По данным опроса, только 13% организаций реализуют свою стратегию обработки данных

Источник · Перевод автора

Новый опрос руководителей высшего звена, ИТ и старших технических специалистов показывает, что только 13% организаций реализуют свою стратегию обработки данных. Отчет, основанный на опросе 351 респондента в организациях с годовым доходом в 1 миллиард долларов и более, показал, что влияние машинного обучения на бизнес в значительной степени ограничивается проблемами в управлении его непрерывным жизненным циклом.

MIT Technology Review Insights и Databricks провели опрос, в котором приняли участие такие компании, как Total, Estée Lauder, McDonald’s, L’Oréal, CVS Health и Northwestern Mutual. Среди результатов было то, что только избранная группа «успешных» – вышеупомянутые 13% – достигла измеримых бизнес-результатов в масштабах всего предприятия. По словам авторов отчета, эта группа преуспела, обратив внимание на основы надежного управления данными и архитектуры, которые позволили им «демократизировать» данные и извлечь пользу из технологий искусственного интеллекта и машинного обучения.

«Управление данными очень сложное и может стать настоящей проблемой для организаций. Но создание правильной архитектуры – это первый шаг в огромной трансформации бизнеса», – заявила редактор отчета Франческа Фэншоу (Francesca Fanshawe) в пресс-релизе.

Демократизация данных

Каждый директор по данным, опрошенный для исследования, придавал большое значение демократизации возможностей аналитики и машинного обучения. По их словам, это поможет конечным пользователям принимать более обоснованные бизнес-решения – отличительные черты сильной культуры данных.

Респонденты также высказались за использование стандартов и форматов данных с открытым исходным кодом. Но наиболее серьезной проблемой остается отсутствие централизованного хранилища и поиска моделей машинного обучения, отметили 55% руководителей. Возможно, поэтому 50% в настоящее время оценивают или активно внедряют новые, потенциально облачные платформы данных.

Как отметила в своей недавней статье Вице-президент по инновациям и развитию Бродриджа Неха Сингх, многие компании пытаются разрабатывать решения на основе искусственного интеллекта, не имея чистых централизованных пулов данных или стратегии активного управления ими. Без этого критически важного строительного блока для обучения решениям ИИ надежность, валидность и бизнес-ценность любого решения ИИ, вероятно, будут ограничены.

Согласно отчету, главные приоритеты организаций в области обработки данных на следующие два года можно разделить на три области, и все они будут поддерживаться более широким внедрением облачных платформ. Это: улучшение управления данными; совершенствование аналитики данных и машинного обучения; и расширение использования всех типов корпоративных данных, включая потоковые и неструктурированные данные. «Есть много моделей, которые может принять предприятие, но в конечном итоге цель должна заключаться в создании простой, гибкой и хорошо управляемой архитектуры данных», – продолжила Фэншоу.

Общее соглашение

Выводы MIT и Databricks появились после последнего ежеквартального отчета Alation о состоянии культуры данных, в котором также обнаружено, что лишь небольшой процент профессионалов считает, что ИИ эффективно используется в их организациях. По данным Alation, главной причиной было отсутствие поддержки со стороны руководства: 55% респондентов в опросе компании назвали это более важным, чем отсутствие сотрудников с навыками работы с данными.

Полученные результаты согласуются с другими опросами, показывающими, что, несмотря на энтузиазм по поводу ИИ, предприятиям сложно развернуть сервисы на основе ИИ в производственной среде. По данным Gartner, за последние несколько лет использование ИИ в бизнесе выросло на целых 270%, в то время как Deloitte сообщает, что 62% респондентов в своем корпоративном отчете за октябрь 2018 года приняли ту или иную форму ИИ, по сравнению с 53% в 2019 году. всегда добиваются успеха, о чем вам скажут примерно 25% компаний, которые потерпели неудачу в половине своих проектов в области ИИ.