- 数据质量实践手册:4步构建高质量数据体系
- (美)普拉桑特·苏特卡尔
- 596字
- 2024-12-18 17:26:44
1.2 数据、数据分析、人工智能和业务绩效
洞察
你不能将数据与人工智能分开,也不能将人工智能与数据分开。所有人工智能解决方案的最终产品都是数据,并且这些数据将再次被人工智能使用。
数据是企业利用人工智能(AI)进行数据分析,以及最终改善业务绩效的基础。这里的AI指的是机器模拟人类智能,包括认知过程,尤其是计算机系统。它所依据的原则是,可以用一种方式定义人类智力,使得机器可以轻松地模仿它并做出决策,从而执行简单或复杂的任务。如今,各种应用中都在广泛使用AI技术,但复杂程度各不相同,从奈飞(Netflix)的推荐算法到Alexa的聊天机器人,再到自动驾驶汽车、欺诈预防、个性化购物等方面。
洞察
分析是提出问题以获取决策洞察的过程。没有问题无从分析。
利用人工智能和数据分析算法可获取数据并寻找有用的模式来查看未来状态以促进决策或预测。换句话说,从数据中识别模式和做出决策是人工智能的基础。要使这些模式和决策可靠,应具有高质量数据。人工智能在业务中非常重要,因为它可以让企业深入了解其运营情况。
在某些情况下,人工智能甚至可以比人类更擅长执行任务,特别是当涉及重复性和基于规则的任务时。就业务绩效而言,人工智能和数据分析支持三类广泛而基本的业务需求:自动化业务流程、通过数据获得对业务绩效的洞察和与利益相关者(包括客户、员工、供应商以及其他合作伙伴)进行互动。总之,成功的人工智能依赖于模式,而从分析中得出的模式则依赖于高质量的数据。