本文最初发布于 CIO.com

要实现更好的客户体验、更高效的运营和开拓新收入来源,数据是关键所在。擅长分析数据的组织具有出众的竞争力和影响力。因此,许多组织将目光投向“智能”分析技术(如人工智能、机器学习、自然语言交互和复杂算法),寻找竞争优势,并进一步提高分析能力、驱动组织革新,以及促进业务的数字转换。

但是,这些前景广阔的技术极少能获得广泛的成功。它们受到大肆宣传,披着神秘的面纱,很难跳出专业数据工作者的圈子,甚少能为普通用户所用。由于这些技术本身较为复杂,因此主要关注点仍在技术本身,而不是如何让普通用户与之交互并从中受益。

除了提高分析的易用性之外,我们还需要关注信任的重要性。如果用户不了解、不信任智能分析,自然就不会使用智能分析。只有通过信任,我们才能实现智能分析所提供的高度可用性和变革。首先要从信任数据及相关技术的价值开始。然后,我们可以帮助员工了解,如何更好地利用这些智能技术来提高工作效率和优化见解。

在数据和见解价值方面达成共识

在组织中采用智能技术的关键在于让员工接纳数据驱动方法。员工必须具有以下认识:数据是公司价值和成功的基础,更善于利用数据的组织能比其他组织取得更好的业绩。如果对使用数据制定决策的方法产生抵触,那么采用辅助分析的新技术就会受到阻碍。

如何打造分析文化?首先,让数据在整个组织范围内广泛可用。在组织的每个级别提供分析能力,强化以数据驱动方式制定每个决策的重要性。通过将数据和分析直接引入决策制定会议,以此强化该做法,并实时解答问题。衡量数据使用情况。了解数据的影响。创建推广数据分析的社区,提供管理支持以强化其重要性。

揭秘智能分析

人们往往回避自己不了解的事物,他们不希望因为自己不了解情况而被视为菜鸟。我们需要帮助员工认识到:我们大多数人都未真正掌握智能分析。这是一个较新的领域,我们仍处于学习阶段。学习和透明度是实现更广泛信任的关键。

随着算法和模型变得越来越复杂,关键是要确保这不会让大家感到难以理解。“可解释的 AI”这一概念很有用 - 我应该能够理解其中所应用的运算和逻辑,并通过它们找出答案。这有助于我确信答案是正确的。AI 技术需要公开其内在工作原理,同时帮助我们识别并避免往往由人类引入分析中的偏见。这样的组合方法可以同时充分发挥人类和计算机的价值。

协助员工明白:智能分析可以为他们提供帮助,而不会取代他们。

如果人们认为某事物会威胁自己的生活,就不会信任它。事实上,智能分析技术的情况正好相反!人们应将智能分析视为可帮助他们提高绩效的方式,而不是取代他们的威胁。我们应该共同摒弃“AI 将取代我的工作”这样的错误观点,帮助人们了解计算机是如何从数据(而不是经验)中学习的。智能分析可以帮助员工更好地制定决策,从而提高效率、实现自动化、个性化客户体验、形成竞争优势等。领导又怎么会不喜欢它呢?

提高数据素养

工具和技术当然是提高绩效的重要因素,但员工也必须学会对数据进行批判性思考。他们需要了解数据什么时候有用,什么时候没有用。根据错误数据或来自“智能”计算机的错误建议行事,将导致决策错误和资源浪费。因此,这需要借助数据素养、批判性思维和员工培养。

同时具备实践和创造性技能,才能实现有影响力的数据学习。需要信任技术以及依靠员工的理性判断,才能将智能分析引入业务流程。甚至连经验较丰富的数据科学家也可能会犹豫 - 为什么,如果他们具有经实践验证的真正经验,他们是否应该信任计算机?经验尚浅的用户需要了解如何与智能技术建议进行交互和验证,或者通过融入人类知识来修正方向。

您能做出改变吗?

特别是在采用高级技术时,变化会让人感到不安。但毋庸置疑的是,能更好地好利用数据的组织将获得最大的成功。从感到不适到获得成功的过渡阶段,将帮助员工对这些新功能产生信任。

在未来的几年,您将兴奋地看到,随着智能分析的改进和发展,大家将会逐渐建立信任和信心。随着计算机学习提取用户的专业知识,人们将有什么样的反应?借助技术让组织的数据潜力最大化的过程中,您的员工是否了解他们在其中所发挥的作用?

我们将参加 Gartner Symposium/ITXpo!欢迎莅临我们的 723 展位,分享您的智能分析做法。请勿错过我们的 Morgan Stanley 客户访谈(展会前会议)和 Intercontinental Exchange 客户访谈(主会议)。

您可能还有兴趣了解...

订阅我们的博客