استراتژی داده لازمه استفاده موفق از هوش مصنوعی در شرکت‌هاست

یکی از باورهای مشترک در دنیای امروز و در حوزه کسب و کار این است که هوش مصنوعی قدرت ارائه مزایای رقابتی تعیین‌کننده‌ای دارد. در واقع 91% از مدیران سطح C که از هفتصد شرکت در نظرسنجی Forbes Insights شرکت کردند، موافقند که استفاده از هوش مصنوعی در کنار زدن رقبایشان در صنعت خودشان کمک زیادی خواهد کرد. البته استفاده از هوش مصنوعی بدون داشتن استراتژی داده مناسب ممکن نیست.

اما استفاده درست از هوش مصنوعی و یادگیری ماشین نیازمند داشتن داده‌های مناسب و تغذیه آن‌ها است. بر اساس نظرسنجی انجام شده، این همان قسمتی است که بسیاری از شرکت‌ها در آن مشکل دارند. اگرچه محوریت هوش مصنوعی و قدرت پیش‎بینی آن را، داده تشکیل می‌دهد، تنها 12% از شرکت‌هایی که مدیران آن‌ها در این نظرسنجی شرکت داشتند، استراتژی داده مناسب ساخته و در حال استفاده از آن هستند. همچنین 80% از این شرکت‌ها اعلام کردند که 40% یا حتی کمتر از داده‌هایشان در درون سازمان به اشتراک گذاشته شده و دردسترس همه است.

بدون داشتن یک استراتژی داده مناسب، سازمان‌ها درک درستی از اصول هوش مصنوعی و درآمدزایی از آن ندارند. پس چطور می‌توان یک استراتژی داده  با رویکرد آینده‌نگر تدوین کنیم؟ برای این کار باید به موارد زیر دقت کرد.

دیدگاه شرکتتان از داده را دوباره بررسی کنید

از قدیم داده‌ها دغدغه‌های عملیاتی شرکت‌ها بوده‌اند و همیشه مشکلاتی برای جمع‌آوری، ذخیره‌سازی، امنیت و دسترسی به آن‌ها وجود داشته است. یک دیدگاه آماده برای استفاده از هوش مصنوعی آن را بازآفرینی خواهد کرد و باعث می‎شود عملیات مقابل نتایج قرار گیرند. یعنی به جای این که به داده‌ها با این دید بنگریم که به ما نشان دهند چه اتفاقی قرار است بیفتد، برایمان راهنمایی باشد که نشان می‌دهد چه اتفاقی می‌تواند بیفتد و چطور این اتفاق می‌افتد. هرچند بر اساس نظرسنجی Forbes Insights، تنها 45% از مدیران تصمیم به اتخاذ یک استراتژی داده قابل درک برای شرکت دارند.

تمام بازیگران اصلی را درگیر کسب و کارها کنید

یک استراتژی داده برای شرکت که حامی، پایدار و ارائه‌دهنده اولویت‌های هوش مصنوعی باشد، نیاز به درگیری تمام بخش‌های مختلف شرکت با آن دارد. استراتژی داده ممکن است طراحی و توسط تیم‌های علوم داده، فناوری اطلاعات و حتی مدیران کسب و کار مورد استفاده قرار گیرد. مدیران مجرب می‌دانند که این کار یعنی تعریف دوباره نقش هر کارمند برای خودش و هماهنگ‎سازی آن با استراتژی داده به منظور آزادتر شدن وقت برای رسیدگی به موارد ضروری‌تر. در شرایطی که تنها حدود نیمی از شرکت‌های حاضر در نظرسنجی توانستند چنین استراتژی‌ای را برای بخش‌های مختلف در نظر بگیرند، این همان قسمتی است که باید مورد توجه باشد تا موفقیت زودتر حاصل شود.

توصیف مشکل یا فرصت

باید برای تعیین شرایط جدید، کسب و کار را هم در نظر بگیریم. مدیران کسب و کار باید این سوال را بپرسند: کاربرد هوش مصنوعی برای ما چیست و چه مشکلی را می‌خواهیم با آن برطرف کنیم؟ موفقیت چه شکلی دارد و چطور ارزیابی می‎شود؟ مدیران فناوری اطلاعات می‌توانند توضیح دهند که برای رسیدن به موفقیت به چه نوع داده‌ای نیاز دارید. در میان اهداف دیگر، شرکت‌های بزرگ به دنبال استفاده از هوش مصنوعی به منظور بهینه‎سازی جریان کار، افزایش فرصت‌های سرمایه‌گذاری و پیشرفت تجربه کاربری هستند. هریک از این اهداف نیاز به مجموعه داده‌های خودشان دارند. برای مثال، شاید استفاده از هوش مصنوعی به منظور پیشرفت تجربه کاربری با استفاده از چندین داده مانند نتایج نظرسنجی‌های رضایت مشتریان، شبکه‌های اجتماعی، معیارهای تبلیغات و جستجو در داده‌ها برای شخصی‎سازی تجارب، به دست آید.

