解释：你可能不知不觉地创造人工智能孤岛

虽然IT和数据管理中的孤岛问题是众所周知的，但公司似乎不会通过在他们的业务中没有分发他们的人工智能（AI）和机器学习（ML）能力来倒回这个陷阱。

QLIK和IDC的新研究透露，只有20％的企业在整个组织中广泛分布了这些能力。

然而，随着分析解决方案的兴起，利用AI和ML增加用户的经验和来自数据的见解，许多业务领导者都认识到，在商业智能团队中静坐的这些能力将阻止它们从他们的数据中产生最大的价值。

事实上，42个百分点扩大了工人之间的AI和ML的使用，这对于提高数据分析项目的成功至关重要。

三个筒仓

那么，为什么这些筒仓再次产生一次？有三个主要原因，许多数据领导者将痛苦地熟悉。

首先是许多公司对整个组织的数据有守门人。在本身而不是一个问题上不是一个问题，因为这种方法通常通过保持数据安全来为治理提供最简单的选择。

但是，它确实限制了某些业务领域的机会，以利用他们需要运行包含AI和ML的高级分析工具的所有数据来增强用户的智能。因此，需要在满足其需求和业务之间进行更好的平衡。

第二个挑战是，有一些来源，难以让数据出局 - 或者如果你不按正确的方式这样做，那么数据并不像它应该是有用的。ERP Systems，如SAP，是一个主要示例，并限制了商业功能，如销售，将其数据纳入智能分析解决方案以进行预测建模。

最后，许多公司没有广泛分散的技能，以支持QLIK和ECHENTURE的QLIK和ML.RESEARTERSEARTEREPLEALLEPLICELESEPLESEPLELEPLEALLEST，只有18％的员工报告，他们组织中的每个人都有所需的技能阅读，工作，分析和讨论数据熟练。如果没有这些核心数据素养技能，许多知识工作者将无法质疑和挑战智能解决方案的见解。

民主化AI和ML在数据分析中的益处

了解问题是解决问题的。那些采取肯定步骤的人和数据领导者现在可以分解这些筒仓，因此他们的整个组织有可能从其数据中推动主动智能。

但是，企业如何成功地克服上述挑战，并增加整个组织中的智能洞察的使用？赋予用户自助的数据 - 给予数据，以三分之二的商业领袖引用，发现有价值的数据来源是他们最大的挑战之一，创建可搜索的数据目录的好处不能夸大。例如，销售领导者可能会在向客户服务数据中搜索“客户”以显示相关的数据集。将其作为可搜索的SaaS平台实现，而不是静态数据存储也支持管理治理和访问权限。这提供了一个单一的自助式数据目录，用于一致的用户体验，这确保人们只能访问正确的数据以获得其角色。解锁原始数据源 - ERP和CRM系统的潜力占据了有价值的数据的质量，但是以针对分析系统的读取进程优化的格式提供了近实时访问，这是一种巨大的障碍，可以防止CIO和CDOS把它放在商业用户手中。用于将此事务数据移动到数据仓库的传统进程，转换，加载（ETL），在其中可以控制的数据仓库，清除和查询通常需要六到九个月，其中大部分值可能会丢失商业。切换托尔特兰自动化流动数据的流程数据捕获（CDC）使组织能够从ERP和CRM系统访问实时信息，反过来为商业用户提供先进和预测分析发动机。选择直观的平台 - 通过能够进行AI和ML分析的小数一小部分知识工作者，组织必须选择增强的分析平台，从而减少可操作见解的障碍。智能系统可以支持用户在他们的旅程中找到正确的信息：例如，会话分析帮助用户直观地导航数据，而自然语言处理会消除技术语言的障碍和用户意图的中心。需要更多专业专业知识的AI和ML分析的采购平台将显着降低知识工作者的可访问性，并为分散方法建立一个重要的障碍。投资员工技能 - 虽然我们与IDC的研究显示，目前，全球只有16％的知识工作人员都配备了AI和ML分析，但令人鼓舞的是，在这个关键领域的更多工人上有明确的意图是明确的。受访者预测，此P将在未来两年内上升到员工的25％，以及增加数据素养技能的比例从45％到63％。员工技能在删除数据知情决策障碍方面的作用不能低估。这些技能使用户能够找到，探索，探索，分析和质疑AI和ML平台生成的关键见解，并最终会通知行动并创造积极的业务结果。

谨防孤岛 - 再次

拆除嵌入式，遗留筒仓继续对其的挑战和数据领导人造成挑战。随着组织迈向更聪明的分析的未来 - 通过AI和ML实现更加积极主动，个性化和数据洞察力的经验 - 这些同样的领导者必须确保他们再次陷入孤立陷阱。民主化增强分析的好处，不仅会改善组织的分析项目的经验和结果，而且会使基金会奠定更有利可图的见解，这将在未来推动真正积极的情报。

-Adam Mayer是Qlik的高级产品营销经理。