Firwat Dir sollt un AI als Teamsport denken

Wat heescht et un AI als Teamsport ze denken? Mir gesinn AI Projete vun Hype op Impakt veränneren, haaptsächlech well déi richteg Rollen involvéiert sinn fir de geschäftleche Kontext ze bidden deen virdru gefeelt huet. Domain Expertise ass Schlëssel; Maschinnen hunn net d'Déift vum Kontext datt d'Leit hunn, an d'Leit mussen d'Geschäft an d'Donnéeën gutt genuch kennen fir ze verstoen wéi eng Aktiounen ze huelen baséiert op all Abléck oder Empfehlungen déi opgedaucht sinn.

Wann et drëm geet AI ze skaléieren, denken vill Leader datt si e Leitprobleem hunn - speziell net genuch Datewëssenschaftler. Awer net all Geschäftsproblem ass en Datewëssenschaftsproblem. Oder op d'mannst, net all geschäftlech Erausfuerderung sollt op Är Datewëssenschaftsteam geworf ginn. Mat der richteger Approche kënnt Dir d'Virdeeler vun AI ernimmen ouni d'Erausfuerderunge mat traditionellen Datewëssenschaftszyklen.

Fir AI-Léisungen z'installéieren an ze skaléieren, mussen d'Leader de Gedanken vun der Organisatioun veränneren fir un AI als Teamsport ze denken. E puer AI Projeten brauchen eng aner Rei vu Leit, Tools an Erwaardungen fir wéi erfollegräich Resultater ausgesinn. Wësse wéi Dir dës Méiglechkeeten erkennt, hëlleft Iech méi erfollegräich AI Projeten unzegoen an Är Bank vun AI Benotzer ze verdéiwen, Geschwindegkeet a Kraaft bäizedroen fir d'Entscheedung iwwer d'Aarbechtskräften ze huelen. Loosst eis erausfannen firwat a wéi.

Organisatiounen demokratiséieren fortgeschratt Analyse mat AI

D'Benotzung vun AI fir Geschäftsproblemer ze léisen war gréisstendeels d'Perspektiv vun Datenwëssenschaftler. Dacks sinn Datewëssenschaftsteams reservéiert fir déi gréisste Méiglechkeeten an déi komplexsten Erausfuerderunge vun enger Organisatioun. Vill Organisatiounen hunn Erfolleg bei der Uwendung vun Datewëssenschaft op spezifesch Benotzungsfäll wéi Bedruchdetektioun, Personaliséierung a méi, wou déif technesch Expertise a fein ofgestëmmte Modeller enorm erfollegräich Resultater féieren.

Wéi och ëmmer, d'Skaléierung vun AI Léisungen duerch Äert Datewëssenschaftsteam ass Erausfuerderung fir Organisatiounen, aus ville Grënn. Talent unzezéien an ze halen ass ganz deier a ka schwéier sinn an engem kompetitive Maart. Traditionell Datewëssenschaftsprojete kënnen dacks vill Zäit huelen fir z'entwéckelen an z'installéieren ier d'Geschäft Wäert gesäit. An och déi erfuerene, robust Datewëssenschaftsteams kënne falen wa se déi néideg Donnéeën oder Kontext feelen fir d'Nuancen vum Problem ze verstoen, dee se gefrot gi fir ze léisen.

Den 2021 Gartner® Den Zoustand vun Data Science a Machine Learning (DSML) Bericht seet datt "Client Nofro verännert sech, mat manner techneschen Zuschauer déi DSML méi einfach wëllen applizéieren, Experten mussen d'Produktivitéit verbesseren an d'Entreprisen déi méi kuerz Zäit erfuerderen fir hir Investitiounen ze schätzen.¹". Och wann et vill Geschäftsprobleemer kënne sinn, déi vun der Geschwindegkeet oder der Grëndlechkeet vun der Analyse profitéiere kënnen, déi AI kann ubidden, ass eng traditionell Datewëssenschafts Approche net ëmmer dee beschten Attackeplang fir séier Wäert ze gesinn. Tatsächlech virausgesot dee selwechte Gartner Bericht datt "bis 2025 eng Knappheet vun Datewëssenschaftler d'Adoptioun vun Datewëssenschaften a Maschinnléieren an Organisatiounen net méi behënnert."

Domain Expertise ass kritesch fir AI am ganze Geschäft ze skaléieren

AI hëlleft scho fortgeschratt Analysefäegkeeten u Benotzer ze bréngen déi keng Datenwëssenschaftlech Hannergrënn hunn. Maschinnen kënnen aus de beschten Prognosemodeller an Algorithmen auswielen, an ënnerierdesch Modeller kënnen ausgesat ginn, déi d'Fäegkeet ubidden fir se ofzestëmmen an sécherzestellen datt alles entsprécht wat de Benotzer sicht.

