分析和人工智能的民主革命正在進行中，通過利用像AWS這樣的云計算架構(gòu)的速度和靈活性，企業(yè)可以獲得對于除了那些財力最雄厚的企業(yè)之外的一直非常昂貴的功能。因此，公有云現(xiàn)在是任何現(xiàn)代洞察力驅(qū)動的業(yè)務戰(zhàn)略的重要組成部分。

怎么會這樣?這是因為如今的分析和機器學習工具都依賴于處理大量高質(zhì)量數(shù)據(jù)。隨著如此多的數(shù)據(jù)不斷流經(jīng)數(shù)字生態(tài)系統(tǒng)，組織將擁有近乎無限的豐富數(shù)據(jù)集需要挖掘。

但收集數(shù)據(jù)是一回事，有效地使用它是另一回事。為了通過分析和機器學習提取有意義的見解，組織需要復雜的基礎設施和大量的處理能力。他們需要快速有效地存儲，處理和提供大量數(shù)據(jù)。他們需要熟練的人才來配置和管理必要的基礎設施。

這可能是非常昂貴的。對于小型企業(yè)來說，這是令人望而卻步的。但是，同樣地，許多大型組織也會發(fā)現(xiàn)它同樣具有挑戰(zhàn)性，特別是那些商業(yè)模式早于數(shù)字時代的組織。

更重要的是，當今的大部分數(shù)據(jù)都是非結(jié)構(gòu)化的(網(wǎng)頁、電子郵件、文檔、視頻、圖像、語音交互)，或者充其理是半結(jié)構(gòu)化的(網(wǎng)絡/移動/物聯(lián)網(wǎng)日志、點擊流、社交媒體)，企業(yè)現(xiàn)在必須處理的數(shù)據(jù)的數(shù)量和復雜性正快速超過他們這樣做的能力。

是什么阻礙了企業(yè)的發(fā)展?傳統(tǒng)的分析環(huán)境無法提供對這些豐富數(shù)據(jù)集的足夠可見性。規(guī)范化、標記、注釋和準備這些源需要更大規(guī)模的網(wǎng)絡、存儲和計算。最重要的是，分析系統(tǒng)必須能夠處理數(shù)據(jù)流的巨大變化，某些行業(yè)的峰值數(shù)據(jù)突發(fā)達到正常數(shù)量的100倍。

由于公有云環(huán)境提供了靈活地攝取和處理此類數(shù)據(jù)所需的基本構(gòu)造和處理能力，因此企業(yè)可以更有效地通過數(shù)據(jù)集獲利。事實上，那些沒有利用公有云進行分析和人工智能風險的人發(fā)現(xiàn)自己處于嚴重的競爭劣勢。

那么是什么阻止了每個組織這樣做呢?對很多人來說，這是技能問題。最近的IDG公司調(diào)查表明，41%的企業(yè)認為數(shù)據(jù)分析是前兩種需求技能之一。但數(shù)據(jù)科學家供不應求，其結(jié)果是導致工資飆升。

答案是什么?戰(zhàn)略性地重新評估整個組織的數(shù)據(jù)方法，對數(shù)據(jù)洞察和人工智能管道中的各種角色和職責進行深入理解。

最有可能的方式是首席數(shù)據(jù)官的任命和數(shù)據(jù)戰(zhàn)略的定義，包括貨幣化基線。它肯定涉及識別組織內(nèi)的數(shù)據(jù)提供者和數(shù)據(jù)消費者，并強制他們確保數(shù)據(jù)質(zhì)量。卓越數(shù)據(jù)科學的跨職能中心可以成為建立正確的數(shù)據(jù)驅(qū)動型文化的另一個關(guān)鍵舉措。

當然，說起來容易做起來難。企業(yè)外部合作伙伴可以在一些方面發(fā)揮重要作用。調(diào)研機構(gòu)IDG公司的數(shù)據(jù)表明，超過四分之一的企業(yè)正在選擇這條路線。有充分理由相信，通過外包分析功能、開發(fā)數(shù)據(jù)策略或強化內(nèi)部團隊，這些第三方的成熟專業(yè)知識可以更快地改變組織的數(shù)據(jù)中心性。

無論企業(yè)采取哪種方式，有一件事都會保持不變。公有云現(xiàn)在是現(xiàn)代數(shù)據(jù)分析和人工智能的基石。