2025年数据与AI雷达：掌握数据与人工智能转型的10大挑战研究报告(英文版）-Wavestone|来利国际旗舰厅

日期： 2025-02-22 11:59:02

作者：

　　报告指出2024年数据与AI领导者面临诸多挑战，探讨了2025年数据与AI转型的十大挑战及应对策略，为企业提供指导。

　　4★★. 数据和AI人才短缺★，企业需加强与学校合作，提升现有人员技能，规划职业发展路径★★。AI对就业影响深远，企业应评估其对业务的影响，前瞻性管理就业和技能，推动员工转型。CDO雷达方法为数据和AI专业人员提供关键主题★★，分成熟、趋势和新兴三个成熟度级别，帮助从业者把握发展方向★★★。

　　1. AI治理与规模化发展：尽管AI在商业领域兴起，但约85%的AI项目仍难以投入生产。企业需重新思考运营模式，构建AI工厂，明确组织架构、职责和实践流程★★。MLOps是管理生产环境中AI模型的关键，旨在统一开发与运营活动★★★。同时，许多企业在生成式AI（GenAI）应用上仍停留在概念验证（PoC）阶段★。为推进GenAI工业化来利国际旗舰厅，企业应制定规则管理PoC项目★★★，精心规划技术战略，避免供应商锁定。此外，AI治理的复杂性增加★，涵盖风险管理、合规性★★、道德等多方面问题★★★。企业需建立适配组织★★，明确各层级职责★★★，实施多层级治理。《AI法案》于2024年8月生效，企业应评估AI系统以确保合规★★★。

　　2★★★. 数据潜力挖掘：数据的价值常因组织架构、知识★★★、控制、访问和互操作性等问题未充分发挥。建立联邦式组织可统一数据相关角色、标准和实践，让业务部门主导数据管理，数据办公室提供支持★。数据产品的出现方便数据使用，具有可发现★★、自描述、可信和易访问等特点。数据网格（Data Mesh）通过去中心化管理数据，推动数据共享和消费。数据市场集中组织和分发数据产品，公民数据科学降低数据科学使用门槛★★★，促进数据驱动实践。数据可视化和故事叙述能力也很关键★★★，企业应培训团队★★，将数据转化为有影响力的信息★。

　　3. 数据治理与质量提升：数据质量仍是企业关注重点，数据可观测性逐渐兴起来利国际旗舰厅。数据可观测性实时监控数据流性能和数据状态，与数据质量相辅相成★，帮助企业确保数据可靠性。非结构化数据治理因AI发展备受关注，企业需规范相关实践，利用AI加强治理★★★。衡量数据和AI产生的价值至关重要，企业应区分用例和支撑要素的价值★★★，采用不同方法量化★，向决策者展示投资回报。

下一篇：共筑可信数据生态宝山区可信数据空间企业专场培训会举办下一篇： |利来老牌娱乐官网中证800保险指数最新动态：背后隐藏的投资机会与行业趋势