作為一種占據主導地位的技術趨勢，人工智能為推動數據戰略和商業戰略的企業帶來了先發優勢。

根據麻省理工學院技術評論的調查，企業的數據戰略支持重要的業務目標，包括促進銷售、提高運營效率以及縮短上市時間，它還可以幫助企業開發新產品或進入服務市場，以及改進創新、維護實物資產和ESG。

如今面臨的問題是，只有13%的企業擅長于交付他們的數據戰略。典型的挑戰包括眾所周知的數據孤島和重復，以及數據有限、質量差和難以訪問的進一步的系統問題。

當企業規劃其下一個數據戰略時，其中有6個戰略要點，將有助于企業將其數據戰略與業務聯系起來。

1、與技術業務戰略保持一致并賦予其權力

與大多數特定于技術的戰略一樣，將數據戰略與總體IT和業務戰略聯系起來至關重要。企業制定的數據戰略不僅應該認識到IT和業務戰略中的內容，還應該嵌入到這些戰略中，幫助它們為企業釋放更多的業務價值。

數據工程和機器學習平臺Accure公司的CEO Sam Ansari表示，在當前的數字時代，數據已經從單純的副產品演變為推動創新和推動業務成功的關鍵因素。通過戰略性地利用數據，企業可以獲得競爭優勢，釋放業務增長機會。企業的CIO應該優先考慮適應性強的技術基礎設施，以消除數據孤島，確保安全性和治理，并采用統一的平臺來簡化數據管理，降低集成復雜性、熟練的勞動力需求以及成本。

2、探索將數據貨幣化的方法

在許多行業，根據客戶消費和從產品和服務中提取價值的方式，企業的數據可以在技術堆棧的多個層面上實現貨幣化，從原始數據本身和各種形式的后處理數據，到通過可視化和分析工具消費的數據，以及通過數字孿生等行業應用程序消費的數據。

例如，在建筑、工程和建筑(AEC)行業，這些場景可能包括地理空間數據，例如通過電子商務網站直接提供的航空圖像，基于無人機的道路和橋梁攝影測量，支持人工智能缺陷分析(例如Manam)，通過GIS平臺可視化的交通擁堵數據(例如Urban SDK)，或由實時數字孿生提供的電動汽車充電數據等。

這里的重點應該是考慮客戶當前使用數據的所有方式，以及他們可能希望獲得更好結果的新方式。例如，盡管最近的美國費城95號州際公路坍塌是一個不可預見的事件，但傳統的橋梁管理系統可能會受益于人工智能缺陷分析的增強，甚至可以升級或替換為過去、現在和未來模型的實時數字孿生平臺。

3、利用自動化、數據分析和人工智能/機器學習

當今許多現代數據平臺超越了傳統的關系數據庫、數據倉庫和數據集市，為自動化和人工智能/機器學習提供內置支持，還有無代碼數據工程和人工智能/機器學習平臺，因此業務用戶以及數據工程師、科學家和DevOps人員可以快速開發、部署并獲得業務價值。

通過將這些平臺置于數據架構的核心，企業可以進入自動化、分析和人工智能/機器學習項目，同時通過其他的合作伙伴和投資來完善其生態系統。

4、集成各種數據源

整合數據源是為客戶提供額外見解的另一種策略，可以通過2D環境(如分析儀表板和GIS)或3D環境(如帶有XR可視化功能的數字孿生，例如Magic Leap和Apple Vision Pro)實現。

企業尋找機會將自己的數據與第三方數據(包括開放數據)結合起來，以增加價值，并使用支持數據攝取、轉換和集成的工具，從而將其輸入到包括GIS和數字孿生在內的各種分析工具中。

5、使數據成為產品和服務組合的內在要素

正如在5種衡量數字投資組合成熟度的方法中所探討的那樣，數據和分析可以成為企業的產品和服務組合的內在組成部分。事實上，有必要衡量一下企業的投資組合中有多少比例利用了數據和分析作為產品的一部分，并隨著時間的推移進行跟蹤。很好的一個入門方式是讓企業各部門開展合作，讓他們自我評估目前的百分比，然后根據其數字戰略確定他們在2025年或以后的目標。

6、數據如何將項目轉化為年金收入流的產品

如果企業提供咨詢服務，那么其收入通常是由一次性項目驅動的，并且每個全職員工的平均收入受到市場上普遍存在的業務規模和賬單費率的限制。通過將數據整合到其可交付成果中，企業通常可以將其轉化為年金收入流，其中這些項目將成為通過SaaS商業模式盈利的軟件產品。

即使是實物資產也可以通過這種方式實現貨幣化。資產購買是一次性交易，但在其日常運營中圍繞該資產的數據可以在其整個生命周期中實現貨幣化。正如咨詢機構Cognizant公司所強調的那樣，即使是50美元或以上的日常產品(如電動牙刷)的使用數據，也可以通過這種方式實現貨幣化。

當然，如果不考慮人員、流程和技術，任何數據戰略的要求都是不完整的。在這里已經討論了業務需求，但是要實現這一點，需要更廣泛的技術需求和考慮因素(例如數據質量和衛生)，以及資源需求和考慮因素(包括數據技能、能力和培訓)。企業制定的數據戰略以及如何在內部貨幣化和提取價值，將為其自動化和人工智能戰略，以及整體IT和業務戰略帶來好處。