La maturità dell’IA e dell’analisi garantisce un gruppo di conoscenze centralizzato o un team che supervisiona la concettualizzazione e l’implementazione dell’analisi dell’intera organizzazione e dei progetti di intelligenza artificiale.
L’avanzamento della maturità dell’IA non è più una questione di “se” ma di “quando”. È un’opportunità per ogni organizzazione, settore e leader oggi.
Secondo uno studio recente, il 12% delle aziende ha raggiunto la maturità dell’IA abbastanza da raggiungere una crescita e una trasformazione aziendale superiori. Queste aziende hanno attribuito il 30% delle loro entrate totali all’IA. È interessante notare che hanno anche goduto di una crescita dei ricavi del 50% in più rispetto ai loro coetanei durante i tempi pre-pandemia. Inoltre, hanno anche superato i loro concorrenti in termini di esperienza del cliente e sostenibilità. Il rapporto ha inoltre rivelato che la quota di maturità dell’IA nelle aziende aumenterà rapidamente e in modo significativo, raddoppiando dal 12% al 27% entro il 2024.
Con questo sullo sfondo, è davvero importante per le aziende avere una prospettiva olistica sull’intelligenza artificiale e sulla maturità dell’analisi che possa spingere il business e avere vantaggi competitivi a lungo termine.
La maturità dell’IA e dell’analisi garantisce un gruppo di conoscenze centralizzato o un team che supervisiona la concettualizzazione e l’implementazione dell’analisi dell’intera organizzazione e dei progetti di intelligenza artificiale.
Diamo un’occhiata ad alcuni esempi di settore qui.
Walmart opera in oltre 10.500 negozi in 24 contee. L’organizzazione lavora con i dati su una scala enorme in tutte le organizzazioni, compresa l’efficienza operativa per l’esperienza dell’utente. Con la concorrenza al dettaglio ai massimi livelli, l’azienda ha bisogno di evolversi regolarmente e su larga scala. Alcune parti chiave della sua evoluzione implicano l’utilizzo di ML e analisi dei dati algoritmici per creare esperienze coinvolgenti e pertinenti per clienti e partner. Il gigante della vendita al dettaglio può eseguire le sue operazioni senza problemi grazie alla sua solida piattaforma AI & Analytics ( ELEMENT ), che consente l’innovazione ad alte prestazioni.
Allo stesso modo, Amazon ha “Flywheel”, in cui questo approccio consente l’esecuzione senza interruzioni delle sue iniziative di analisi e intelligenza artificiale. In poche parole, “Flywheel” è un concetto ingegneristico che descrive in dettaglio come le aziende possono risparmiare energia e mantenere lo slancio. Favorisce un flusso costante di energia, diffondendola in altre zone della macchina.
L’utilizzo di analisi e intelligenza artificiale all’interno di un’organizzazione richiede una buona dose di concentrazione ed energia. Tuttavia, una volta che le ruote iniziano a girare, non ci si ferma; diventa molto più facile mantenere il ritmo assicurando continui slanci alla ruota. È interessante notare che con questo modello, l’innovazione dell’IA in un dipartimento o team può essere trasferita ad altre aree per la crescita del business.
Ad esempio, se visiti il negozio Amazon Go per acquistare alcuni generi alimentari per la cena e chiedi ad “Alexa” di cercare una ricetta, il suo modello di intelligenza artificiale può prevedere il tipo specifico di casseruola o padella che probabilmente acquisterai.
Dai un’occhiata al modello di volano dati di AWS qui .
Allora dove ci porta questo; un tentativo di delineare un…..
Prospettiva pratica sulla costruzione della maturità di intelligenza artificiale e analisi in un’organizzazione
Secondo Forrester, quasi il 60% dei leader ha riconosciuto le iniziative relative all’IA come il fattore più critico per il successo della trasformazione digitale. Inoltre, l’IA è oggi la seconda iniziativa più importante per i leader aziendali, seconda solo all’utilizzo di informazioni basate sui dati per migliorare prodotti e servizi.
Mentre la grande tecnologia e i primi utilizzatori dell’IA sono riusciti a sviluppare funzionalità e piattaforme interne per gestire le proprie iniziative di analisi e intelligenza artificiale su larga scala, la maggior parte delle aziende moderne soccombe ancora all’infrastruttura dei dati in silos, ai ritardi nell’implementazione dei modelli AI/ML nella produzione e lotta per instillare internamente le migliori pratiche e la cultura basata sui dati per raggiungere gli obiettivi desiderati.
Quindi cosa guida il percorso di maturità dell’IA e dell’analisi all’interno di un’azienda?
