如果公司的人工智能（AI）和大数据业务项目的目标不是数据驱动的，而是在业务驱动方面，公司可能会在他们的人工智能（AI）和大数据业务项目中做得更好。

我想在2019年2月由RandyBean和ThomasH.Davenport撰写的《哈佛商业评论》中思考发人深省的文章，题目是公司在努力成为数据驱动方面失败了。作者说，公司没有数据驱动，尽管他们积极追求AI和大数据。文章还说，77%的高管认为，采用人工智能和大数据是一项重大挑战。即使公司是数据驱动的，收养也可能是艰巨的。

以下是一个案例：我正在与之合作的一家主要金融公司IT部门对其所有文档进行数字化和索引。项目经理告诉我，这个项目的目标是消除所有的纸张，并将它在一个中央的可搜索的数据存储库中数字化，使整个公司的应用程序和系统能够链接到一起。

从IT的角度来看，很容易看到逻辑；但是，我感到惊讶的是，公司中没有人确定了可以通过该存储库优化的业务流程，该存储库正在数字化，或者考虑公司可以从该数据中得到的分析和业务洞察力，这将变得可搜索。

简而言之，除了对数据进行数字化之外，没有任何战略计划或业务方向。该产品是真正的“数据驱动”，因为它是生产数据，但它不是业务驱动，而且公司没有定位自己看到任何有影响的业务结果在许多个月。

许多组织正在经历一场类似的斗争。这些技术中的许多技术所固有的挑战是，您不能像传统的事务系统那样插入它们，并开始启动发票、库存报告和采购订单。相反，大多数人工智能、分析和大数据项目都通过一系列迭代处理和测试，直到IT、数据科学家和业务用户之间达成共识，结果这些项目的收益率是真实的。“一路上，这些项目中的一些项目使得IT和一些“不”，而风险是，项目工作你“正在变成一个没有业务驱动的数据驱动的锻炼”。

那么，你如何保持正确的态度，避免陷入一个由数据驱动的组织而不是由企业驱动的公司的陷阱呢？遵循这三个提示。

这是非常重要的。如果您的公司无法将可衡量的收入、成本降低、工作环境或客户满意度从“分析”、“物联网”或“数字化”中可视化，则不应该花费您的预算。

过去几年，分析、大数据和人工智能项目在产生可衡量的业务结果时被授予了一个Mulligan，因为它们是在试点实验模式下运行的新技术，但有一项了解，即这些项目可能或可能行不通。蜜月结束了。管理层希望大数据项目能够像交易数据系统一样，产生有形的业务成果。

即使大数据项目现在被认为处于成熟模式并且预期会产生结果，但这并不改变它们比事务性数据系统更难实现的事实。

大数据分析和AI使用必须持续改进的算法，直到其达到至少95%的精度才能投入生产。因此，对于大数据项目和测试存在迭代方法，直到达到可接受的精度水平。这种重复可以给管理层带来一个印象，即一个大数据项目由于不断的修改和重新测试而不能正常运行。因此，CIO和大数据领导者必须以简单的英语解释事务和大数据测试方法和项目之间的差异，以便管理了解流程。

大数据项目应该从一开始就一直是商业驱动的。为了数据的缘故，收集、浏览和处理数据还不够，期望业务用例将简单地跟随。保持业务目标，并将重点放在真正重要的事情上。

通过遵循这些专家提示，以及阅读关于数据科学创新的见解，掌握大数据分析的基本原理。