Emerj供应企业形成自己的AI策略，数据审计是Emerj的一部分用于识别高ROI AI项目框架。在这篇文章中，我们将打破这一框架的一个切片，通过一些务实的步骤走的领导人可以采取向在其组织行业领先的成果驱动。
在人工智能领域，据了解，需要对架构的解决方案经验数据的科学家，而且它也认识到，商界领袖和主题专家必须有一个清晰的愿景驱动对着成功的业务成果的AI项目。
在AI需要授权有效的战略决策有关投资的重叠是不太清楚。虽然高层领导就不会成为数据科学家，它的关键，企业领导人有实际和概念 - 如果不是技术 - 组织的数据和基础设施的理解作为一个网关在其组织中理解AI的机会。
在以前的Emerj另外文章中，我已经介绍的重要性执行AI流畅。虽然大多数数据审计资源的技术，以及对IT领导者和数据科学家齿轮 - 本文的设计是对于没有技术背景的行政领导的概述。
为什么要大型企业进行数据审核？
原因1：避免浪费AI支出
Emerj经常从事的咨询数百万已经浪费在不良的选择试点项目之后。我们已经听到了关于如何准备队是部署技术，以及如何准备的技术是实现结果不正确的假设作出大量投资的许多故事。Gartner还预测：“通过2022，AI项目的85％会因数据，算法或负责管理他们的团队偏置提供错误的结果。”
让我们清楚;AI是一个战略性的技术，而不是战术之一。而且由于AI需要一套新的技能，新的一组工具，工作的新方法，这一点很重要领导人认真对待这种新的方式，并挑选他们能在长期承诺一个方向。领导者应该准备自己不仅要在AI上插上一个小项目，但双降的转变。
与盈利AI部署成功，领导者需要：
- 正在审议的AI解决方案交付的实践能力强大的理解。
- 领导者和利益相关者之间的高级别排列，与长期转型的愿景。
确保领导，确保在这些品质，务实的和支持性措施可以在不可避免的挑战与新技术的实施产生采取降低风险或转动过程。和S彻底的数据审核uccessful执行，以培养企业领导人之间的这种必要的了解和定位一个特别强烈的方式。
原因2：正确评估AI项目选项
数据检验，得到领导的一个更清晰的视野：
- 哪些数据流可能是AI应用最有价值的。
- 其中AI应用程序可能是值得尝试的，现在测试。
随着认识这些领域 - 领导者可以选择AI智能项目，牢记不可避免的部署挑战，他们目前的数据基础设施和AI准备的（可能是恶劣的）现实。
当领导（不管是谁切割校验）和项目利益相关者（主题专家，数据科学家，外部AI供应商）是关于现实的机遇和AI准备，AI项目选择的最明显的失误都有可能被克服在同一页上。
一个AI数据审核的5个阶段
从执行的角度来看，AI数据审计可以被分解成以下阶段或步骤：
- 确定数据审计目标
- 确定跨职能数据审核小组
- 确定在何处集中（部门，职能，流程）
- 探索重点领域
- 汇总审计结果
下面的图形意在通过四到是相两者的视觉表示。在下面的小节中，我们将更加深入地探讨每个阶段。
1.确定数据审计目标
明确界定审计的高层次目标和交付前期对齐领导和重点向高价值机遇的问题和调查。
数据审核几乎总是旨在（一）获得该公司的最重要的数据资产的一个客观的认识，以及（b）确定每个这些重要的数据资产的潜在价值AI或改进的机会。
然而，数据审计目标的完整列表可能相差很大，从公司到公司。领导者可以重点关注尤其是部门，业务流程，并调查具体技术和安全要求。问你自己：
- 我们想从这个数据的审核，以获得什么样的信息？
- 什么是我们希望能够与我们从这个审计收集到的信息呢？
这些问题 - 他们的答案 - 应该也是由跨职能的数据审核小组中运行 - 这需要我们的下一个阶段：
2.形成交叉功能数据审核小组
一个精心组建的团队组成：
- 至少有一个内部的数据科学家。顾问或AI厂商完全依赖是一种正确的方式来搞砸了数据审核。即使供应商或顾问都参与其中，有人用在心脏公司的最佳利益，必须通过整个数据审计过程参与。管理人员通过供应商的偏滤器饮用数据洞察几乎不会导致有关公司数据的状态客观的见解，也不会导致审计后的最佳接下来的步骤。
- 功能性业务的领导者。有人与公司或部门的财政拮据的深入了解，以及公司或部门的关键推动力的目标。这种领导者应该具有的AI功能和部署环境的坚定概念的理解。这种领导者往往是AI数据审核过程的冠军，并且要么是一个写支票，或者说是一个谈判与上级领导得到资助该项目的需求。
- 主题专家（SME）。来自不同部门的中小企业将需要参与数据的审核过程。我们已经写了更多关于中小企业的重要性，以及他们在AI项目中的作用，以前Emerj另外一篇题为在：主题专家的AI应用项目中的关键作用。
这种组合将改变从团队到团队和人才需求取决于什么阶段我们关注的过程（参见我们的报告全文人工智能部署路线图了解更多有关跨AI项目生命周期中的人才需求）。通常情况下，IT领导层将需要导航并获得拜占庭数据存储和IT系统。
这个团队与项目发起人一起，应该共同来进一步蒸和优先审核的范围，确保团队和利益相关者的高级别要求和必要的执行行动项目有深刻的理解。
3.如果确定要聚焦
在这一步中，审计范围定义和锁定。虽然一些审计摸了十几个业务功能，其他人可能只有潜入3或4个精心选择区域。即使一个广泛的范围是必要的，一些地区将值得比别人更深的潜水。
三种佳方式来划分范围的数据审核包括：
- 通过部门- 即合规性，客户服务，市场营销等。
- 通过业务流程- 即权利要求管理，招聘等
- 按数据类型- CRM数据，支付欺诈和退款数据，网站用户行为数据等。
以下是领导者在这个过程中要考虑一些很好的问题：
其功能有可能有可能对业务AI-相关价值最重要的数据？
哪些功能或流程为企业最重要的整体，在战略和愿景方面？
执行务实的优先次序的过程可确保在初始项目的选择和实施的重点领域将得到更多的关注。
