我们已经讨论过了重新定义企业智能和智能的未来看起来像是技术和商业领袖，我们知道这一点组织正在关注。事实上，企业在去年的数据、分析和人工智能软件、硬件和服务。那个甚至不包括外部数据和内部劳动力成本的投资进一步推动情报行动。但是，尽管有这么多的意识和投资，问题仍然存在：为什么企业在努力开发驱动未来智能的能力？筒仓：智力的明显障碍也许并不奇怪，组织筒仓是企业发展的最大挑战他们的情报能力。通常，他们可以访问数据和分析在一个筒仓中或通过一个非常狭隘的视角，并且或者不愿意应用从筒仓外获得的知识，或者项目。筒仓不仅仅存在于组织结构中。筒仓可以是思维定势、项目布局和战略元素。以下是一些阻碍情报工作和阻止大规模学习的方法：前景筒仓：当企业将大部分精力放在突出过去业绩的信息捕获和报告交付上，而不是支持决策过程中涉及一系列描述性、诊断性、预测性和规范性分析的所有步骤时，它们就会陷入困境方法。企业相反，应该努力在内部和外部主题专家（包括人和机器）之间的协作环境中，提供跨项目和部门的普遍决策，以评估场景、了解关键驱动因素并推荐下一个最佳行动。从分析数据中获得的数据和知识通常在整个组织中有多种用途，除了生成它们的原始团队或项目。营造一个让整个组织学习和受益的环境。范围筒仓：如今的组织看不到树的智能林；他们将项目视为功能性业务流程筒仓甚至子流程筒仓。为单个业务流程生成的数据或由该流程生成的数据仍保留在那里；例如，客户体验管理数据与服务实现数据没有关联。这些都是离散的业务流程，但都可以从另一个流程的数据或知识中获益。这个筒仓问题已经存在多年，但在当今数据丰富的世界里，这种问题正变得越来越严重。范围筒仓扩展到的不仅仅是数据。它们还影响组织结构、员工和流程。它们会导致生产力下降，面临不必要的风险、机会成本，以及不合格的客户、员工和外部利益相关者的体验，所有这些都是智能项目要克服的挑战。技术筒仓：虽然技术筒仓本身存在问题，但也会阻止组织处理前景和范围筒仓。如果没有一个连贯和全面的数据、分析和人工智能技术架构，组织就无法看到重复出现的模式，也无法正确地将内部和外部数据源合成信息，然后再合成知识。它们的决策速度太慢，容易受到不合标准的战略和风险管理做法的影响，无法确定和处理跨职能机会。由于筒仓在企业中非常普遍，它们似乎不可能被克服。然而，商城建站系统，组织已经开始解决这些问题，特别是那些在数字经济中寻求优势的组织。IDC预测，到2022年，大数据分析培训，75%的企业将在技术和流程开发中嵌入智能自动化，人工智能可以做什么，使用基于人工智能的软件来发现操作和经验方面的见解，以指导创新，并开始打破其中的一些筒仓。企业智能面临的潜在挑战虽然筒仓无疑是通往更高企业智能化道路上需要克服的最大障碍，但成功还有更微妙、更隐蔽的障碍。这些都是文化上的挑战，是组织运作的基础。这三个挑战都与企业如何处理和处理组织中的数据有关：数据厌恶：也被称为鸵鸟效应，当组织的文化拒绝有价值的信息而倾向于"直觉"时，就会发生数据厌恶。忽视从数据中收集到的知识，甚至拒绝以有意义的方式分析数据，会使组织在决策过程中面临各种可以避免的偏差。一个很好的例子是确认偏差；这种通过验证一个人现有的信念或想法的视角来解释新证据的倾向在组织中可能是危险的。培养一种重视数据和数据素养的文化有助于消除人们造成的偏见，但数据保护和智能技术使用也需要强有力的道德规范。数据文盲：当企业不以理解和交流数据为中心来构建能力时，数据文盲现象就会猖獗。数据文盲阻碍了整个社区使用数据，也使员工和领导容易受到错误信息或信息污染的过度影响。组织需要围绕数据创建一种通用语言，并应利用内部和外部主题专家的帮助来培养这种共同语言，并在整个组织内培养数据素养。缺乏数据智能：了解数据是如何收集和工作的是一回事；理解如何正确分析数据并应用这些知识解决问题是另一回事。数据智能是成功地将数据转化为组织内的智能所必需的。数据智能的缺乏进一步加剧了人们对数据、信息甚至是从这些数据中获得的见解的不信任。数据智能的缺乏将这种不信任延伸到依赖数据的人工智能模型和项目上，数据分析和大数据，并可能破坏组织的数字化转型。应对企业智能面临的组织挑战可能听起来不错不可克服，但组织可以战胜这些挑战，使企业更大智慧。行政领导需要培养一个组织以证据为基础的文化，物联网技术及应用，鼓励员工提高数据素养，以及支持信息塑造决策的实践与数据厌恶、文盲和数据智能缺失作斗争的机器。另外，组织需要寻找并促进内部数据科学家、数据工程师、数据架构师、业务主题专家，以及外部网络和专家，以将数据和信息从竖井中移出鼓励大规模提供见解。对于许多组织来说，企业智能化道路上的第一步是评估他们的数据和流程，看看是什么地方的筒仓和文化挑战阻碍了情报能力的发展。了解如何使用IDC的新电子书"智能的未来：商业领袖绘制组织的企业智能指南"来映射组织的数据和流程。现在读