数字技术日新月异，我们很难跟上其发展的步伐。 人工智能 (AI) 预测肿瘤生长、模仿人脑等大量这类关于人工智能的报道内容似乎在说明这种技术每日都有突破。 医疗、金融、运输及诸多其他行业内在不断发现新的应用。 随着所有这类蓬勃发展的潜能，研发组织们也期望着分一杯羹，在这个领域内进行了大量投资，这不足为奇。 但是，问题是存在的。 这些项目的成功率预计会低至 15%！ 最近的例子就是 IBM 的沃森人工智能系统技术在医疗应用中遭遇滑铁卢。
那么，答案是什么？ 如果您静观其变，则会面临落后于通过数字技术获取优势的竞争者的风险。 如何通过当今的技术（比如深度学习）以及新一轮的突破来进行明智的投资，从而将贵单位立于不败之地？ 本博客将为您展示建立牢固的数据基础对于长期成功实施数字技术有何重要性，以及您如何才能立即开始进行明智投资，以确保未来很长一段时间都可以获得收益。
废料进，废品出：杂乱无序的数据如何耗费您的成本
企业数字技术项目失败率高，其中一个原因是这些组织过分迷信对人工智能等新技术提供的可能性的大肆吹捧，以及忽视这些技术要取得成功所需的基础元素目前仍差强人意且存在着差距。 这种忽视再加上对人工智能的能力期望值过高往往导致结果令人失望。
各类组织忽视的一个最普遍的差距就是他们潜在的数据资产力量。 确保您拥有高质量的稳健数据基础，从而构建并培训这些数字技术是至关重要的。 这种普遍存在的“数据盲区”在 Forrester 近期开展的一项调查中特别明显，有 83% 的受访者表示拥有收录有序的数据合集不是他们最关心的问题。
那么，为何高质量数据对于在数字技术领域取得成功如此重要？ 关键是这些技术无法创造任何新知识。 这类技术基于您提供的信息来进行学习和开发。 所有输出均与输入的质量（即，您的数据）有关。 因此，如果您输入的数据不完整、非结构化或不相关，则输出的内容质量将大打折扣，如果您过分依赖于这类输出内容，则可能导致组织遭受巨大风险，影响组织取得成功，甚至危害安全。 实际上，低质量数据导致的决策失误、效率低下、低收入等问题使得美国经济每年付出预计 3.1 万亿美元的代价。
基于此，您如何为贵组织打造成功的数字转型战略？ 下载我们最新的白皮书。
高质量数据基础的基本构成要素
为贵组织构建高质量的数据基础是启动数字转型时最至关重要的投资。 但是，什么样的数据才算高质量数据？ 如何才能打造高质量数据？定义较为宽泛，但我们已确定三大主要属性，您可以根据这三个属性评估您的数据准备状态：
- 您必须拥有足够的数据。 数字技术迫切需要您提供尽可能多的数据。 只有通过大的数据集方可得出准确结论。 例如，Facebook 上的人脸识别准确率达到 97.35%，非常接近人为表现。 这是访问 400 万 Facebook 用户数据集后方可达到的准确率。 您的科技研发公司需要的数据量将取决于您试图处理的问题性质和复杂度。 在规定数据要求时，考虑您未来预期应用的需求。
- 您必须拥有多样化的数据。 进行与贵组织核心能力和市场相关的广泛而深入的数据采集是至关重要的。 但是，如果您打算利用数字技术来寻求增长和创新机会，多样化的数据也非常重要。 如果您的数据仅与您已知的一个领域相关，则网络分析或人工智能等技术不太可能会为您发现许多新机会，而只会验证您当前的知识。 因此，确定并囊括与您的核心关注点相近的数据采集是很重要的。
- 您必须拥有结构清晰的数据。 若想促进产生可执行的深刻见解，则您的数据采集必须结构清晰。 对于特别复杂且包括文本内容、化学结构、药物/靶点关系、动物分类名称（界、门、属等）、财务价值、原理图、图形、图表等的科学数据，建立包罗万象的数据模型、进行收录和清理尤为重要。尽管数据分析和计算算法对于组建和扩充大数据集而言非常有用，但在数据管理流程中加入人工收录也很重要。 经验丰富的化学家、生物化学家和数据科学家可以分析数据并提供人工智能系统无法提供的深刻见解。
迅速夯实您的数据基础
虽然开发数据可能会感觉进度减缓，但所有数字技术项目要想取得成功，这项投资是十分必要的。 技术的发展日新月异，牢固建立的数据基础可让您大展拳脚，更有效地落实每项新人工智能和机械学习应用，从而提供在未来多年皆可带来回报的优势。
时间紧迫或者面临阻碍项目进展的人才缺口？ 不妨考虑与外部专家合作，他们可以提供结构良好的高质量数据采集来更快构建数据基础，还可提供专业知识，帮助高效建立必要的结构和流程。 在管理、收录科学数据并从中提取深刻见解方面，CAS 已拥有 100 多年的悠久历史。 准备好开始了吗？ CAS 可以助您一臂之力。
下载我们的研发数字化盈利转型白皮书以了解更多信息，或联系我们以讨论您的具体需求。
