关键的外卖

• “我们从首席数据官的研究和调查中了解到，参与战略开发的数据和分析领导者能够比那些没有参与的人提供更多的商业价值。”
• “数据和分析领导者努力优化业务价值，而且往往缺乏对关键任务的优先级的一致性。”
• “作为数据和分析部门的负责人，你需要充当公司的‘首席价值官’。”
• “ROAR(风险、机会、胃口和回报)模型为你提供了一种系统的方法，为每个计划的收益和风险打分，然后考虑这些计划的组合，以形成最优的投资组合。”
• “虽然我们有模型可以帮助你思考和优先排序，但这些模型背后的内容才是重要的。思想胜于行动。”
• “从数据和分析中优化价值是一个持续的过程。这不仅仅是一年一次的活动，也不仅仅是每季度一次的活动——你需要把它看作是你管理的其他所有事情的中心。”

在免费的高德纳电子书中了解如何使用数据和分析来重新设计决策“决策的未来。”

关键的外卖

• 误解1:人工智能的能力超过了人类的能力。“他们的欺骗之处在于，他们允许计算机在五个精度指标中名列前茅。这意味着计算机被允许进行五次猜测，只有其中一项猜测是正确的，系统才能获得‘正确’的分数。”
• 误解2:人工智能正在颠覆行业。“当你应用人工智能时，它有如此多的用例，所有这些都将带来更好的成本节约、客户满意度、停机时间减少、风险降低等，但所有这些我们将看到的更好的东西不一定会转化为巨大的颠覆。”
• 误解3:人工智能是关于智能。“我们创造的系统并不理解太多，它们只会做出反应。”
• 误解4:人工智能无所不能。“人工智能可以解决的问题范围之广令人惊讶，但我们不得不说，人工智能是一种点式解决方案。欺诈检测的解决方案不会用来驾驶汽车。”
• 误解5:人工智能将取代人类智能。“凭借我们学习、理解事物的灵活性，以及超级快速和适应性，人工智能要取代人类智能还需要很长一段时间。”
• 误解6:人工智能可以自己学习。“如果你看看人工智能的整个生命周期，只有高级分析是完全自动化的。”

关键的外卖

• “人工智能人才的获取、保留和发展对大多数组织来说都是一个挑战。”
• 根据高德纳的调查研究，五分之一的公司认为他们拥有所需的人工智能人才。人才差距正在缩小，但获得合适的技能和经验仍将是一个持续的挑战。”
• “糟糕的招聘策略、过高的期望和管理不善都是获取人工智能人才的陷阱。”
• “AI团队中的四个主要角色:1)领域专家，2)数据科学家，3)开发人员或ML专家，4)数据工程师。”
• “创造一种文化和团队结构，利用和重视支持人工智能的角色。预计大多数数据科学团队都是小型的，并且分布在业务中。”
• “对于优秀的人工智能人才带来的人员流动率，要现实一点，这很重要。有竞争力的薪酬缓解了这种情况，因为金钱是人工智能人才离开的首要原因。”
• “技能发展和职业建设对于人工智能人才的留住和最佳合作至关重要。”