Chris Royles，Cloudera的首席技术官：人工智能和数据分析的融合如何加速客户服务和数据驱动的决策，以促进业务发展。

人工智能正在起飞。 根据埃森哲的报告，84%的企业高管认为他们需要使用人工智能来实现增长目标。 人工智能和大数据分析融合的主要好处是，它可以帮助组织实现显著增强的客户服务。



人工智能在数据和分析中的相遇能够生成洞察力，自动化流程，提供预测并推动行动，从而获得更好的业务成果。 通过使用人工智能来支持数据和分析，企业可以更全面地了解其运营，客户，竞争对手和整个市场。

这种总体视图使企业能够深入了解客户行为，确定用户活动的趋势，并做出有效的数据驱动决策。 这是一个快速发展的领域，它提供了传统数据分析师在速度，规模和粒度方面无法实现的功能。

如果你想了解企业数据管理和分析，那么你需要找一位在该领域既有学术经验又有实践经验的首席技术官。

Chris Royles是Cloudera的欧洲、中东和非洲（EMEA）领域首席技术官。他通过数据应用帮助组织创新，在受监管的行业和对数据隐私至关重要的组织中工作。

他说：“我的重点是开发迁移到企业数据云的技能和方法。 EMEA是一个多样化的地区和行业，因此我有幸与许多在业务的不同领域使用数据和人工智能的组织进行了交谈。”

他还拥有人工智能博士学位，并表示最近“很高兴人工智能变得越来越主流”。

有效应用人工智能和机器学习来分析大量数据：获得可操作的商业洞察力

在Cloudera，他们一直认为数据是获取可操作洞察力的基础资源。ChatGPT等服务提高了人们对人工智能及其潜在商业效益的意识并引发了相关讨论。Royles表示：“为了真正从生成式人工智能和大型语言模型的创新中获益，企业应该使用现有的开源基础模型来增强与自己的可信和私有企业数据的对话。我们称之为企业人工智能，以及开放数据湖如何支持企业及其客户可以信任的企业人工智能。”

为了实现规模化的人工智能和推动数字业务转型，Royles建议企业必须能够在管辖范围内确保和治理所有数据，无论这些数据位于何处。“通过建立一组可信信息，企业可以利用它来支持用户互动。为了建立信任，服务还必须及时更新，并能够实时响应变化。”

实施人工智能驱动的数据分析项目面临的挑战—以及应对这些挑战的策略

实施人工智能驱动的数据分析项目存在几个挑战，企业必须有针对性地解决这些挑战。

Royles认为，让研究和原型从实验室转化为实际应用是成功的最大障碍。他说，通过清楚地访问原材料以及构建人工智能服务的过程，使其变得容易，与利益相关者就它真正意味着什么的问题进行交流是很重要的。“例如，Cloudera将我们的研究和模式打包成应用机器学习原型（AMPS），企业可以通过点击几下将其部署到自己的系统上。”

他说，能够在所需的并行计算和GPU资源上扩展推理、微调和训练，对于从业人员来说必须是固有的能力，并且企业有权选择在公共或私有云上提供这些资源的方式。

他说：“通过强有力的治理和高持久性来确保数据的可信性非常重要，这需要在数据治理实践和可靠的数据收集方面进行投资。”

“通过增强的可解释性，企业可以采用可解释的人工智能技术，提供对模型决策的透明度和洞察力。还可以通过全面审计人类与模型的交互方式来帮助理解和微调模型本身，并推动持续改进。这通常被称为建立数据循环。

“最后，推动采用需要有效的变革管理工作，包括全面的员工培训和培养数据驱动型文化。通过积极应对这些挑战，企业可以成功实施人工智能驱动的数据分析项目，获得有价值的洞察力，并在决策过程中获得竞争优势。”

人工智能和分析如何帮助企业做出数据驱动的决策：将人工智能集成到决策过程的最佳实践

Royles表示，人工智能和数据分析为企业提供了进行数据驱动决策的能力。他说：“要有效地将人工智能集成到决策过程中，应该遵循一些最佳实践。”他说第一个是必不可少的，就是明确决策过程的目标，并明确人工智能和分析可以解决的具体问题。企业必须清楚他们希望的结果是什么。

确定并达成共识后，他们必须确保数据质量和可访问性。这包括实施数据治理实践，验证数据来源，并建立健全的数据集成过程，以确保获取相关、准确和最新的数据。

促进协作也很重要。如果企业可以促进相关团队之间的合作，他们就可以确保人工智能模型和分析与业务需求和目标保持一致。这种跨学科的合作将有助于开发合理的、有意义的和可操作的洞察力。这可以通过小型而专注的人工智能项目，并根据反馈和洞察力进行迭代来实现。

完成这些后，企业可以逐渐扩大规模，纳入更多的数据源，并扩大分析应用的范围。通过遵循这些实践，企业可以有效地将人工智能集成到其决策过程中，实现数据驱动洞察力和明智的战略决策，推动业务成功和竞争优势。Royles最后说：“最后需要警告的是，如果一个人工智能服务过于缓慢、准确性较低或者响应方式不增加价值，用户将很快对其失去信任，而恢复信任将非常困难。”

 

来源：https://aimagazine.com/articles/ai-the-turbo-engine-accelerating-the-vehicle-of-data-analyt