AI项目失败率高的5个原因及数据工作成功的关键方法

4次阅读
没有评论

共计 557 个字符,预计需要花费 2 分钟才能阅读完成。

根据 Gartner 的研究数据,近 63% 的企业不确定是否具备正确的 AI 数据管理实践。这种准备不足导致了一个严峻的预测:到 2026 年,60% 的企业将放弃其 AI 项目。那么,如何确保 AI 项目成功?维珍大西洋航空的数据与 AI 副总裁 Richard Masters 分享了 5 个关键方法。

AI 项目失败率高的 5 个原因及数据工作成功的关键方法

1. 让人们接触新工具

AI 在航空业的应用并不新鲜。维珍航空多年来一直使用 AI 和机器学习来预测航班负载系数等关键指标。Masters 强调,2022 年 ChatGPT 的发布是一个转折点,让更多人意识到 AI 的潜力。

2. 回答关键业务问题

确保人们有效使用 AI 工具是另一大挑战。Masters 指出,在动态定价、预测性维护等领域,投资回报率更容易量化,而在决策过程改进方面则较为模糊。

3. 建立统一的方法

面对技术供应商的 AI 推广压力,维珍航空建立了一套评估流程。每周,专家团队会讨论技术提案,确保资源分配合理。

4. 利用你的平台

维珍航空通过 Databricks 的 Unity Catalog 整合数据,使得生成洞察力变得更容易。这种方法帮助航空公司在运营中保持灵活性和敏捷性。

5. 保持好奇心

Masters 强调,数据团队应花更多时间了解业务,而不是纠结于技术细节。保持好奇心,专注于重要的事情,是成功的关键。

通过这些方法,维珍航空不仅提升了运营效率,还为客户提供了更好的体验。

正文完
 0
admin-gah
版权声明:本文于2025-07-13转载自Zdnet,共计557字。
转载提示:此文章非本站原创文章,若需转载请联系原作者获得转载授权。
评论(没有评论)
验证码