在當今動蕩的商業(yè)環(huán)境中，市場條件日趨復雜，而整理和挖掘數(shù)據(jù)以推動基于分析的決策的措施對于組織來說不再足夠。為了提高競爭力并減輕損失，很多組織正在迅速地將數(shù)據(jù)實現(xiàn)貨幣化，特別是在人工智能(AI)的刺激下。事實上，新興的人工智能正在幫助具有前瞻性的公司實現(xiàn)和維持真正的敏捷性，推動增長，并比以往任何時候都更具競爭性。

[[358066]]

人工智能對于實現(xiàn)這些目標至關重要，而且可以進行恰當?shù)念A測，這對準備和應對潛在危機方面至關重要，因為目前冠狀病毒疫情仍在全球很多國家和地區(qū)蔓延。事實上，調(diào)研機構(gòu)Gartner公司最近將“更智能、更快、更負責任的人工智能”列為其第一大趨勢，尤其是那些希望進行必要的投資為疫情結(jié)束之后做好準備的組織。除了應對疫情之外，Gartner公司還強調(diào)了人工智能將會帶來多大的影響，并預測說：“到2024年底，75%的企業(yè)將從人工智能試點轉(zhuǎn)向運營人工智能，將推動流數(shù)據(jù)和分析基礎設施增長5倍。”

Gartner公司副總裁兼分析師Rita Sallam說：“要想在后疫情時代進行創(chuàng)新，數(shù)據(jù)和分析領導者需要在處理和訪問方面不斷提高分析速度和規(guī)模，才能在前所未有的市場變化中取得成功。”

但是，采用機器學習(ML)和自然語言處理(NLP)之類的人工智能技術(shù)來收集見解并進行預測，已經(jīng)不足以完成任務，尤其是對于那些希望在全球范圍內(nèi)有效競爭的組織來說。如今的組織必須努力建立一種由人工智能驅(qū)動的數(shù)據(jù)素養(yǎng)的文化，這種文化直接并積極地影響他們的收入和利潤。

CLOUDSUFI公司創(chuàng)始人兼首席執(zhí)行官Irfan Khan說，“為了幫助關注數(shù)據(jù)貨幣化的企業(yè)更好地面向未來，確保其業(yè)務運營并資產(chǎn)擴大其數(shù)據(jù)價值鏈，有幾種實現(xiàn)和提升機器智能的關鍵方法，以使其比過去的協(xié)議更加智能、更快和更具責任感。”CLOUDSUFI公司是一家人工智能解決方案提供商，致力于構(gòu)建自動化數(shù)據(jù)供應鏈，推動并實現(xiàn)數(shù)據(jù)貨幣化。

Khan詳細介紹了利用人工智能數(shù)據(jù)驅(qū)動的見解和技術(shù)的五個好處，以創(chuàng)造實際的價值，這種洞察力可以推動新的和不斷發(fā)展的業(yè)務模型，并使組織能夠增加收入和盈利能力。

1. 展現(xiàn)新的市場機會

如今的機器學習功能使人們能夠以前所未有的速度瀏覽以前無法訪問的數(shù)據(jù)。當前的技術(shù)提供了機會來分析圖像、語音或書面輸入，而不僅僅是數(shù)字，從而幫助組織更好地在這些不同的數(shù)據(jù)集中找到聯(lián)系。這可以通過多種方式產(chǎn)生價值并將其最大化。它不僅可以顯著減少支出，而且還可以創(chuàng)造新的市場機會。以冠狀病毒疫情為例，該算法可快速篩選大量數(shù)據(jù)，以識別出相似的疾病和可能的治療方法，從而使這些方法易于針對冠狀病毒進行測試。

機器學習的進步還幫助組織更好地利用其數(shù)據(jù)獲利并建立新的收入來源。當然，在上面的例子中，患者信息不會以任何方式共享或出售，但是可以收集到其他非常有價值的數(shù)據(jù)點。這包括確定某種藥物只對特定年齡段的人群有效，這對藥物開發(fā)人員和醫(yī)生至關重要。

新興的人工智能數(shù)據(jù)處理協(xié)議比機器學習技術(shù)的先前迭代要快得多，由此產(chǎn)生的解決方案、發(fā)現(xiàn)和產(chǎn)生利潤的結(jié)果也是如此。

