数据与人工智能战略

数据与人工智能战略定义了数据和人工智能在哪些方面能够创造有意义的业务价值，以及组织实现价值所需的条件。它将优先级、能力、治理、投资和衡量措施与企业特定成果对齐。该战略为决定追求哪些机会、加强哪些基础以及如何从实验迈向大规模应用提供了实用基础。

技术战略涵盖更广泛的平台、应用、架构和工程环境。数据与人工智能战略专注于数据、分析、模型和人工智能决策如何提升业务绩效。两者必须连接，但他们回答的问题却不同。一者塑造企业技术环境;另一个则指导智能和人工智能如何在其中创造价值。

使用场景会根据业务价值、战略相关性、可行性、数据准备度、风险、采用需求及影响时间进行评估。依赖关系以及跨多个用例重复使用能力的能力也很重要。这避免了仅仅因为技术上有趣而优先考虑某些想法，并将投资引导到组织能够切实实施、扩展和维持的机会上。

试点通常证明模型或工具可以单独工作，但无法解决生产所需的操作条件。常见的缺口包括数据质量、集成、归属、治理、工作流程重设计、监控和采用。扩展需要这些环节共同规划，并在初始解决方案部署后对绩效负有明确的责任。

数据和人工智能的操作模型定义了能力的组织方式和工作完成的方式。内容涵盖领导力、资金、角色、决策权、治理、交付方式、共享平台和支持。它还明确了哪些内容应集中、联合或嵌入业务团队，使数据和人工智能能够从专业活动转变为可重复的企业能力。

路线图应将优先用例与实现这些需求所需的数据、技术、人才、治理和变革相结合。它应显示排序、依赖关系、投资、所有者、度量和决策点。可信的路线图平衡了短期价值与可重复使用的基础，帮助组织现在取得进展，而不必制造碎片化的解决方案，避免日后难以扩展。