К содержанию
hegai.media
Новости

Накопленные проблемы с данными осложняют внедрение ИИ

Инфографика: 5% предприятия с готовыми данными
Графика: hegai.media

Как пишет Fast Company, только 5% предприятий считают свои данные готовыми для ИИ. Автор материала полагает, что в действительности эта доля может быть еще ниже. Многим организациям предстоит столкнуться с проблемами, которые раньше оставались незаметными и не мешали текущей работе.

Этот вывод основан на 15-летнем опыте автора в работе с компаниями в эпоху BI. Например, ошибки в категоризации товарного каталога могут годами не влиять на продажи. Но при анализе их динамики по категориям такие неточности становятся критичными.

Есть и другие накопленные проблемы: неточный учет запасов, разрозненные и дублирующиеся записи о клиентах, несовпадения часовых поясов между системами. По оценке автора, раньше подобные дефекты помог выявлять BI, а теперь эту роль играет ИИ.

Ключевые факты

  • Лишь 5% предприятий считают свои данные готовыми для ИИ.

  • Автор опирается на 15-летний опыт работы с компаниями в эпоху BI.

  • Ошибки в категоризации товарного каталога могут годами оставаться незаметными до начала анализа продаж по категориям.

  • Среди проблем названы неточный учет запасов, дублирующиеся записи о клиентах и несовпадения часовых поясов между системами.

Вопросы и ответы

Какие данные стоит проверить до запуска ИИ?

Проверьте категоризацию товарного каталога, точность учета запасов, дубли клиентских записей и согласованность часовых поясов между системами. Такие дефекты могут не мешать текущим операциям, но искажать результаты анализа.

Как скрытые ошибки повлияют на бизнес-задачи ИИ?

Например, неверная категоризация товаров может годами не препятствовать продажам, но даст некорректную динамику при анализе продаж по категориям.

Чем нынешняя проблема отличается от сложностей при внедрении BI?

Механизм тот же: аналитика выявляет дефекты данных, которые раньше были незаметны. Автор основывает этот вывод на 15-летнем опыте работы с компаниями в эпоху BI, но сейчас проверкой качества данных становится ИИ.

Контекст по теме