企业决策智能项目的五种失败姿势( 四 ) _信息快讯

文章插图

但技术人员也坦诚，目前还不太确定，这些建议一定能够给业务部门带来不错的价值。目前的市场投放决策，还是要依靠营销人员的专业经验去判断，有时候甚至是灵感的东西。
新品开发也同样如此，智能决策系统可以给出一些建议，提前预判可能会遇到哪些问题，用什么样的包装材料，生产上可能出现什么瑕疵，但对于一些创意方向、从零到一的需求创造，目前的智能决策系统还不算成功，只是让研发人员看到的数据维度更多、思考更全面、决策更加精细化而已，最终决策还是靠专业人士来完成。
比如他们就将一个logo设计成了环抱的弧形，从心理上让消费者感觉更亲近，这个创意就来自于专业判断，而非AI洞察。
写在最后说了这么多“失败姿势” ，并不是想给企业和AI行业泼冷水，而是成功各有各的成功，但失败之处某种程度上都是相通的。当千行百业都渴望AI、拥抱AI的时候，提示风险、避免踩雷，才能让AI产业化和产业AI化更良性地发展下去。
具体到决策智能这一技术上，通过这些先行者的探索，可以发现影响成功率的因素非常多，主要有四个方面。
1.数据化程度。要能做到业务全流程、全场景的数字有迹可循，为智能提供基本养料。
2.组织力支撑。归根结底，决策离不开管理科学，企业管理、文化、组织架构等都要适配智能项目。
3.价值场景。决策智能到底如何发挥价值，需要找到最符合企业增长效益、符合数据逻辑的场景，这又对技术人员的综合能力提出了要求。
4.外部支持。目前，我国的企业管理大多还停留在梳理商业规则（Business Rules）和搭建商业规则阶段，少数进入了自动分析决策智能（Automatic Prescriptive Analytic）阶段，技术服务商和基础设施提供商也需要适配企业智能化的不同阶段，提供相适配的技术工具与商业支持。比如轻量级、模块化的组件，帮助企业快速搭建智能系统，低成本试错；比如反垄断的推进，让跨生态的数据流动起来。

文章插图

维基百科中，决策智能指的是“ An engineering discipline that augments data science with theory from social science, decision theory, and managerial science” ，一门运用社会科学、决策理论和管理科学知识来扩展数据科学的工程学科。
这就已经说明了，决策智能的成功，从来都不是AI技术本身所能独自决定的。它依赖于整个社会、企业、用户的全面改变，而这一天一定会到来。
从这个角度看，失败其实也是一种胜利，只有真正试水，才有可能成为最先感受到春江水暖的那只鸭子。
【企业决策智能项目的五种失败姿势】本文来自微信公众号“脑极体”（ID:unity007），作者：藏狐， 36氪经授权发布。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。