AI 需要流程和技能，而不仅仅是技术。Indicium 首席执行官 Matheus Dellagnelo 解释了原因

快速阅读: 《Diginomica （数码化）》消息，马特乌斯·德尔阿内洛认为，企业应重视数据系统的质量和管理，而非仅依赖新工具。他强调制定统一标准、规范、培训和流程的重要性，以促进业务与技术的协同，缩小专业差距，并提高数据应用效果。

马特乌斯·德尔阿内洛（马特乌斯·德尔阿内洛）
当下，人工智能创新成为关注焦点。然而在幕后，企业逐渐意识到创建和管理高质量数据系统以推动人工智能流程的重要性。供应商们纷纷推出各种工具来支持知识图谱、向量数据和管理，这些都可以有所帮助。然而，同样重要的是努力培训人类去选择这些工具，并为人工智能时代构建有效数据实践。我最近与马特乌斯·德尔阿内洛进行了交流，他是人工智能和数据服务咨询公司指标公司（Indicium）的联合创始人兼首席执行官，他分享了自己在这个过程中学到的经验。

在他早期作为一家体育用品公司的材料工程师的职业生涯中，他发现数据正日益成为业务运营各环节的核心。他在南加州大学攻读数据科学硕士学位，并决定将当时主要还是学术性质的数据科学实践应用于帮助企业。这帮助激发了指标公司（Indicium）作为数据服务咨询公司的创立，使公司能够利用现代数据架构并将其数据科学能力融入组织。

具体来说是什么样呢？他解释道：现代数据架构

受新的云服务、人工智能的吸引力以及数据工程最佳实践的影响，企业开始重新思考其数据基础设施。现代数据架构改变企业处理数据的方法，以支持不同的机会。至少，它可以降低运营成本、缩短实现价值的时间，并提升数据质量。更重要的是，它还能拉近业务团队与公司技术领域的距离，因为这在不同角色和专业领域间建立了共识。

这种新方法根植于以下概念：模块化的数据工具。基于代码的数据流和分析。数据去中心化。除了降本增效、优化数据治理和提升数据质量外，现代数据架构还能让业务更加贴近技术领域。这有助于缩小IT专业人士与业务领导之间的差距，使公司运作得更好更快。

一个重要因素是把数据现代化看作一个持续的过程，而不仅仅是采用新工具。德尔阿内洛说：在担任项目经理和生产经理期间，他遇到了各种数据管理挑战，从数据质量问题到复杂的分析解决方案。他的大部分经验都在制造方面，但与其他部门和合作伙伴的互动让他注意到跨行业和部门的数据使用情况的高度复杂性。他解释道：

让所有人达成一致

为此，指标公司（Indicium）采取了一种全面的方法，包括技术方面的咨询，如特定解决方案，以及更注重流程的元素，如组建数据团队和培训。当把这些原则应用到传统的数据管理实践中时，这尤其具有挑战性。操作现代数据架构是一个非常复杂且全新的过程，过去的做法不尽相同。此外，还有如此多不同类型的数据显示产品，这让IT专业人士感到困惑不解。

德尔阿内洛认为，唯一能让所有人达成一致的方法是在整个组织内制定统一的标准、规范、培训和流程。这比单纯依赖外部专家更容易在全组织内嵌入数据科学能力。他指出：

我的看法

我从事数据写作已有三十多年。我的第一个故事之一是如何在1990年代早期确保数据同步的可靠性，通过两阶段提交在记录系统中。同时，我常常难以理解人们在使用“数据”一词时具体指的是什么。它是形容词，表示差异化，像专有、“新石油”或大数据吗？其他时候，它似乎是一个名词，比如文件格式、数据结构、记录系统、分析层或数据库类型。越来越多的人似乎用它作为动词，好像它是过程质量、合规性、迭代开发或协作的一部分。进一步询问后，它通常是一些混合体，具体取决于我正在与谁交谈。

在组织范围内为数据制定统一的标准、规范、培训和流程似乎比使用炫酷的新工具更重要。并不是说业务专家需要能够设置一个新的数据库。然而，这可以帮助他们更好地向数据团队解释问题或项目，并理解他们的挑战。

(以上内容均由Ai生成)