数据库信息速递 为何你的公司应从以数据驱动为核心向以决策驱动为核心的转变 --所谓AI项目是垃圾堆 （译）

有一种普遍的呼声，即以数据驱动型的指导公司运营是正确的。分析数据以指导业务决策，这是正确的吗？但如果这是正确的决定，那为什么行业分析师认为大多数数据分析项目，包括AI项目，都失败了呢？数据指导人的工作是否应还是主流？

然而，行业观察员表示相反的情况正在发生。根据Gartner的数据，仅有20％的分析洞察将在今年年底前推动业务前进。此前，Gartner表示，到2020年，80％的AI项目“仍然是由云里雾里的迷之自信”。尽管今年的百分比尚未公布，但悲观情绪似乎保持稳定。VentureBeat报道称，“只有13％的数据科学项目，即每10个中只有一个，实际上被投入生产。”共识是这些数据驱动项目的失败率惊人地达到了87％。

这些数据数字表明，数据似乎将许多项目驱动到数字的垃圾堆。如果企业沿着这条路走下去，他们最终也会开车驶下悬崖。

2021年11月，当时居于数字房地产之巅的Zillow遭受了巨大的损失，并迅速退出了iBuying业务。竞争对手Opendoor夺得了被遗弃的王冠，并宣称自己在数据方面做得更好。然而到了2022年1月22日, Opendoor的股票价格下跌，据巴伦周刊报道，一位美银美林的分析师宣称“iBuying模式存在风险”。据HousingWire报道，iBuying行业遭受了沉重的财务损失。

这对任何行业中的以数据驱动的公司来说都不是一个好的现象。

与此同时，许多数据分析和人工智能行业的人往往将导致这种糟糕表现的原因归咎于常见的嫌疑人：技能短缺、预算短缺、糟糕的业务策略和短视的股东等等。当然，这些事情对项目产生了不利影响，但可能与许多其他基于技术的计划一样。

因此，问题就变成了：是什么让数据项目脱轨了？许多人认为，主要罪魁祸首是过程而不是技术。

但是，也不要认为这是公司高管或领导人仅凭直觉做出决策方法是对的。这种做法会导致偏见数据和错误决策的泥潭。

相反，在这种新流程开始时，您将根据多种科学和数学公式进行决策。您想要采用的决策科学示例可能包括经济学、决策分析、行为经济学、心理学、设计、哲学、博弈论等，具体取决于需要做出的决策的性质。

如果您想了解更多关于决策科学的战术、技术、选项和/或更具体的技术指导，让我向您介绍一些强大的资源，这些资源既易于理解又是决策智能领域的领袖。

可以阅读非常有才华并且技术驱动的James Taylor所写的优秀书籍“数字决策”，或Lorien Pratt所写的“Link”、“Gartner”有关该主题的文章和报道。您可能会发现，将您的公司从以数据驱动为核心转变为以决策驱动为核心是一个明智和高效的决策。