重要的是，要有正确的心态。在深入研究数据科学、机器学习、人工智能之前，组织领导的职责是确保他们已经为人工智能做好准备。
哈佛商业评论分析服务公司的这篇新报告强调了人工智能在企业成功的五个关键要素，人工智能和机器学习。这些策略基于对首席信息官、首席营销官和其他数字领导者的访谈，旨在帮助领导者建立一个真正的基础来成功地部署人工智能。报告建议将重点放在这些关键领域，为组织中成功实施人工智能打下基础：
•探索商机
•评估企业的数据需求
•检查企业的基础设施
•确定人才或供应商需求
•为不可避免的风险做好准备
以下了解一下这些领域：
1.探索商机
为了让自己为人工智能/机器学习实施取得成功，如果企业从已经熟悉的业务问题开始，它可以发挥重要作用。当开始使用人工智能/机器学习计划时，可能会有很多诱惑要采取一个大胆的大项目来“证明”企业的人工智能技能。
如果企业没有尝试解决现有的业务问题，请不要在数据、机器学习和人工智能上花费时间和金钱。它也不一定是个大问题，可能是一个小问题，企业已经尝试解决一段时间或更大的问题已经有解决方案，但将受益于人工智能的应用。此外，需要查看重复性任务和IT自动化，因为它们始终可以从人工智能的应用中受益。
2.评估企业数据需求/检查基础设施
这两个主题高度相关，因为数据和基础设施通常是相辅相成的。重要的是要强调企业必须考虑数据的整个生命周期——从摄取到消费。如果企业拥有出色的数据捕获流程和系统，但不能轻松访问数据，那么就错过了该数据的价值。正如Discover公司高级副总裁兼首席数据官Akshay Kumar在HBR报告中所说：“这不仅仅是创建一个数据湖并将数据移动到云端……实际上，企业必须使其易于访问和使用。”
3.确定企业的人才或供应商需求
现在很容易找到一个自称为“数据科学家”的人。似乎每个人都想进入数据和人工智能的世界。其中许多人非常擅长数据分析、编程和构建模型；但他们往往缺乏一些商业头脑和经验。在填写人工智能人才名册时，请记住这一点。
据该报告称，拜耳作物科学公司高级副总裁兼首席信息官兼数字化转型主管JimSwanson一直在招聘在作物科学领域具有领域经验的数据科学家，而不仅仅是具有纯数据科学背景的人。这使得拜耳作物科学公司能够与了解基础业务问题以及数据科学问题的人员一起构建他们的数据科学团队。即使企业是依靠其供应商为企业带来人工智能的专业知识，报告正确地指出，企业将需要一些人工智能人才在内部，“如果只知道要问什么问题，要找什么提供商，以及如何测试他们的主张。”
4.为不可避免的风险做好准备
当人们讨论人工智能时，他们很少谈论人工智能所涉及的风险——而且有许多潜在的风险。企业不仅存在数据风险和偏见风险，而且还存在可能损害组织声誉的法律、道德、财务和其他风险。任何想要进入人工智能的组织都需要为不可避免的风险和即将出现的问题做好准备，并制定计划处理这些问题。
5.企业数据库是否运行正常？
为了准备好与人工智能一起工作，组织必须解决这五个关键领域。如果没有确保数据准确性和数据治理的前期工作，确保您的基础设施到位以处理数据和处理要求，并准备好处理“数据项目出错”的结果，企业将无法像应该的那样做好接受人工智能的准备。
