Attendez, l'avantage de l'intelligence artificielle (IA) est déjà là et est parti? C’est ce que Deloitte met en garde dans le rapport « Un avenir dans la balance? Comment les pays recherchent un avantage en matière d'IA . ”Une citation remarquable:
“ Il semblerait que la fenêtre de différenciation concurrentielle avec l'IA se referme rapidement. Les technologies d'intelligence artificielle devenant plus faciles à consommer et à intégrer dans un nombre croissant de produits et services, l'avantage des pionniers diminuera rapidement. ”
Mais bien entendu, il n'est pas trop tard pour tirer parti du potentiel de transformation numérique de l'IA!
Parce que disposer de capacités d'intelligence artificielle n'est pas la même chose que d'exploiter ces capacités. Le rapport fournit toutefois des indications aux organisations sur le sujet:
«Le succès de l'IA dépend de la précision de l'exécution. Les organisations doivent souvent exceller dans un large éventail de pratiques pour assurer le succès de l'IA, notamment en élaborant une stratégie, en recherchant les bons cas d'utilisation, en établissant une base de données et en développant une forte capacité d'expérimentation. "
appliquer une perspective économique – où l’économie est la branche du savoir qui concerne la production, la consommation et le transfert de richesse (valeur). Cela nous permet de comprendre où et comment les organisations peuvent concentrer leurs initiatives d'intelligence artificielle afin de générer et d'exploiter de nouvelles sources d'informations sur les clients, les produits et les opérations.
Voici ma recette simple en trois étapes pour les organisations cherchant à appliquer l'IA pour exploiter l'économie de les données pour transformer numériquement leurs modèles commerciaux et opérationnels et maîtriser l'art d'identifier, capturer et opérationnaliser de nouvelles sources de création de valeur économique:
- Étape 1: Recherchez les bons cas d'utilisation
- Étape 2: créez une capacité d'analyse
- Étape 3: Intégrez l'analyse
Intéressons-nous à présent et montrons qu'il n'est pas trop tard pour les organisations qui cherchent à exploiter la valeur économique de leurs données avec AI.
L'intelligence artificielle est toujours aussi cool, n'est-ce pas?
Étape 1: Rechercher les bons cas d'utilisation (identifier les sources de création de valeur)
La première étape pour exploiter le potentiel de transformation numérique de l'intelligence artificielle consiste à identifier les bons cas d'utilisation auxquels s'appliquer. vos capacités d'IA. Les organisations doivent investir du temps nécessaire pour identifier les sources de création de valeur qui leur permettront de hiérarchiser et de cibler leurs efforts en matière d’IA. Et heureusement, nous avons l'outil de conception idéal pour cela: la carte du parcours du client (figure 1).
Figure 1: Identifier les sources de création de valeur
La carte du parcours du client rend compte des décisions. qu'un consommateur ou un client d'entreprise doit faire pour soutenir un parcours spécifique. Pour un client B2C (entreprise à consommateur), cela peut inclure l’assurance, l’achat d’une maison, les vacances ou les repas. Pour un client entreprise à entreprise (B2B), cela pourrait inclure le maintien d’une disponibilité opérationnelle de 100%, l’optimisation de la livraison des produits ou la réduction des stocks obsolètes et excessifs.
Cela va à l’encontre des décisions de grande valeur révélées par la carte du parcours client.
Étape 2: Développer une capacité d’analyse (capturer des sources de création de valeur)
La deuxième étape consiste à développer vos capacités de données et d’IA qui prennent en charge les décisions de grande valeur (utilisez cas). C’est-à-dire qu’il faut identifier les données et les ressources d’IA que votre organisation doit créer afin d’optimiser le parcours client défini à l’étape 1.
Ces données et ressources analytiques doivent se concentrer sur la saisie des informations client, produit et opérationnelles nécessaires pour: 1) améliorer les sources de valeur client et 2) atténuer les problèmes ou les obstacles rencontrés par les clients tout au long de leur parcours (figure 2).
Figure 2 : Capturez les sources de création de valeur
Dans le cadre de l'étape 2, nous devons répondre aux questions suivantes:
- Quelles sont les décisions clés que le client doit prendre au cours de son voyage?
- Quels sont les KPI
- Quelles sont les prévisions dont le client a besoin pour étayer ses décisions?
- Quelles sources de données pourraient être utiles pour alimenter ces prévisions?
- Où et comment ces prévisions être opérationnalisé (dans le cadre de l'étape 3)?
Ces questions correspondent au cadre d'ingénierie de la valorisation des données scientifiques (figure 3) que je couvrirai dans un futur blog. (Je plante des raisons de vous inciter à revenir pour plus d'informations.)
Figure 3: Cadre d'ingénierie de la valeur de la science des données
Étape 3: Intégrez les analyses (opérationnalisez les sources de création de valeur)
La troisième étape doit opérationnaliser les informations sur les clients, les produits et les opérations extraites par l'intelligence artificielle aux étapes 1 et 2. Les capacités de l'organisation en matière d'intelligence artificielle créent les sorties prédictives et les recommandations normatives devant être mises en œuvre dans les systèmes opérationnels de l'organisation, notamment des tableaux de bord et des rapports de gestion, des applications mobiles, etc. des sites Web et des systèmes d'entreprise (p. ex., ERP, MRP, SCM, CRM, etc.). L'étape 3 consiste à intégrer l'analyse analytique d'intelligence artificielle et à opérationnaliser les informations relatives au client, au produit et à l'exploitation dans le processus de création de la chaîne de valeur de l'entreprise (Figure 4).
Figure 4: Opérationnaliser l'analyse
Une chaîne de valeur est un ensemble. des activités qu'une organisation exerce pour fournir un produit ou un service de valeur sur le marché, chaque étape de la chaîne de valeur ajoutant plus de valeur au produit ou au service. En fin de compte, la valeur du produit ou du service est supérieure aux coûts agrégés pour le créer. L'industrie pétrolière et gazière (Figure 5) en est un bon exemple.
Figure 5: Chaîne de valeur du pétrole et du gaz
Cadre de création de valeur de transformation numérique
Les principales caractéristiques de la transformation numérique ?
- Détruit les frontières traditionnelles du secteur pour créer et capturer de nouvelles sources de valeur client, produit et valeur opérationnelle.
- Identifie, capture et opérationnalise ces nouvelles sources client , produit et création de valeur opérationnelle.
- Exploite la valeur économique de données et d’analyses plus précises et plus prévisibles grâce au partage, à la réutilisation et au perfectionnement des actifs.
L’intelligence artificielle joue un rôle moteur dans chacune de ces caractéristiques et manifestes. lui-même dans l’ensemble du cadre de création de valeur de la transformation numérique (figure 6).
Figure 6: Cadre de création de valeur de la transformation numérique
Résumé
L’économie est au cœur de la transformation numérique d sa capacité à exploiter les données et les analyses pour créer de nouvelles sources de valeur pour les clients, les produits et les opérations (richesse). Et AI continuera à jouer un rôle clé dans la création et la création de nouvelles sources de valeur pour les clients, les produits et les opérations, en particulier pour les organisations qui suivent cette recette simple mais efficace en trois étapes.
Oui, AI est toujours cool. [19659004] L'ère intelligente est désormais possible avec une stratégie hybride. Découvrez différents scénarios hybrides et autres mises à jour dans le contexte de SAP Analytics Cloud en rejoignant notre webinaire le [25juillet1945].
Cet article a été initialement publié sur LinkedIn . et est republié avec permission.
Source link