2. 調(diào)和情感與現(xiàn)實

數(shù)據(jù)可以產(chǎn)生價值。而在以往，組織很難篩選大量數(shù)據(jù)并查明關系。雖然存在一些諸如回歸和關聯(lián)之類基本的工具，但是現(xiàn)在的分析要求真正了解所提取的數(shù)據(jù)的真正含義。那么如何將數(shù)據(jù)轉(zhuǎn)換為可以講述的故事?在通常情況下，決策是基于情感基礎做出的。組織領導者可以使用數(shù)據(jù)來驗證自己的直覺。現(xiàn)在，他們獲得了更快的洞察力，可以果斷地驗證或否定他們的想法，同時也促使他們提出新的問題。因此，從組織的數(shù)據(jù)中獲取意義提供了巨大的優(yōu)勢。

Khan說：“人類的本性是這樣的，除非能看到它、觸摸它、感受它，否則很難理解它。作為數(shù)據(jù)科學家，人們在簡單地解釋人工智能驅(qū)動的數(shù)據(jù)技術(shù)方面做得還不夠好。用數(shù)據(jù)講述故事或展示實際結(jié)果是真正的力量。”

3. 將人類的決策過程與事實聯(lián)系起來

人們經(jīng)常將數(shù)據(jù)與事實分開，并斷言說“這就是事實”。神經(jīng)網(wǎng)絡將“人類決策過程”與這些事實聯(lián)系起來，這是一種幫助人們做出更好決策的模擬實踐。以前，人們將在孤島中查看諸如人口統(tǒng)計、客戶行為等數(shù)據(jù)集。但當這些多個數(shù)據(jù)集連接起來時，很明顯沒有兩個人或兩個客戶完全相同。

現(xiàn)在，采用新技術(shù)使人們能夠從事實層面理解趨勢，然后對外擴展。在健康領域，一些公司正在利用這一關鍵知識來預測某人是否可能遭受某種病痛的折磨。它還允許更有效的“如果這樣將會發(fā)生什么?”的場景。如果糖尿病患者注射胰島素，那么他們的飲食和治療方案就會改變，這使得高度個性化的醫(yī)療成為可能。但同樣的過程、原則和益處在非健康類別以及所有行業(yè)中都適用。

4. 面向未來的強大數(shù)據(jù)供應鏈

從數(shù)據(jù)連接器到管道、從數(shù)據(jù)湖到統(tǒng)計模型、從人工智能到量子計算、從可視化故事板到數(shù)據(jù)驅(qū)動的自動化、從機器學習到自然語言處理再到神經(jīng)網(wǎng)絡等等，組織都有非常有效的方法來驗證數(shù)據(jù)價值鏈。數(shù)據(jù)供應鏈相當復雜，要使其經(jīng)得起未來的考驗并更加強大，就需要從創(chuàng)建到消耗可操作見解的整個過程進行周密的處理。

它從數(shù)據(jù)采集開始，從許多內(nèi)部和外部來源收集各種各樣的大量數(shù)據(jù)，這些數(shù)據(jù)是以毫秒為單位生成的。一旦數(shù)據(jù)被識別和吸收，就需要把它帶到一個中心點，在那里可以對它進行探索、清理、轉(zhuǎn)換、擴充和豐富，最后建模以用于某個目的。然后是統(tǒng)計和啟發(fā)式建模。這些模型可以是不同類型的，并使用不同的算法在不同的場景中產(chǎn)生不同的精度水平。然后需要對模型進行調(diào)整，并提供一個持續(xù)反饋、學習和監(jiān)控的環(huán)境。最后是結(jié)果的可視化，通過繪制因果關系來突出顯示影響最大的地方，從而進行解釋。這得出了關于如何解決一系列問題或發(fā)現(xiàn)機會的結(jié)論。

Khan指出，“大多數(shù)組織都有一些數(shù)據(jù)，并利用這些數(shù)據(jù)推動不同級別的業(yè)務流程改進和戰(zhàn)略決策。然而，很少有人充分利用數(shù)據(jù)。正確的數(shù)據(jù)估值和貨幣化方法可以發(fā)現(xiàn)無限的可能性，其中包括以客戶為中心、運營效率、競爭優(yōu)勢、戰(zhàn)略合作伙伴關系、高效運營、提高盈利能力和新的收入來源。”