La maggior parte degli studi tradizionali ti direbbe che per costruire la maturità dell’IA e dell’analisi dovresti garantire quattro fattori:
Comando
La maturità dell’analisi di un’organizzazione dipende dalla strategia delineata, nonché dal livello di leadership e supporto esecutivi. Nel suo libro Competing on Analytics , Thomas Davenport caratterizza un concorrente di analisi come un’organizzazione che sostiene l’analisi dall’alto. La ricerca approfondita rivela i seguenti fattori critici di successo:
Supporto dall’alto verso il basso: la leadership dall’alto verso il basso e il supporto esecutivo necessari per guidare un’agenda di analisi all’interno di un’organizzazione sono fondamentali per il livello di capacità di analisi dell’azienda.
Il tipo di settore e le dimensioni dell’azienda: la natura dell’industria è un fattore determinante nella capacità di analisi di un’azienda. I nativi digitali come Google e Amazon hanno una maggiore predisposizione alle iniziative di analisi e maturità rispetto alle aziende tradizionali. Gli studi indicano anche che all’interno di un settore, più grande è un’azienda, maggiore è il livello di maturità dell’analisi. Pertanto, l’industria e le dimensioni sono variabili importanti da considerare in una prospettiva competitiva.
Strategia di analisi: le aziende che hanno una strategia di analisi e una road map chiare e ben definite hanno livelli di capacità di analisi aziendale più elevati rispetto alle organizzazioni che hanno un approccio tattico alla competenza.
IT (dati, strumenti e sistemi)
Un ecosistema di dati è uno dei prerequisiti chiave non negoziabili per una strategia di analisi efficace. Il successo dell’analisi dipende dal tipo di dati resi disponibili in un’organizzazione tramite fonti interne o esterne. Il mondo digitale genera vari tipi di dati non strutturati (oltre al noto componente dei dati strutturati) come dati di immagini, dati vocali e dati di testo che devono essere gestiti bene prima dell’analisi. In termini di analisi, gli imperativi chiave sul fronte dei dati devono essere: 1) I dati sono rilevanti? 2) Abbiamo abbastanza volume di dati? 3) Quanto sono accessibili i dati? 4) I dati riflettono tutti i tipi di fonti? e 5) I dati possono essere attendibili? È inoltre necessario studiare il valore reale dei dati per affrontare i problemi e il potenziale potenziale dei dati da utilizzare per lo sviluppo. Esistono molteplici viste o categorizzazioni interessanti su questo stato dinamico dei dati; uno comune è indicato come le sette “V” e classifica i dati in una delle sette dimensioni “V”; Volume, velocità, varietà, variabilità, veridicità, visualizzazione e valore.
La tecnologia abilitante è definita come un ecosistema che consente l’archiviazione e l’elaborazione di input di dati utilizzando più processi hardware e software, come ETL e capacità di governance, internamente o tramite i sistemi dei partner
Gli strumenti sono le funzionalità fornite dall’ecosistema tecnologico che consentono all’organizzazione di accedere, gestire e analizzare i dati in modo efficace ed efficiente. Le organizzazioni oggi combinano più strumenti con funzionalità di nicchia per creare un panorama di strumenti completo che integra i requisiti dell’organizzazione nell’analisi dei dati ed è correlato alle attività di analisi aziendale.
Capitale Umano (talento, abilità e competenze)
Man mano che i dati diventano disponibili, la capacità di analizzare e ottenere informazioni dettagliate dai dati sta diventando sempre più critica. Ciò richiede capacità e competenze umane estremamente dinamiche e in continua crescita. Le competenze umane nel dominio dell’analisi aziendale includono competenze tecnologiche, capacità di business e capacità di gestione. Ancora più importante, dovrebbe essere in atto una strategia appropriata per le persone che aiuti le aziende ad assumere il giusto talento di intelligenza artificiale e promuovere l’innovazione, la collaborazione e promuovere una cultura basata sui dati.
Organizzazione (Struttura, Processo, Cultura e Governance)
Uno dei componenti più importanti della maturità dell’analisi è il fattore organizzativo per supportare le iniziative di analisi. Vari esempi assegnano significato a questo fattore (dell’organizzazione) che è composto da un processo decisionale interfunzionale basato sui dati, incorporando l’analisi all’interno dei processi, ruoli e responsabilità strettamente articolati e costrutti chiave attorno alla costruzione interna rispetto all’esterno/partner. Gli studi sottolineano anche la necessità di processi robusti, la necessità di una struttura organizzativa formale per abilitare l’analisi aziendale e il concetto di analisi costi-benefici, indicando così l’importanza complessiva del fattore organizzativo nelle capacità di analisi aziendale.
