盡管軟件開(kāi)發(fā)商務(wù)智能（BI）相當(dāng)成熟，但當(dāng)今的大多數(shù)見(jiàn)解都是描述性的，而不是預(yù)測(cè)性的和說(shuō)明性的。由于過(guò)去和現(xiàn)在并不總是一帆風(fēng)順，因此BI不足以使企業(yè)能夠從對(duì)數(shù)據(jù)分析的投資中實(shí)現(xiàn)全部?jī)r(jià)值。而且這種不足注定會(huì)被機(jī)器學(xué)習(xí)和人工智能（AI）技術(shù)所填補(bǔ)，這些技術(shù)已經(jīng)推動(dòng)了比人類（可能是雙關(guān)語(yǔ)）可能更深刻的見(jiàn)解。
基于AI的智能業(yè)務(wù)是一種數(shù)據(jù)和分析指導(dǎo)人員和流程的方法，以便他們不斷了解應(yīng)采取的最佳行動(dòng)以及何時(shí)采取行動(dòng)，以動(dòng)態(tài)地優(yōu)化業(yè)務(wù)運(yùn)營(yíng)，最小化風(fēng)險(xiǎn)，保持合規(guī)性并削減成本，同時(shí)抓住機(jī)遇并以最大化利潤(rùn)的方式改善客戶參與度。
要實(shí)現(xiàn)支持AI的智能業(yè)務(wù)，需要打破傳統(tǒng)的管理模式（在C-Suite中做出大多數(shù)或所有戰(zhàn)略決策），并更多地依賴于數(shù)據(jù)學(xué)習(xí)模型，該模型是自學(xué)習(xí)，自組織和自組織的。優(yōu)化-因此需要機(jī)器學(xué)習(xí)（ML）和AI。此外，要獲得更深入的洞察力，還需要攝取和分析新的數(shù)據(jù)源，包括點(diǎn)擊流，傳感器和文本等結(jié)構(gòu)化數(shù)據(jù)源，以及JSON和XML等半結(jié)構(gòu)化數(shù)據(jù)源。
盡管結(jié)果有望帶來(lái)革命性的變化，但實(shí)現(xiàn)這些結(jié)果僅需要進(jìn)化的變化。
到達(dá)目的地-
逐漸使用當(dāng)今收集的分析點(diǎn)解決方案是一個(gè)很好的起點(diǎn)，但是構(gòu)建支持AI的智能業(yè)務(wù)需要?jiǎng)?chuàng)建一個(gè)綜合框架，該框架可以利用現(xiàn)有投資，同時(shí)奠定能夠利用數(shù)據(jù)中心所有數(shù)據(jù)的新基礎(chǔ)。通往企業(yè)邊緣的途徑。擁有框架有助于在數(shù)據(jù)和分析上進(jìn)行謹(jǐn)慎的投資，從而連續(xù)不斷地產(chǎn)生新的，更深刻的見(jiàn)解和更深刻的見(jiàn)解。
要達(dá)到目標(biāo)，就需要進(jìn)行增量且可管理的更改，這些更改必須在同樣可擴(kuò)展的通用數(shù)據(jù)結(jié)構(gòu)之上逐步構(gòu)建一個(gè)通用且可擴(kuò)展的分析框架。分析框架應(yīng)設(shè)計(jì)為使分析和AI / ML工作流程與業(yè)務(wù)策略保持一致。數(shù)據(jù)結(jié)構(gòu)應(yīng)包含運(yùn)動(dòng)中的數(shù)據(jù)和靜止數(shù)據(jù)。前者包括邊緣，云和本地流數(shù)據(jù)。后者包括云中以及本地?cái)?shù)據(jù)存儲(chǔ)中的數(shù)據(jù)。
為了有條不紊地，漸進(jìn)地構(gòu)建支持AI的智能業(yè)務(wù)，結(jié)構(gòu)和框架應(yīng)支持單獨(dú)支持所有特定戰(zhàn)略業(yè)務(wù)目標(biāo)的數(shù)據(jù)和分析項(xiàng)目的實(shí)施。戰(zhàn)略業(yè)務(wù)目標(biāo)的一個(gè)示例是減少欺詐。理想情況下，可以通過(guò)創(chuàng)建多個(gè)減少欺詐的分析項(xiàng)目來(lái)量化并最終實(shí)現(xiàn)目標(biāo)，每個(gè)項(xiàng)目都專注于分析特定的數(shù)據(jù)資產(chǎn)。
在每個(gè)項(xiàng)目的基礎(chǔ)上進(jìn)行持續(xù)改進(jìn)，使首席數(shù)據(jù)官（CDO）和其他C級(jí)主管可以查看單個(gè)AI和ML模型的價(jià)值，以及如何將它們組合和調(diào)整以實(shí)現(xiàn)共同的業(yè)務(wù)目的。
支持AI的智能業(yè)務(wù)成功的關(guān)鍵在于構(gòu)建分析框架和數(shù)據(jù)結(jié)構(gòu)，使其既靈活又可完全擴(kuò)展。這種敏捷性和可擴(kuò)展性必須適應(yīng)所有工作負(fù)載-從數(shù)據(jù)提取到培訓(xùn)，推理和行動(dòng)-從邊緣到核心以及在私有，公共和混合云中還必須跨越整個(gè)組織及其許多數(shù)據(jù)源。
單獨(dú)的數(shù)據(jù)，分析和決策工作流是可以作為服務(wù)在信息目錄中發(fā)布并可以在其他工作流中鏈接在一起的管道，可能會(huì)使用Kafka API。這使基于微服務(wù)的管道得以創(chuàng)建和組合，最終達(dá)到相當(dāng)于狀態(tài)機(jī)的狀態(tài)，該狀態(tài)機(jī)可動(dòng)態(tài)響應(yīng)事件并不斷優(yōu)化業(yè)務(wù)運(yùn)營(yíng)以整體方式實(shí)現(xiàn)多個(gè)業(yè)務(wù)目標(biāo)。
智能業(yè)務(wù)的好處
一旦實(shí)現(xiàn)，基于AI的智能業(yè)務(wù)將繼續(xù)發(fā)展，因?yàn)槠渥罱K目標(biāo)不僅是變得智能，而且還要自學(xué)，自組織和自優(yōu)化，以不斷適應(yīng)和改進(jìn)。結(jié)果是一個(gè)數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)，該業(yè)務(wù)更加明智，響應(yīng)迅速，積極主動(dòng)且具有競(jìng)爭(zhēng)力。
CDO的優(yōu)勢(shì)還包括CDO管理數(shù)據(jù)和分析項(xiàng)目，使它們與業(yè)務(wù)目標(biāo)保持一致以及評(píng)估它們（分別和遞增）如何為業(yè)務(wù)創(chuàng)造價(jià)值的能力。這種相同的可見(jiàn)性使其他C級(jí)主管可以更好地理解在支持AI的智能業(yè)務(wù)中進(jìn)行的投資如何為實(shí)現(xiàn)組織的戰(zhàn)略目標(biāo)做出貢獻(xiàn)。