 آمادگی داده‌هایتان برای هوش مصنوعی را نشان دهید

داده‌ها مواد خام هوش مصنوعی هستند، اما چالش‌های خاص خودشان را هم دارند. در واقع در حالی که 82% مدیران نظرسنجی انجام شده معتقدند حداقل در برخی از بخش‌های شرکتشان آمادگی برای استفاده از داده ها در هوش مصنوعی وجود دارد، تنها 14% آن‌ها معتقدند داده‌هایشان برای تمام بخش‌های شرکت در دسترس قرار گرفته است.

داده‌ها مدام در حال تولید از منابع مختلف و به‌روز شدن هستند و معمولا در مکان‌های متفاوت و با فرم‌های مختلف ذخیره می‎شوند. برای مثال، در مثال تجربه مشتری، دپارتمان‌ها شاید برای طبقه‌بندی مشتری روش‌های متفاوت داشته باشند. برای هریک هم نیاز به داده‌های متفاوت است. در نتیجه نیاز به داده‌هایی است که نشان دهنده کیفیت، تکامل، هم‎پوشانی و مرتبط بودن با کسب و کار، هستند.

هرچه تنوع داده‌ها بیشتر باشد، شرکت‌ها بیشتر به سمت موفقیت حرکت خواهند کرد. ساده‎سازی پروسه مدیریت داده و امکان محافظت از آن در تمام بخش‌های یک شرکت، ضروری است. یعنی باید داده‌ها به خوبی برچسب‎گذاری و تفکیک شوند و برای موارد مختلف تجاری قابل استفاده باشند. پس عجیب نیست که 70% از مدیران ترجیح می‌دهند در شرکت حکومت داده‌ها برقرار شود و 48% آن‌ها تمایل دارند که میزان استفاده از داده در شرکت باید مدیریت شود.

توسعه یک استراتژی برای به دست آوردن داده‌های جدید

به محض این که مشخص کردید در شرکت باید همه بخش‌ها داده محور شوند یا فقط در بخش‌هایی مورد استفاده قرار گیرند، باید شروع کنید به شناسایی شکاف‌های بین مجموعه‌ داده‌ها و انجام اقداماتی به منظور پر کردن آن‌ها. برخی از داده‌ها ممکن است به صورت عمومی در دسترس باشند.

برای مثال، یک شرکت خرده‌‎فروشی شاید تمایل داشته باشد با تامین‌کننده‌ داده مربوط به آب و هوا ارتباط برقرار کند تا متوجه شود تغییرات آب و هوا به چه اندازه در میزان پیاده‌‎روی مردم تاثیر دارد. بعد از آن از این اطلاعات در داده‌های تحت مدیریت خودشان استفاده می‌کنند و آن را به مجموعه داده‌‎هایشان اضافه می‌کنند. اگرچه این یک روش مناسب برای ساخت مجموعه داده است، اما بهترین راه این است که یک مجموعه داده اختصاصی برای خودتان ایجاد کنید که کسی توان رقابت با آن را نداشته باشد. برای این کار باید اقداماتی فراتر از جمع‌آوری داده انجام دهید.

در واقع باید یک چرخه داده پربار ایجاد کنید و برای این کار نیاز به تعبیه داده‌ها در محصولاتتان است. با این روش مشتریان از محصولات شما استفاده و داده جدید ایجاد می‌کنند و این باعث می‎شود شما برای محصولات بعدی داده‌ای جدید به دست آورید. توسعه محصولات جدید باعث افزایش مشتریان شما می‎شود و هم مشتریان خودتان از محصولات شما بهره می‎برند و هم دامنه مشتری‌های شما بیشتر می‎شود. در نتیجه این ازدیاد مشتری، داده‌ها هم بیشتر می‎شوند و این یعنی یک چرخه مناسب برای پیشرفت شرکت فراهم شده است.

مهم‌ترین نکته در زمینه استراتژی داده هوش مصنوعی این است که برای شروع کردن آن خیلی دیر نشده است. درست است که همیشه زمان فاکتوری تاثیرگذار است، اما فشار برای استفاده از هوش مصنوعی نه‌تنها توسط مدیران، بلکه اعضای هیئت مدیره شرکت‌ها، مدام رو به افزایش است. 70% از مدیران نظرسنجی اعلام کردند شرکت‌های آن‌ها در حال آماده کردن زیرساخت‌های استفاده از هوش مصنوعی هستند و این در حالی است که هر سال فقط تعداد کمی متخصص داده به افراد قبل اضافه می‏شود. فقط فکر کنید، اگر به موارد بالا دقت کنید، دفعه بعد که از شما بپرسند استراتژی داده شما برای استفاده از هوش مصنوعی شما چیست، دقیقا می‌دانید که چه توضیحی باید بدهید.