5. 采用多媒體技術(shù)獲利

到現(xiàn)在為止，很多組織已經(jīng)能夠編寫算法，生成大量數(shù)值或書面數(shù)據(jù)并加以利用。但是，有大量的數(shù)據(jù)以圖像或語音的形式出現(xiàn)，直到最近的技術(shù)發(fā)展，才易于處理和管理。視覺和聽覺輸入處理的應用是無止境的。零售和金融行業(yè)早先采用了這項技術(shù)，這是有充分理由的。這些行業(yè)組織看到成本下降，參與度上升，銷售增加，并從其獲利點中受益。

例如，一家大型百貨公司現(xiàn)可以將在每天的視頻數(shù)據(jù)實現(xiàn)數(shù)字化，并確定瀏覽牛仔褲的人數(shù)，但這些顧客不得不走得更遠才能找到它。因此，百貨公司可以將牛仔褲放在離店門和過道較近的地方，以確定其產(chǎn)品銷售額是否增加。

甚至教育領域也在利用人工智能驅(qū)動的數(shù)據(jù)。這項技術(shù)將會追蹤人們的眼睛運動情況，以辨別學生是否參與了由疫情而帶來的遠程學習模式。他們正在探索如何測量眼睛運動，以確定孩子是否真的在上課。

在醫(yī)院的X光放射學領域，開始轉(zhuǎn)換視覺數(shù)據(jù)并對其進行跟蹤，以加深對數(shù)字圖像和視頻的了解。核磁共振成像(MRI)能夠更好地跟蹤患者的腦部腫瘤，無論它們是在增長還是在縮小，以什么速率以及在區(qū)域方面是變暗還是變亮。這種由人工智能驅(qū)動的學習正在幫助醫(yī)生更好地檢測癌癥并更快地對患者進行治療。而人眼的視頻數(shù)據(jù)處理還可用于確定一個人是否醉酒、疲勞甚至患病。語音機器學習技術(shù)也在迅速發(fā)展。最初，語音識別被用來辨別某人是否真的有自殺傾向，這可以通過其聲音的拐點準確地預測出來。現(xiàn)在，如果這些信息被視頻捕捉到，那么其準確率大約提高20倍。

Khan指出：“在以往，使用傳統(tǒng)系統(tǒng)和解決方案將付出高昂的成本。如今，跨混合多云環(huán)境集成多個流程使數(shù)據(jù)處理和分析變得更加易于訪問和外包。這消除了組織購買成本過高的服務器和其他機器硬件的需要。”

作為全球領先的供應鏈透明度專家，Khan在多種環(huán)境中推動業(yè)務轉(zhuǎn)型和以客戶為中心的周轉(zhuǎn)增長戰(zhàn)略而聞名。除了與麻省理工學院的工程合作伙伴關系之外，Khan還成功地領導了美洲、歐洲、中東和亞洲市場的組織變革和流程改進。

Khan說：“新的人工智能解決方案和趨勢將消除數(shù)據(jù)及其解釋迷失甚至是更未被發(fā)現(xiàn)的拼湊過程。下一代平臺正在通過執(zhí)行創(chuàng)建和管理人工智能產(chǎn)品所需的所有功能來解決這些問題，這些功能是單源系統(tǒng)，能夠以因果透明的方式提取數(shù)據(jù)、轉(zhuǎn)換、建模、調(diào)整和建議操作。”

對于一些公司來說，當今領先的人工智能技術(shù)也為垂直行業(yè)的專業(yè)化提供了合適的條件。Khan指出，“新興的解決方案支持通用的數(shù)據(jù)模型、法規(guī)遵從性和互操作性要求，這些要求反過來又加快了特定行業(yè)或市場的模型驗證、細化和實施。所有這些最終推動了對以前未解決問題的洞察力，這揭示了未開發(fā)的機會，并實現(xiàn)了工作流集成的認知解決方案的自動化。”

他繼續(xù)說：“總的來說，人工智能正迎來一個新的、更復雜的數(shù)據(jù)素養(yǎng)時代。這是一種建立在自動化、綜合性和整體性數(shù)據(jù)發(fā)現(xiàn)基礎上的新模式，它正在培養(yǎng)更高的認知洞察力和可操作的策略，從而對收入和利潤產(chǎn)生積極影響。也許人工智能未來的任務不僅應該集中在變得比以前更聰明、更快、更負責任，而且還應該在人類直覺和數(shù)據(jù)支持決策之間架起一座橋梁。這樣做無疑會提高組織以最大程度信任進行交易的能力。”