Bild: Gorodenkoff/Adobe Stock Daten- und Analytikführer sagen, dass sie nicht in der Lage sind, die hohen Erwartungen an künstliche Intelligenz und maschinelle Lerninitiativen zu erfüllen, weil sie unterbesetzt und unterbesetzt sind, nach einem neuen Bericht mit dem Titel Erstellen Sie eine Gewinndatenanalyse Offense: C-Level Strategien für eine ML-Fueled Revenue Engine .

In einer Umfrage von 100 US-Chefdatenverantwortlichen und Chief Data Analytics Officers unter der Leitung von Wakefield Research im Auftrag von Domino Data Lab erklärten 95%, dass die Unternehmensführung Investitionen in KI- und ML-Anwendungen erwartete, um sich mit einem Umsatzwachstum auszuzahlen. Ein Drittel (33%) erwartet einen Umsatzanstieg in Höhe eines zweistelligen Prozentpunktes.

Laut der Studie, nur 19% der befragten CDOs und CDAOs sagten, sie hätten die Ressourcen, die notwendig waren, um den Erwartungen ihrer Chefs gerecht zu werden, mit 29,4% sagen, dass es einen “guten Mangel” in den Mitarbeitern, Finanzierungen und technologischen Ressourcen, die sie brauchten, um Umsatzwachstum mit AI und ML zu treiben.

Ein Mangel an Tech-Fähigkeiten wurde als eine große Sorge identifiziert, mit 87% der Befragten, dass ihre Unfähigkeit, Daten zu rekrutieren und zu hinterfüllen, wissenschaftliche Rollen ihre Organisation die Fähigkeit, in diesem Bereich Innovation zu behindern.

Ebenso berichteten 81% der Befragten, dass ihre aktuellen Tools nicht in der Lage waren, die Auswirkungen, die ihre AI/ML-Initiativen auf den Umsatz hatten, vollständig zu messen und Daten-Teams mit ihren Anwendungen „die Flucht blind“ zu lassen.

Zu:

• Warum CDOs und CDAOs mehr Kaufkraft wünschen
• Von „defensive“ auf „offensive“ Anwendungen wechseln
• Das Risiko von Unter-Equipping-Datenteams
• Wie Wirtschaftsführer diese Lücke schließen können
• Methodik der Erhebung Warum CDOs und CDAOs mehr Kaufkraft wünschen

Die Haushaltspläne — und genauer gesagt — wurden als einer der größten Anhaltspunkte für CDOs und CDAOs bezeichnet.

Fast zwei Drittel (64%) der Befragten berichteten, dass die IT-Abteilung ihres Unternehmens die Mehrheit der Ausgabenentscheidungen rund um die Datenplattformen kontrollierte, wobei Daten- und Analyseteams nur in rund 56 % der Einkäufe etwas sagen.

CDOs und CDAOs schlossen sich an konkurrierende Prioritäten zwischen Daten- und Analyseteams und der IT-Abteilung an, als es um technische Ausgaben ging: 99 % sagten, es sei schwierig, die IT zu überzeugen, Budgets für die Datenwissenschaft, ML und AI-Initiativen im Gegensatz zu traditionellen IT-Bereichen wie Sicherheit, Interoperabilität und Governance zu konzentrieren.

Datenführer schlugen vor, dass der Mangel an Kaufkontrolle Auswirkungen auf Personal und Einstellung hatte, mit 99% von CDOs und CDAOs Berichterstattung, die nicht in der Lage, Daten und Analyse-Teams mit ihren Werkzeugen der Wahl zu liefern, hatte negative Auswirkungen auf ihre Fähigkeit zu mieten, zu halten und zu aktualisieren Tech Talent.

von „defensive“ auf „offensive“ Anwendungen

CDOs und CDAOs fühlen sich noch mehr Druck, um die Kontrolle über die AI/ML-Initiativen ihrer Organisation zu wecken, jetzt, da Geschäftsleiter ihre Daten innovativ nutzen wollen, die Studie gefunden.

Zwei Drittel (67%) der Befragten sagten, ihre Strategie bewegte sich von einer “defensiven” Haltung, die sich um das Datenmanagement, Governance, Compliance und Business Intelligence Modernisierung auf eine “offensive” Strategie konzentrierte, die neue Geschäftswerte durch innovative KI- und ML-Anwendungen vorantreiben soll.

