對于期望能夠掌握人工智能的公司來說，人工智能(AI)有望節省成本、獲得競爭優勢，并在未來的商業戰場上站穩腳跟。但是，盡管人工智能的采用速度繼續上升，但投資水平往往與回報不成正比。要想在人工智能領域取得成功，有許多關鍵環節，其中包括正確的數據架構。

目前，只有26%的人工智能計劃被組織廣泛投入生產。不幸的是，這意味著許多公司在AI部署上花費了大量時間，卻沒有得到實際的ROI。

所有公司都必須像科技公司一樣運作

與此同時，在這個世界上，每個公司都必須表現得像科技公司一樣才能保持領先，技術團隊、工程和IT領導者利用數據實現商業增長的壓力越來越大。特別是隨著云存儲支出的增加，企業希望提高效率，并最大化存儲成本較高的數據的ROI。但不幸的是，他們沒有足夠的時間。

為了滿足快速出結果的需求，映射數據架構不能再在沒有明確目標的情況下繼續。科技領導者必須以人工智能為首要目標來構建數據架構。

如果不這樣做，他們會發現自己以后會返工重新修復它。在今天的業務中，數據架構應該朝著一個明確的結果前進——這個結果應該包括對終端用戶有明顯好處的AI應用程序。這是讓你的企業在未來取得成功的關鍵。

成功的數據架構的三個基本要素

幾個核心原則將幫助您設計一個能夠支持交付ROI的AI應用程序的數據架構。當你在構建、格式化和組織數據時，可以把以下幾點當作檢查自己的行動指南：

朝著一個目標努力

在構建和開發數據架構時，始終關注業務結果是最基本的規則。特別建議查看公司的近期目標，并相應地調整數據策略。

例如，如果你的商業戰略是在年底前實現3000萬營收，那么要弄清楚如何利用數據來推動這一目標。把更重要的目標分解成更小的目標，然后朝著這些目標努力。

快速創造價值的設計

雖然設定明確的目標是關鍵，但最終解決方案必須始終足夠敏捷，以適應不斷變化的業務需求。例如，小規模的項目可能會發展成多渠道的項目，你需要在構建時考慮到這一點。固定的建模和固定的規則只會產生更多的工作。

設計的任何架構都應該能夠容納更多可用的數據，并利用這些數據實現公司的最新目標。盡可能地實現自動化。這將快速、反復地利用數據策略產生有價值的業務影響。

例如，如果你知道你需要提交月度報告，從一開始就把這個過程自動化。這樣，只會在第一個月花一些時間在這個流程上面。由此產生的作用影響將持續有效和積極。

知道如何測試成功

為了保持在正確的軌道上，必須知道數據架構是否有效地執行。當數據架構能夠既支持AI運作，又可以向業務中的每個員工交付可用的、相關的數據時，它就能發揮作用。密切關注這些將有助于確保數據策略適合目標和未來。

隨著技術的不斷發展，企業必須跟上速度，否則就會被甩在后面。這意味著科技領導者要與他們的團隊保持聯系，并允許他們把新的創新帶到會議室討論。