Dës Fäegkeeten ginn Analysten a qualifizéierten Geschäftsdomänexperten d'Fäegkeet fir hir eegen AI Uwendungen ze designen an ze profitéieren. Méi no un d'Daten ze sinn, hunn dës Benotzer e Virdeel iwwer vill vun hiren Datewëssenschaftler Géigeparteien. Dës Kraaft an den Hänn vun deenen mat Domain Expertise ze setzen kann hëllefen déi laang Entwécklungszäiten, Ressourcebelaaschtungen a verstoppte Käschten verbonne mat traditionellen Datewëssenschaftszyklen ze vermeiden. Plus, Leit mat Domain Expertise sollen déi sinn fir ze entscheeden ob eng AI Prognose oder Virschlag iwwerhaapt hëllefräich ass.

Mat méi iterativen, iwwerschaffen-an-nedeployéieren Modellbauprozesser, kënne Leit mat Geschäftskontext Wäert vun AI méi séier kréien - souguer nei Modeller un Dausende vu Benotzer innerhalb vun Deeg bis Wochen ofsetzen, anstatt Wochen bis Méint. Dëst ass besonnesch mächteg fir déi Équipë deenen hir eenzegaarteg Erausfuerderunge vläicht net eng héich Prioritéit fir Datewëssenschaftsteams sinn, awer vun der Geschwindegkeet an der Grëndlechkeet vun der AI Analyse profitéiere kënnen.

Wéi och ëmmer, et ass wichteg ze bemierken datt wärend dës Léisunge hëllefe kënnen d'Fäegkeete Spalt tëscht Analysten an Datewëssenschaftler unzegoen, et ass keen Ersatz fir déi lescht. Datewëssenschaftler bleiwen e kritesche Partner mat Geschäftsexperten fir d'Donnéeën ze validéieren, déi an AI-aktivéiert Léisungen benotzt ginn. An zousätzlech zu dëser Zesummenaarbecht, Ausbildung an Datekompetenzen wäerten kritesch sinn fir dës Aarte vun Tools erfollegräich op Skala ze benotzen.

Date Alphabetiséierung erméiglecht méi Leit AI ze profitéieren

Är Fundamental Datestrategie spillt eng grouss Roll bei der Ariichten vun Ärer Organisatioun fir Erfolleg mat AI, awer AI Léisunge fir méi Leit am ganze Geschäft ze bréngen wäert eng Baseline vun Daten Alphabetiséierung erfuerderen. Verstinn wéi eng Donnéeën passend sinn fir e Geschäftsproblem z'applizéieren, souwéi wéi d'Donnéeën an d'Resultater vun enger AI Empfehlung interpretéiert ginn, hëlleft de Leit erfollegräich AI ze vertrauen an ze adoptéieren als Deel vun hirer Entscheedung. Eng gemeinsam Sprooch vun Daten bannent der Organisatioun mécht och méi Dieren op fir eng erfollegräich Zesummenaarbecht mat Experten.

Dem McKinsey seng lescht global Ëmfro iwwer AI huet verroden datt bannent 34% vun héich performant Organisatiounen "en engagéierten Trainingszentrum d'AI Fäegkeeten vun net-technescht Personal duerch Hand-on Léieren entwéckelt," am Verglach zu nëmmen 14% vun allen aneren Ëmfroen. Zousätzlech, an 39% vun héich performant Organisatiounen "et ginn designéierte Kommunikatiounskanäl an Touchpoints tëscht AI Benotzer an der Organisatioun Daten Wëssenschaft Team," am Verglach zu nëmmen 20% vun aneren.

Leadere kënnen eng Vielfalt vun Approche huelen fir Daten Alphabetiséierung opzebauen, vun Ausbildung an Training, Mentoratiounsprogrammer, Gemeinschaftsbau Dateconcoursen, a méi. Denkt drun d'Normaliséierung vum Zougang an d'Deelen vun Daten, wéi och wéi Dir Erfolleger, Léieren an Entscheedung mat Daten feiert a fördert.

"Daten Alphabetiséierung an Ausbildung iwwer Visualiséierung an Daten Wëssenschaft muss méi prevalent ginn, a méi fréi geléiert," sot Vidya Setlur, Chef vun Tableau Fuerschung. "Et gëtt eng Aart vu sozialer an organisatorescher Verantwortung déi mat der Ofhängegkeet op d'Benotzung vun Daten kënnt. D'Leit solle besser ausgestatt sinn fir Daten ze verstoen, ze interpretéieren an ze profitéieren, well AI wäert nëmme méi raffinéiert ginn, a mir sollten e puer Schrëtt virum Spill sinn.

Weiderhin d'Datekultur vun Ärer Organisatioun ze bauen kreéiert mächteg Méiglechkeeten fir Fäegkeeten ze ernären an nei Léisungen am ganze Geschäft ze fërderen. Vill Organisatiounen hunn hir Investitiounen an Daten an Analyse an de leschte Joeren scho erhéicht, well d'digital Transformatioun beschleunegt ass. Et ass net eng Erreeche un Daten als Teamsport ze denken - an elo hu mir d'Moyene fir dee Mentalitéitswiessel op AI ze verlängeren.