数据驱动的组织通过分析型卓越中心(COE)来加速数据转换。

人工智能和数据科学有望在整个企业中实现商业价值。IT组织和业务部门都在争先恐后地利用这一潜力，但人工智能和数据科学计划不能操之过急。是的，在某些情况下，有一定数据科学专业知识的人可以获取可用的数据，并能回答业务领导者不曾想过的问题，这使后者惊讶不已。但通常情况下，这种方法会给人错误的建议并浪费人们的时间。  

根据IDC最近对首席信息官和高级IT主管的调查，美国93%的IT主管表示，他们的企业正在利用某种形式的卓越中心(COE)来推动人工智能和数据科学计划。在很多(如果不是大多数)情况下，这些卓越中心是小型的，成立不久的和实验性的。在这几种情况里，它们都起着至关重要的作用。  

那么公司如何创建成功的分析型卓越中心来推动可衡量的业务成果呢?  

打造成功的分析型卓越中心   成功的卓越中心专注于与业务合作。威瑞森(Verizon)的分析型卓越中心的主任Philip Jenkins表示，威瑞森的卓越中心之所以成立，是因为IT部门和业务部门(如市场营销，财务和运营部门)都不能协调一致地处理数据工作。这就像中心与边缘的模型，该中心如今充当中心，边缘是业务部门的数据消费者。Jenkins说，从一开始，该中心的目标就是“使我们的数据更加强大，以便我们能够从客户那里取得更好的成果——我们称之为“简单，智能和互联的体验”，这样我们就不会浪费客户的时间，我们会提供更多个性化的优惠，而我们采取的任何行动都与对他们来说很重要的事项高度关联。”  

对卓越中心而言，关注战略业务的工作重点也很重要。雪佛龙的建模与分析型卓越中心的创始管理者Margery Connor建议人们根据业务价值建立一个确立优先事项的系统。否则，她说，“你会受到所有这些想法的狂轰滥炸，其中一些想法有较高的价值，而另一些想法则没什么价值”。事实上，雪佛龙的中心由一个“企业数据科学指导委员会”提供指导，该委员会的代表来自采购、财务、业务部门，还有首席信息官和首席技术官。  

因此，Connor说：“我们向这些代表展示我们正在做的工作，而他们则负责发现使我们获得更多机会的领域。为了开展项目，我们需要一个定义明确的业务问题，一个合理的数据集和一名业务拥护者。如果你在这个业务中没有声援者，那么，即使你解决了问题，这个解决办法也很可能无法实现。”  

一流的卓越中心   分析型卓越中心同时为业务和IT提供支持。这些分析型卓越中心实现了两个转变，即从部门到整个企业的转变，以及从战术到战略的转变。同时，它们为整个企业的数据质量，强大的决策制定，经过了优化的价值和业务一致性创建了运营转型的途径。在最理想的情况下，分析型卓越中心专注于整个企业的协调工作;它们通过中央和分布式资源茁壮成长。由于分析方面的专业知识十分匮乏，卓越中心拥有或创建了一个能够为企业中的所有人提供帮助的一群专家。卓越中心在分布式的专家或技能中心的网络中充当了一个能产生影响力的节点，带来了资源和一群从事智能项目的人。  

当企业已经获得了一些孤立的知识和成果并希望扩大到更大的范围时，卓越中心就特别有价值。这样的卓越中心将对企业数据转换的方方面面进行协调，提供建议，支持，沟通，教育，治理，架构并进行标准化。  

尽管人们对这些技术兴奋不已(或许正因为如此)，人工智能和数据科学面临着一场艰苦卓绝的战斗。数据专家看起来像审计员，机器学习算法早晚会踏入禁区，有人会因此而被解雇。然而，数据驱动的文化不是“可有可无的东西”;它对企业的成功至关重要。对大多数企业而言，分析型卓越中心很有可能实现数据科学的承诺。

【凡本网注明来源非中国IDC圈的作品，均转载自其它媒体，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。】