Một khảo sát mới giữa các C-suite về dữ liệu, IT và công nghệ cấp cao tìm ra rằng chỉ có 13% các tổ chức đang thực hiện được chiến lược dữ liệu. Báo cáo này dựa trên một cuộc khảo sát 351 người tại các tổ chức có doanh thu hàng năm từ 1 tỉ đô la trở lên, chỉ ra rằng tác động kinh doanh của học máy bị hạn chế phần lớn là do các thách thức trong việc quản lý vòng đời đầu cuối của nó. 

MIT Technology Review Insights và Databricks đã thực hiện cuộc khảo sát này. Các công ty được hỏi bao gồm Total, The Estée Lauder Companies, McDonald’s, L’Oréal, CVS Health và Northwestern Mutual. Một trong số các phát hiện cho thấy chỉ có một nhóm các công ty “xuất sắc” – 13% đã nhắc đến ở trên – đạt được kết quả kinh doanh đo lường được trong toàn doanh nghiệp. Nhóm này đã thành công nhờ sự chú ý đến các nền tảng kiến trúc dữ liệu và quản lý dữ liệu hợp lý, cho phép họ “dân chủ hoá” dữ liệu và thu được giá trị từ công nghệ AI và học máy, theo như các tác giả của báo cáo viết.

Biên tập viên của báo cáo, Francesca Fanshawe, cho biết trong một thông cáo báo chí: “Quản lý dữ liệu rất phức tạp và có thể là một thách thức thực sự cho các tổ chức. Nhưng việc tạo ra kiến trúc phù hợp là bước đầu tiên của một sự chuyển đổi kinh doanh lớn.”

Sự dân chủ hoá của dữ liệu

Mọi giám đốc dữ liệu được phỏng vấn trong cuộc nghiên cứu đều khẳng định tầm quan trọng của việc dân chủ hoá khả năng phân tích và học máy. Họ nói rằng điều này sẽ giúp người dùng cuối cùng đưa ra các quyết định kinh doanh sáng suốt hơn – dấu hiệu của một văn hoá dữ liệu mạnh mẽ.

Những người được khảo sát cũng ủng hộ áp dụng các tiêu chuẩn và định dạng dữ liệu mã nguồn mở. Nhưng 55% các giám đốc điều hành cho biết thách thức quan trọng nhất vẫn là sự thiếu hụt một nơi trung tâm để lưu trữ và khám phá các mô hình học máy. Đó có lẽ là lý do tại sao 50% hiện đang đánh giá hoặc tích cực triển khai các nền tảng dữ liệu mới, có thể là các nền tảng dữ liệu dựa trên đám mây.

Như Neha Singh, Phó chủ tịch về đổi mới và tăng trưởng của Broadridge đã nhấn mạnh trong một bài viết gần đây, nhiều công ty cố gắng phát triển các giải pháp AI mà không có các hồ dữ liệu sạch, tập trung hay một chiến lược để chủ động quản lý chúng. Không có viên gạch quan trọng này để đào tạo các giải pháp AI, độ tin cậy, tính hợp lệ và giá trị kinh doanh của bất kỳ giải pháp AI nào cũng có thể bị hạn chế. 

Theo báo cáo, các ưu tiên dữ liệu hàng đầu của các tổ chức trong hai năm tới thuộc ba lĩnh vực, tất cả đều được hỗ trợ bởi việc áp dụng rộng rãi hơn các nền tảng đám mây. Đó là: cải thiện quản lý dữ liệu; tăng cường phân tích dữ liệu và học máy; mở rộng việc sử dụng tất cả các loại dữ liệu doanh nghiệp, bao gồm cả dữ liệu streaming và dữ liệu phi cấu trúc. Fanshawe tiếp tục cho biết thêm: “Có nhiều mô hình mà một doanh nghiệp có thể ứng dụng, nhưng mục đích cuối cùng nên là tạo ra một cấu trúc dữ liệu đơn giản, linh hoạt và được quản lý tốt.”

Những phát hiện tương đồng

Các phát hiện của MIT và Databricks được đưa ra sau Báo cáo hàng quý mới nhất State of Data Culture Report của Alation với các phát hiện tương tự, rằng chỉ một tỷ lệ nhỏ các chuyên gia tin rằng AI đang được sử dụng hiệu quả trong tổ chức của họ. Theo báo cáo của Alation, việc thiếu sự ủng hộ của các giám đốc điều hành là lý do hàng đầu, với 55% người trả lời khảo sát cho rằng điều này quan trọng hơn việc thiếu nhân viên có kỹ năng về khoa học dữ liệu.

Các phát hiện này đồng ý với những khảo sát khác, cho thấy mặc dù có sự nhiệt tình với AI, các doanh nghiệp vẫn gặp khó khăn trong việc triển khai các dịch vụ hỗ trợ AI trong sản xuất. Theo Gartner, việc sử dụng AI trong kinh doanh đã tăng vọt 270% trong vài năm qua. Trong khi đó Deloitte cho biết 62% người được hỏi trong báo cáo tháng 10 năm 2018 đã ứng dụng một số dạng AI, tăng từ 53% trong năm 2019. Nhưng không phải các ứng dụng luôn luôn thành công, với khoảng 25% các công ty đã chứng kiến một nửa số dự án AI của mình gặp thất bại. 

*Theo VentureBeat