Gartner: Penilaian kesan kewangan data dan pasukan AI telah menjadi kritikal
Secara ringkas
Masalah menilai kesan kewangan pasukan Data, AI dan ML telah menjadi kritikal.
Dalam dunia masa depan AI yang cerah, semua orang hanya bercakap tentang kesan analisis data yang menakjubkan dan perkara yang boleh dibawa oleh pasukan data ke meja secara umum. Pernahkah anda melihat kesan ini dalam realiti: aliran tunai khusus hasil daripada pelaksanaan projek analisis data? Jawapannya mungkin samar-samar. Jadi Gartner membincangkan masalah menilai kesan pasukan data pada peneraju mereka persidangan data dan analisis tahun ini.
Menurut kajian Gartner, sejak 1975, terdapat penurunan yang berterusan dalam bahagian syarikat yang mengukur kesan kewangan khusus projek analisis data (pertumbuhan hasil, pengurangan kos, pertumbuhan produktiviti dan pengurangan risiko). Sudah pada tahun 2020, lebih daripada 90% pelaburan dalam data (berbanding 17% pada tahun 1975) telah dibenarkan oleh apa yang dipanggil matlamat strategik: penciptaan inovasi, data sebagai aset dan nilai jenama.
Dan kemudian anda boleh bercakap banyak tentang bagaimana dan mengapa kami sampai kepada perkara ini dan apa yang akan berlaku seterusnya berlatar belakangkan awan berkumpul dalam persekitaran makroekonomi global.
Mengapa trend itu terbentuk?
Mewajarkan kesan analisis data dari segi matlamat strategik adalah, dalam banyak kes, agak normal. Perkembangan industri dalam beberapa tahun kebelakangan ini telah menjadi jelas kepada semua orang, nampaknya: ChatGPT di sini menjadikan pukulan terakhir sebagai keraguan terakhir. Pada saat kejayaan, tiada syarikat yang ingin bertahan mahu kekal tanpa harapan.
Mewajarkan kesan dengan matlamat strategik kadangkala dipaksa apabila anda tidak melabur untuk memahami kesan kewangan sebenar yang boleh dibawa oleh pelaburan dalam data dan bagaimana ini boleh diukur. Banyak syarikat melabur angka yang besar dalam projek untuk menambah baik proses perniagaan berdasarkan data, tetapi pada masa yang sama, mereka menjimatkan untuk mencipta metodologi untuk menilai kesan projek ini (pengujian AB, analisis pasca pelaburan projek data, dll.). Dengan setiap projek baharu, syarikat sedemikian semakin terperangkap dalam perangkap ketidakpastian; bagi mereka, risiko kebankrapan akhir semua aktiviti data semakin meningkat, atau pasukan data terlalu melambung tanpa memahami kejayaan aktiviti mereka.
Pada masa yang sama, dalam amalan, pengenalan metodologi sedemikian sentiasa menghasilkan kesan yang paling besar pada semua projek data.
Apakah yang akan berlaku seterusnya?
Sisi gelap ialah kelemahan pasukan data yang semakin meningkat dalam situasi makroekonomi yang sukar di pasaran dunia. Jika 90% daripada kesan beberapa jenis pasukan tidak dapat "disentuh" kerana mereka berada di suatu tempat pada masa depan yang cerah, apabila krisis ekonomi semakin meruncing, pasukan inilah yang akan menjadi yang pertama terkena. Malangnya, permulaan trend ini sebahagian besarnya disahkan menjelang 2022, dan beberapa skala besar pemberhentian dalam syarikat besar.
Sisi baiknya ialah minat yang meningkat dalam penilaian impak kewangan sebenar. Dengan latar belakang semua perkara di atas, kami menjangkakan bahawa pada 2024–2025 akan berlaku pembalikan arah aliran, dan lebih banyak pelaburan akan dibenarkan oleh kesan kewangan sebenar.
Dan ini bermakna peningkatan minat dalam kaedah seperti ML Boleh Dipercayai: cara mengatur kerja pasukan data supaya kesan aktiviti mereka boleh diukur dan positif dari segi kewangan. Untuk melakukan ini, anda perlu memikirkan reka bentuk sistem ML (agar tidak masuk ke dalam projek yang jelas tidak menguntungkan atau tidak dapat direalisasikan), inferens sebab-akibat (agar tidak terjebak dalam perangkap corak palsu), dan ujian AB (untuk melakukan dengan betul faham sama ada prototaip anda akan membawa wang semasa membuat skala).
Baca lebih banyak berita berkaitan:
Penafian
Selaras dengan Garis panduan Projek Amanah, sila ambil perhatian bahawa maklumat yang diberikan pada halaman ini tidak bertujuan untuk menjadi dan tidak seharusnya ditafsirkan sebagai nasihat undang-undang, cukai, pelaburan, kewangan atau sebarang bentuk nasihat lain. Adalah penting untuk hanya melabur apa yang anda mampu kehilangan dan mendapatkan nasihat kewangan bebas jika anda mempunyai sebarang keraguan. Untuk maklumat lanjut, kami mencadangkan merujuk kepada terma dan syarat serta halaman bantuan dan sokongan yang disediakan oleh pengeluar atau pengiklan. MetaversePost komited kepada laporan yang tepat dan tidak berat sebelah, tetapi keadaan pasaran tertakluk kepada perubahan tanpa notis.
Tentang Pengarang
Damir ialah ketua pasukan, pengurus produk dan editor di Metaverse Post, meliputi topik seperti AI/ML, AGI, LLM, Metaverse dan Web3-bidang berkaitan. Artikelnya menarik khalayak besar lebih sejuta pengguna setiap bulan. Dia nampaknya seorang pakar dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebut dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto dan penerbitan lain. Dia mengembara antara UAE, Turki, Rusia dan CIS sebagai nomad digital. Damir memperoleh ijazah sarjana muda dalam fizik, yang dia percaya telah memberikannya kemahiran berfikir kritis yang diperlukan untuk berjaya dalam landskap internet yang sentiasa berubah.
lebih banyak artikel
Damir ialah ketua pasukan, pengurus produk dan editor di Metaverse Post, meliputi topik seperti AI/ML, AGI, LLM, Metaverse dan Web3-bidang berkaitan. Artikelnya menarik khalayak besar lebih sejuta pengguna setiap bulan. Dia nampaknya seorang pakar dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebut dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto dan penerbitan lain. Dia mengembara antara UAE, Turki, Rusia dan CIS sebagai nomad digital. Damir memperoleh ijazah sarjana muda dalam fizik, yang dia percaya telah memberikannya kemahiran berfikir kritis yang diperlukan untuk berjaya dalam landskap internet yang sentiasa berubah.