4.探索重点领域
评估AI人才，并聘请专家
- 聊到这些业务功能，流程和部门内部的IT专家和数据专家。
- 谈话主题专家。
- 聊到这些部门的数据科学家（如果存在）
评估数据质量
上的3点量表的数据质量的下面地层评估（见的例子的图形上）是一个良好的开端：
以上三个因素是几乎总是有用阶层得分和排名数据的机会，但每家公司都会有自己额外的考虑。
得分每个聚焦区提供的机会在于其中的直观视图。在本文的顶部图像示出了一个例子。
接下来，检查潜在的AI使用情况和各个部门，职能和流程中的投资回报。搞主题，专家AI实现机会映射到审计领域。考虑：
有了这个给定的数据语料库，这个特定的业务流程，这个业务部门内，什么是使用的先例？
这需要你的部门内的AI机会景观有深刻的理解，并有可能也强竞争情报要了解竞争对手和相邻的行业出发，究竟是如何与AI自己的战略整合。
5.汇总审计结果
审核发现最好的总结，其中通信的见解和确定的机会，以清晰的语言和图形利益相关者在各级，包括内部数据科学家，内部主题专家和管理人员的文档。
该文件应简明扼要地总结调查结果和框架见解意味着什么，为公司未来的内部部署AI务实的上下文。
- 哪里是我们目前的数据生态系统的优势和劣势，在所有我们所分析的组成部分吗？
- 在哪里申请AI和传递价值的机会？其中AI应用程序可以使用？
- 哪里现代化或改进我们的数据基础架构以保证企业未来能力的机会？
这些发现可以随着时间的推移，向着一个更强大的知识基础，告知新的项目，因为他们发展。
从审核到行动
审核是学习
发现的，我们需要改进的重要性比找到短期的投资回报率更重要。是的，我们要锚定在可衡量的结果所有项目，但有这么多的障碍，使近期的项目挑战。
建立关键能力，使我们能够灵活地部署这些技术是一个严重的竞争优势 - 以使我们建立这些技能和能力是非常重要的。尽可能初始资金的投资回报率是很重要的，但我们保留我们需要保留，以在未来较强学的知识是很重要的。
请阅读我们关于AI的成熟元素为文章全文：关键能力 - 的先决条件，以AI部署在业务。
适当的AI审核之后，我们应该能够回答两个以下：
- 在哪里可以AI被用来在我们公司的战略价值？
- 我们在哪里需要改善我们的AI最成熟，为了使AI在长期capabiliteis？
任何完整注重短期行为，而不需要考虑到学习的价值是完全缺少早期AI部署点。虽然我们经常要条件下工作，其中高管们的AI面临的挑战和要求低于理想的理解，它的AI项目领导的责任，充分准备的高管，以及前期设定正确的期望值。做任何事情少会导致失败的，转瞬即逝AI试点项目始终无法部署（见从本文开头的Gartner公司统计）。
Companies who complete a data audit should record the process they used and the lessons they learned so that the core data audit summary can be applied again – either to different aspects of the company’s data ecosystem or to the same elements of the data ecosystem at a later date (to determine changes or improvements over time).
选择AI项目
当我们有我们的AI数据审计的结果，我们可以更好地决定哪些AI项目投资和接地这些决定不仅诠释，他的AI的可能性（我们发现，通过作为这一过程的一部分工作），但也为我们的数据基础设施和人才的国家目前的现实的一部分。
只有用这种接地并与我们的利益相关者和内部专家的共识，我们可以期待投资合适的项目。AI investments made “in a vacuum” (without context on the current state of our data ecosystem, and without a strong understanding of the AI applications that might suit us best) will almost always fail, and won’t even result in retained learning, nevermind business value.
有些高管想认为AI是IT。但是，如果我们正在寻找一个持久的优势，那么我们需要重点关注：
- AI的当前能力
- 接地在我们目前的现实情况和数据的状态/天赋
- 具有前瞻性AI /数字化改造的愿景
选择第一AI项目不是插件和播放，这是跳进做生意，有团队，处理和治疗数据的新方式新的工作方式的新途径。把它谁，严重会更仔细挑选的公司，但他们会是天文数字更有可能看到短期和长期的投资回报率的公司。
Emerj为AI服务领导者和顾问
AI顾问和AI服务领导者是企业内部变革的关键力量。大型企业需要外部专家来帮助确定AI项目，评估AI的机会，引导AI策略。
If you’d like to determine the industries and companies most in need of your AI services, and if you’d like a proven method for conveying the value of AI projects (turning AI from a “nice to have” to a “need to have”), consider适用于我们的催化剂咨询方案。