98% der Datenführer stimmten damit überein, dass die Geschwindigkeit, mit der Organisationen sich entwickeln, operativisieren und die KI/ML-Anwendungen verbessern könnten, „die bestimmen, wer überlebt und wer unter anhaltenden wirtschaftlichen Herausforderungen lebt. „

Aus diesem Grund hatten weitere 67% von CDOs und CDAOs das Gefühl, dass es „Zeit war, die Züge von IT zu nehmen“ war, um zu verhindern, dass ihre Organisation zurückfällt, mit Domino Data Lab zu schließen, dass IT-Abteilungen “[do] nicht die Aufgabe haben, AI/ML-Innovation zu fahren. „

Risiken von Unter-Equipping-Datenteams

Abgesehen davon, dass die Rivalen zurückfallen und auf neue, datengetriebene Umsatzströme verzichten, stehen unausgeglichene Datenteams vor unmittelbaren Risiken: 46% der befragten CDOs und CDAOs gaben zu, dass sie nicht über die Governance-Tools verfügten, die erforderlich waren, um zu verhindern, dass Datenteams Risiken in die Organisation einleiten, während 44% der Meinung waren, dass ein Misserfolg ihrer KI/ML-Anwendungen zu Umsatzverlusten von $50 Millionen oder mehr führen könnte.

SEE: Die meisten Mitarbeiter planen, dieses Jahr zu beenden: Hier ist, was Technologie- und Personalführer wissen müssen (TechRepublik)

„Die heute weite und schnell wachsende regulatorische Landschaft, gepaart mit den High-Stakes vieler Unternehmensdaten-Science-Initiativen, bedeutet, dass ein Mangel an vertrauenswürdiger KI zehn Millionen kosten könnte“, sagte der Bericht.

Kjell Carlsson, Leiter der Data Science Strategie und Evangelisierung am Domino Data Lab, sagte, die Ergebnisse seien „obern“ und warnten davor, Datenführer zu zwingen, mehr mit weniger zu tun.

„Leader kämpfen mit den hartnäckigen Herausforderungen der Einstellung und des Erhalts von wissenschaftlichen Talenten in der Datenwissenschaft, die IT zu priorisieren Investitionen in AI/ML über traditionelle Prioritäten wie Datenmanagement und schwache Fähigkeiten für die Verwaltung und Steuerung von AI/ML-Modellen“, sagte Carlsson. „CDAO- und CDO-Rollen sind für ihren schnellen Umsatz bereits berüchtigt, und diese zunehmende Lücke zwischen den Erwartungen und der Fähigkeit, zu liefern, ist für ihre Lebenserwartung nicht gut. „

Wie Wirtschaftsführer diese Lücke schließen können

Carlsson forderte Unternehmensleiter auf, in die Fähigkeit ihrer Organisationen zu investieren, die Entwicklung und den Einsatz neuer KI/ML-basierter Anwendungen in mehr Teilen des Unternehmens zu skalieren.

Darüber hinaus sollten Organisationen, um Talente zu gewinnen und zu erhalten, in die Bereitstellung von Datenwissenschaftlern mit der „breiten Palette von verschiedenen Werkzeugen“ investieren, an denen sie geschult werden, im Gegensatz zu nur einer Handvoll proprietären Tools, die von der IT-Abteilung diktiert werden.

SEE: Bericht Der ROI von Upskilling und anderen Lernprogrammen für Mitarbeiter (TechRepublik)

„Um die Zeit auf Wert und Wirkung zu beschleunigen, müssen sie in MLOps-Plattformen investieren, die den end-to-end ML-Modelllebenszyklus von der Entwicklung bis zur Bereitstellung, Überwachung und Umschulung überspannen“, sagte Carlsson. „Um dies zu erreichen, müssen CDAOs und CDOs eine Ausrichtung und eine enge Zusammenarbeit mit der IT aufbauen. Wenn das nicht möglich ist, haben sie keine Wahl, sondern diese Plattformen selbst umzusetzen. „

Methodik der Erhebung

Die Domino Data Lab-Umfrage wurde von Wakefield Research unter 100 Chief Data Officers und Chief Data Analytics Officers bei US-Unternehmen mit mehr als 1 Milliarde jährlichen Umsatz zwischen 5 und 18, 2022 unter Verwendung einer E-Mail-Einladung und einer Online-Umfrage durchgeführt. Laut Domino Data Lab betrug die Fehlermarge für die Studie mehr oder weniger 9,8%.

Weiter lesen: Bausatz: Data Architect (TechRepublic Premium)

 ###  Data Insider Newsletter

Lernen Sie die neuesten Nachrichten und Best Practices über Datenwissenschaft, Big Data Analytics, künstliche Intelligenz, Datensicherheit und mehr.

Geliefert Montags und Donnerstags Heute anmelden