人工智能和數據科學有望在整個企業中實現商業價值。IT組織和業務部門都在爭先恐后地利用這一潛力，但人工智能和數據科學計劃不能操之過急。是的，在某些情況下，有一定數據科學專業知識的人可以獲取可用的數據，并能回答業務領導者不曾想過的問題，這使后者驚訝不已。但通常情況下，這種方法會給人錯誤的建議并浪費人們的時間。

 

根據IDC最近對首席信息官和高級IT主管的調查，美國93%的IT主管表示，他們的企業正在利用某種形式的卓越中心(COE)來推動人工智能和數據科學計劃。在很多(如果不是大多數)情況下，這些卓越中心是小型的，成立不久的和實驗性的。在這幾種情況里，它們都起著至關重要的作用。

 

那么公司如何創建成功的分析型卓越中心來推動可衡量的業務成果呢?

 

 

成功的卓越中心專注于與業務合作。威瑞森(Verizon)的分析型卓越中心的主任Philip Jenkins表示，威瑞森的卓越中心之所以成立，是因為IT部門和業務部門(如市場營銷，財務和運營部門)都不能協調一致地處理數據工作。這就像中心與邊緣的模型，該中心如今充當中心，邊緣是業務部門的數據消費者。Jenkins說，從一開始，該中心的目標就是“使我們的數據更加強大，以便我們能夠從客戶那里取得更好的成果——我們稱之為“簡單，智能和互聯的體驗”，這樣我們就不會浪費客戶的時間，我們會提供更多個性化的優惠，而我們采取的任何行動都與對他們來說很重要的事項高度關聯。”

 

對卓越中心而言，關注戰略業務的工作重點也很重要。雪佛龍的建模與分析型卓越中心的創始管理者Margery Connor建議人們根據業務價值建立一個確立優先事項的系統。否則，她說，“你會受到所有這些想法的狂轟濫炸，其中一些想法有較高的價值，而另一些想法則沒什么價值”。事實上，雪佛龍的中心由一個“企業數據科學指導委員會”提供指導，該委員會的代表來自采購、財務、業務部門，還有首席信息官和首席技術官。

 

因此，Connor說：“我們向這些代表展示我們正在做的工作，而他們則負責發現使我們獲得更多機會的領域。為了開展項目，我們需要一個定義明確的業務問題，一個合理的數據集和一名業務擁護者。如果你在這個業務中沒有聲援者，那么，即使你解決了問題，這個解決辦法也很可能無法實現。”

 

 

分析型卓越中心同時為業務和IT提供支持。這些分析型卓越中心實現了兩個轉變，即從部門到整個企業的轉變，以及從戰術到戰略的轉變。同時，它們為整個企業的數據質量，強大的決策制定，經過了優化的價值和業務一致性創建了運營轉型的途徑。在最理想的情況下，分析型卓越中心專注于整個企業的協調工作;它們通過中央和分布式資源茁壯成長。由于分析方面的專業知識十分匱乏，卓越中心擁有或創建了一個能夠為企業中的所有人提供幫助的一群專家。卓越中心在分布式的專家或技能中心的網絡中充當了一個能產生影響力的節點，帶來了資源和一群從事智能項目的人。

 

當企業已經獲得了一些孤立的知識和成果并希望擴大到更大的范圍時，卓越中心就特別有價值。這樣的卓越中心將對企業數據轉換的方方面面進行協調，提供建議，支持，溝通，教育，治理，架構并進行標準化。

 

盡管人們對這些技術興奮不已(或許正因為如此)，人工智能和數據科學面臨著一場艱苦卓絕的戰斗。數據專家看起來像審計員，機器學習算法早晚會踏入禁區，有人會因此而被解雇。然而，數據驅動的文化不是“可有可無的東西”;它對企業的成功至關重要。對大多數企業而言，分析型卓越中心很有可能實現數據科學的承諾。