Ma questo potrebbe non essere sufficiente. L’ambiente dinamico e competitivo spinge le organizzazioni a guardare oltre…
Al di là dei fattori fondamentali, le organizzazioni hanno bisogno di acceleratori per accelerare il loro percorso verso la maturità
Casi d’uso corretti
A meno che un’organizzazione non abbia il giusto caso d’uso per le sue iniziative di analisi e intelligenza artificiale, alla fine diventerà una proposta esoterica, incapace di aggiungere valore alla propria organizzazione. I “casi d’uso” sono probabilmente uno dei fattori più significativi degni di considerazione. I casi d’uso sono risorse vitali per percorsi migliori per applicazioni e metodi. Le aziende dovranno valutare le migliori pratiche internamente e anche tra i partner di un’ampia sezione trasversale di settori per arrivare ai casi d’uso giusti. Dovranno sviluppare le loro capacità per estrarre idee fuori dagli schemi attraverso funzioni e comunità diverse. Sarà imperativo utilizzare l’originalità per determinare le tecnologie emergenti e costruire archetipi. Ciò aiuterà le aziende ad aumentare rapidamente il livello delle soluzioni e a personalizzarle per i loro requisiti interni
Partnership
Con l’innovazione che si muove a una velocità complessa, le aziende dovranno lavorare con più partner. Questi partner possono variare da fornitori e consulenti tecnologici affermati, a start-up ad altri fornitori. Una buona strategia dovrebbe includere una solida base per formare partnership che rafforzino la stabilità dell’esecuzione riducendo i rischi. Data la crescita dinamica e rapida dell’innovazione, è imperativo che senza le giuste partnership le organizzazioni avrebbero difficoltà a scalare e massimizzare il throughput dell’analisi.
Traduttori di dati e analisi
Negli ultimi tempi le aziende si sono rese conto che per raggiungere il successo nell’IA e nell’analisi è necessario qualcosa di più della semplice assunzione di data scientist. Un curioso mix di architetti dei dati, professionisti della visualizzazione e ingegneri dei dati è ben compreso dalla maggior parte delle organizzazioni. Tuttavia, quando si tratta di utilizzare i dati e l’analisi, la comunicazione, o meglio, la mancanza di essa tra i data scientist e i responsabili delle decisioni esecutive può causare problemi. Le due parti spesso non parlano la stessa lingua e possono differire nell’approccio e nel rispetto delle informazioni basate sui dati. Da qui la necessità di traduttori di dati e analisi. I traduttori sono quelli che spingono le organizzazioni a raggiungere una crescita reale collegando i due mondi e fornendo ai responsabili delle decisioni aziendali una comprensione più chiara dell’obiettivo.
Avvocato
Capire l’IA e l’analisi è spesso impegnativo, è giustamente chiamato arte e scienza. Il successo è possibile praticando l’evangelizzazione e seguendo costantemente un’accettazione positiva del cambiamento. C’è un immenso vantaggio nell’accettare l’entità della propagazione del valore dell’analisi. Concentrandosi sul valore dell’analisi e comunicando la stessa, è possibile creare un motivo convincente per il cambiamento. Per sviluppare la fiducia, è imperativo avere un piano di gioco forte e misurare il successo. Il fattore di differenziazione per le organizzazioni risiede nel modo di trasformazione che i team di intelligenza artificiale e analisi ottengono all’interno dell’azienda. Queste imprese trasudano risultati e sono festeggiate con riconoscimento e valore.
Operatività , Governance e standard (Coding, valore aziendale)
Molte organizzazioni soffrono di cattive pratiche di definizione delle priorità, esecuzione e allineamento e finiscono con un arretrato di progetti di analisi. Pertanto, un’organizzazione deve garantire che le risorse siano utilizzate in un modo che sia in linea con le priorità dell’organizzazione. L’esecuzione di analisi all’interno di un’azienda può essere segmentata in sei aree chiave: creazione di modelli analitici, implementazione di modelli analitici, gestione e gestione dell’infrastruttura analitica, protezione delle risorse analitiche attraverso politiche e procedure, gestione di una struttura di governance analitica interfunzionale e guida della strategia di analisi per fornire valore aziendale all’interno dell’organizzazione. Pertanto, è necessario disporre di un’efficace governance del progetto di Business Analytics con standard consolidati che allinei i programmi di analisi con i requisiti aziendali.
Conclusione
Poiché l’intelligenza artificiale e l’analisi continuano a maturare in modo significativo, le organizzazioni devono iniziare a lavorare per sviluppare un framework più solido per realizzare il valore delle iniziative di intelligenza artificiale e analisi. Un quadro valido e ben congegnato funge da catalizzatore per la crescita del business e aiuta le aziende a differenziarsi in un panorama competitivo in continua evoluzione ea stare al passo con i tempi. Mentre la leadership, le persone, i processi, la tecnologia e l’infrastruttura possono portare le tue iniziative di intelligenza artificiale e analisi a un certo livello, gli acceleratori aggiuntivi suggeriti in questo articolo aiuterebbero le aziende a liberare innovazioni e scalare a un nuovo livello.
