如果您决定今年进行更多的人工智能实验，请首先仔细研究您的数据管理实践。就在除夕夜，我与一位CIO客户和朋友进行了交谈，他对如何“开始”做某件事感到非常兴奋。她在2019年参与了一些涉及人工智能的项目。像许多CIO一样，她也渴望在人工智能可能带来的损害之前充分利用人工智能的好处。在我们的对话中，她请我帮助她了解如何准备，以便她的组织可以“做好AI”工作。在接下来的几年中。我的答复？在人工智能上花任何钱之前，首先要确保您的数据井井有条！如果您希望人工智能计划获得成功，则必须将数据管理作为新的一年的重中之重。对于拥有渴望“进入人工智能领域”的整个团队和组织的CIO来说，这可能很难听到。人们很容易涉足数据科学和人工智能领域。但是，如果不先了解数据管理（以及数据的其他方面）的重要性，就很难取得进展。记住，人工智能就是数据。没有数据，您就无法使用AI或机器学习做任何事情，因此您必须首先确保您了解和管理数据的生命周期。良好的数据管理的特点尽管数据管理不是CIO的最重要方面之一，但它对于机器学习和人工智能至关重要。俗话说，“输出质量由输入质量决定”。在这里非常合适，因为如果数据不正确，您也会得到错误的模型。坏的模型反过来会告诉您做错事，这确实会对组织造成一定的损害。换句话说，当您对数据进行适当的管理时，人工智能无疑可以改变组织的能力和可能性。为确保组织在使用AI时走上正确的道路，您需要仔细查看数据管理实践。数据管理的关键要素之一是了解：当您的数据来自何处，谁访问或更改了数据以及如何使用您的数据（例如，您是否有权将数据用于其他目的？）。收集数据过去数据的用途（以及将来如何使用）。明年要检查的4个区域，请考虑您的目标。如果AI出现在此列表中的任何位置，则您需要认真考虑如何参与一些专注于数据和数据管理的最佳实践。在新年会议上考虑这些问题。首先，为了确保您的数据不垃圾，您需要从全局出发，尽管这听起来可能违反直觉。您需要建立一种数据策略来回答这些“大问题”。有关数据的问题，然后考虑与治理，质量和集成相关的关键元素。我认为可以从以下几个方面帮助您为AI做好准备：数据策略：“谁，什么，什么时候，为什么以及如何做”。数据的。您的数据策略将告诉您您所做的一切。如果您没有数据策略，那么您确实需要制定一个。数据治理：（或应）管理组织数据的规则和系统。数据治理应由数据策略驱动。治理应考虑（并管理）数据的各个方面，包括数据质量，数据访问和数据集成。数据质量：具有可以确保数据准确和有用的过程和系统。数据质量的保证需要从收集数据的那一刻开始，并在整个数据生命周期中持续进行。数据质量应由数据治理规则/系统确定并驱动。数据集成：许多人将数据集成到其他领域（无论他们是否具有这种意识），但是他们在考虑数据时应考虑到这一点。它将由数据策略告知和驱动，并且与数据质量密切相关。您必须花时间考虑如何在整个组织和整个数据生命周期中集成数据。数据管理，数据策略和数据治理可能没有谈论人工智能和机器学习那么吸引人，但是在正确使用人工智能之前，必须对数据进行组织。当您的同事在下一次社交活动中继续谈论人工智能时，您必须提醒他们重要数据。提醒他们“输出质量由输入质量决定”，尤其是在人工智能和机器学习中。在来年，我希望在转向人工智能和与人工智能相关的项目之前，我们将看到比以往更多的资源。如果人工智能是您IT组织的下一个重点领域，请从数据管理入手，以便