竞逐企业成功

正如前言所提，美国职业赛车运动的终极目标是赢得印第安纳波利斯500的比赛。比赛扑朔迷离，对包括历史记录、传感器数据、遥测、计算机模拟、赛车手反馈等的数据进行及时的高级分析极为重要。在我从印第赛车和其他几个不同团队的工程师和竞赛策略师华丽转身为技术人员后，发现商业领域也是如此。在大数据和高级分析时代，制订和执行愿景与战略从而使公司的数据得到最佳利用可能是赢得胜利的唯一途径。

仅凭历史先例、模拟分析和直觉做出决策并采取行动，既无法完成任务，也不能实现远大目标或技术的商品化。然而，仍然有太多的企业踟蹰不前。当然，有效地使用分析技术并取得成功的公司案例也层出不穷；这些公司从数据中提取诸如模式、趋势和洞见之类的信息以做出决策、采取行动并收获结果。这既包括传统分析也包括高级分析，两者互补。

类似Gartner的定义，我使用“高级分析”一词统称：“高级分析是指使用复杂的技术和工具对数据或内容进行自主或半自主的检验，这些技术和工具通常超越了传统的商业智能（BI），目的在于发现更深入的洞见、做出预测或提出建议。”高级分析包括与人工智能、机器学习和本书所涵盖的内容相关的其他技术。

只有当你知道该如何使用时，数据才具有核心优势。所有的公司都应该开始将自己视为数据分析公司，无论其核心产品是什么。只要涉及数据，就迈开了取得竞争优势的关键一步，同时也提高了为人与企业创造巨大利益的能力。

许多公司越来越了解这一点，并希望向数据分析方向转型，但是识别人工智能的实际机会、场景和应用非常困难，而且围绕它们制订愿景和战略更是步履维艰。

把人工智能的想法转变为人与企业可以实现的实际利益是十分困难的，这需要正确的目标、领导、专业知识和方法。它还需要主要高管的认同和一致支持。所有这些都是我所说的人工智能应用转型；这正是本书（特别是它所呈现的框架）的全部内容。请注意，我称之为人工智能应用转型，而不是数字化转型。我认为区别两者非常重要，后面将会对此做简要的解释。

诸如创新、转型和颠覆之类的术语，场景宽泛，甚嚣尘上。“数字化转型”也同样泛泛而谈，并且含混不清。别误会，这个词的价值及其意图很有意义，有许多公司绝对需要进行数字化转型，而且越快越好。但是简单地提出要进行数字化转型，那么所产生的问题可能比答案更多。其中一些问题包括：数字化转型到底意味着什么？应该使用什么样的具体技术或系统（例如人工智能、区块链、物联网），且首先应该选择哪个？如何在不同的数字化目标和项目之间确定优先级？数字化转型将如何达到目标以及达成率如何？成本是多少？潜在的投资回报率是多少？什么时候才能实现投资回报率？

“人工智能应用转型”中的每个词都有其特定含义。由于人工智能相对稚嫩且现实的应用有限（迄今为止），人们广泛地认为人工智能的理论性很强。“应用”这个术语是为了区分理论上的人工智能和实际场景中的人工智能，目前应用显著且以多种形式涌现。“转型”如所预期的那样，对人工智能而言，意味着利用人工智能产生某些无法通过其他方法实现的收益或结果，或者在其他情况下，它意味着更有效地（时间和成本）产生具有更大价值更强影响力的结果。在该背景下，人工智能应用转型毫无歧义，它意味着应用现有和新兴的人工智能技术来构建实际解决方案，从而改变企业和人们的生活。无论是追求数字化转型还是人工智能应用转型，都需要制订愿景和战略。AIPB框架有助于引导人工智能应用转型。