高管使用3种策略来建立强大的数据基础以进行AI集成

业务领导者很清楚，在利用人工智能（AI）的力量方面，强大的基础至关重要。在没有扎实的数据策略的情况下，潜入AI项目是灾难的秘诀。正如古老的俗话说：“垃圾进，垃圾” - 关于人工智能，这并不是事实。

那么，专业人员如何为确保其组织能够安全有效地使用AI奠定基础呢？在这里，三名企业领袖分享了制定成功策略来利用新兴技术的策略。

1。把你的人放在第一位

集团首席数据兼保险巨头L＆G分析官克莱尔·汤普森（Claire Thompson）强调，战略性的信息方法对于任何希望创新的公司都至关重要。她告诉ZDNET：“我总是说数据基础对于您接下来做的任何事情都很重要。”汤普森强调需要将规则和法规与有形财务成果联系起来。

“清楚地表明，数据策略将如何推动切实的价值 - 例如，重要的是，您的电子邮件地址是最新和准确的，以便您可以进行有针对性的数字通信？”她问。汤普森（Thompson）了解到，并不是每个人都为一项长期战略计划而兴奋，概述了管理信息资产所需的技术，流程，人员和规则。但是，她坚持认为，计划阶段对于收获AI等技术的好处至关重要。

她承认：“我能理解为什么人们可能会说治理很无聊。” “但是在当今的数字组织中，人们想进行直通处理，这对于您的数据质量良好变得更加至关重要。因此，所有道路都在导致治理。”

汤普森在L＆G策略中的关键部分是建立了她的数据团队与IT部门之间的密切工作关系。有效的合作取决于每个聚会带来的技能的清晰度。她解释说：“您需要一个手工艺的合作伙伴关系。技术对于我们在数据空间中所做的工作非常重要，没有云环境，数据仓库和工具，我们将无法完成工作。

汤普森还强调了通过设计嵌入数据质量到核心系统的重要性。她说：“您可以完成这项工作的越多，它就会越阻止数据质量差的不良效果，并防止了任何补救努力。”这种方法将为增强的客户体验铺平道路，例如个性化的移动应用程序和AI支持的自动交易。

2。掌握您的交易数据

法律公司DWF的首席技术官Jon Grainger认为，现在是制定数据策略的最佳时机。他强调，精明的业务领导者应该在考虑如何利用AI和机器学习之前很好地专注于数据使用的基础元素。他打趣道：“我总是说数据策略的最佳时间是四年前。” “这是一件超级货车的工作。最终，捷径不多。有一种观点说，'好吧，如果要花那么长时间，为什么要打扰呢？'我认为这就是为什么许多人都无法掌握他们的数据的原因。”

Grainger的目标是帮助他的公司通过数字化转型来提供丰富的体验来建立声誉 - 数据策略是这种方法的关键组成部分。自2022年下半年加入DWF以来，他实施了一种新的策略，该策略集中在基于云的软件即服务（SaaS）产品和开放式应用程序编程（API）接口。

DWF的数据涵盖了各种实体，例如案例，合作伙伴，客户和内部业务流程，包括计费和财务。 Grainger解释说：“数据策略是确保交易数据（真实的来源）在这些部分中掌握的。”目的是帮助组织快速行动，而不会损害质量或成本。

他说：“每种SaaS产品在企业地图上都有明确的身份。” “这种身份是由您在每个区域中掌握的数据驱动的。” Grainger强调，将“绝对最低要求”集成到公司的目标体系结构中是DWF可以访问和使用的完善的API。

他指出，Snaplogic技术在确保服务，API和用户之间建立牢固可靠的联系中起着关键作用。他说：“总是会得到15个特定地址的15种不同的拼写，该技术可以看到该模式并纠正它。” “它也可以做一些称为富集的事情。因此，它可能需要某人的参考，转到API，回来，说，'这是正确的信息。'”

Grainger还指出，数据策略的重点是DWF创建的模型以回答关键业务问题。通过将其与公司对SaaS产品和API的关注相结合，DWF拥有可靠的基础来探索新兴技术。他总结说：“事实证明，如果您在数据策略中拥有所有这些元素，那么您就可以很好地为生成AI设置自己。”

3。与您的行业同行一起工作

北海过渡局（NSTA）公司和首席财务官总监Nic Granger认为，出色的数据策略超出了内部实践并跨越组织界限。 NSTA从石油和天然气领域收集数据，Granger的团队开发了数字平台，允许行业，政府，学术界或其他有关方面公开访问数据。

作为这项工作的一部分，她主持了一家专业机构，该团体成立于2022年底，旨在促进与石油，天然气和可再生能源数据收集数据收集的英国公共机构的合作。她告诉ZDNET：“人们认识到，我们需要整个海上能源领域的凝聚力数字数据策略。” “整个行业中，在数据管理和数字技术方面都有良好的卓越范围，但它们不一定是一起交谈的。这对我们来说是一个很大的优先事项。”

DSG得到了包括英国政府部门，开放数据研究所和技术领导委员会在内的贡献者的支持。格兰杰（Granger）说，这种协作方法是富有成果的：“我们现在已经有了数据策略，这是关于在三个关键工作流方面工作。”

她解释说，第一个流的重点是数据，标准和原则：“确保数据的潜在质量很好，因为我们都在相同的基础上工作。”第二个流旨在创建常见的数据工具包并确保互操作性。 “无论您是在离岸能源公司还是在石油和天然气公司的项目中工作，都应该拥有可在平台上使用的数据。这项工作是关于'您如何从A到B的数据中无需重复的数据？'”

第三个工作流侧重于跨部门数字化：“这是关于确保整个行业的数据和数字技能，并确保该行业符合网络安全的最佳实践，” Granger说。

借助这些数据基础，开始思考如何充分利用新兴技术要容易得多。 Granger总结说：“我们的重点是确保我们使数据可访问，并以正确的格式供其他人使用AI和机器学习。”