Gartner：如何在后疫情时代利用大数据与人工智能驱动智慧政府的建设

第一是场景。组织要对业务的驱动力进行明确，以找到适合自身的场景。业务目标是增长业务、降低成本，还是提高客户体验？不同的业务驱动力将带来不同的场景。而其他组织成功的真实案例经过定制化调整，也可为己所用。一旦明确了应用目标，组织可以根据自身数据资产、人才、技术、成本等不同指标进行场景的可行性分析，最终通过数据科学进行验证，选择出成熟且有业务价值的场景。

第二是技能。在传统的人工智能项目里，Gartner把技术人才分成三类：精通业务的领域专家、理解数据的IT人才、人工智能领域专家。只有通过三类专家的结合，才有可能实现人工智能方案的落地。

第三是数据。人工智能需要的数据有其自身特性，往往相对于传统报表分析，人工智能项目需要的数据量呈现指数级的增长，数据的维度也更多样，数据质量侧次不齐。组织要做的是给予人工智能数据一定的自由度。在这种情况下，可以创建一个孤立的“数据集市”或者“沙箱”，让人工智能专家去任意地组合数据，发现数据背后的真正洞察。

第四是技术平台。政府或企业需要积累足够的技术能力，搭建自有技术平台，以获取核心竞争力。但如果现阶段技术能力还未满足要求，又期望可以快速交付，且业务场景较为单一，那么更高效的选择是外包给服务提供商；但长远来看，此举会使组织对外包商产生依赖，最终知识产权也有可能丧失。因此更为推荐的方式是通过购买厂商级别的服务来进行本地定制化开发和优化，以确保最佳的易用性，提高内部人员解决问题的能力，把控解决问题的最佳时机，为组织的长期发展打下坚实基础。

最后是组织结构。依上文所述，业务专家、人工智能专家和数据专家为发展人工智能提供了必需的专业知识和技能，而最高效的人才分布方式是混合式分布。各业务线的头阵是业务人员，负责了解业务需求，并将业务需求转化为人工智能需求。真正理解数据的IT工程师存在于IT部门。而数据科学家既可以通过资源池的方式，由IT统一管理；也可以分属在不同的业务线，当开展人工智能项目时，让三类专家紧密配合、有效沟通，由组织管理层和指导委员会直接赋能、反复验证场景的可能性，做到在一个高自由度的开发场景下搭建人工智能，并与数据无缝集成，让数据更好地服务于人工智能场景，实现政府组织数字化进程的良性发展。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!