释放数据的力量，在人工智能中以人为本并重视 Python

在一个数据至上的世界里，组织越来越认识到利用数据推动决策和创新所蕴含的巨大潜力。然而，NewVantage Partners 最近的一项调查揭示了一个鲜明的对比：成为数据驱动型组织的愿景与现实之间存在巨大差距。虽然 93.9% 的受访高管预计将在 2023 年增加数据投资，但只有 23.9% 的组织认为自己真正实现了数据驱动。这就引出了一个问题：所有这些投资都去了哪里？为什么这么多公司在拥抱数据驱动的未来时如此挣扎？

答案似乎在于“人”的领域。79% 的高管指出，文化问题是实现数据驱动未来愿景的主要障碍。本文将深入探讨优先考虑人的重要性，以及 Python 和易于使用的数据工具在实现真正数据驱动型组织中的作用。

用数据赋能人员

Gartner 分析师 Svetlana Sicular 提供了两个关于数据世界的基本见解，这些见解至今仍然适用。首先，组织内部已经拥有对其自身数据拥有深入了解的员工，这种了解往往比数据科学家更深刻。其次，学习 Hadoop 等复杂的数据技术，可能比掌握公司错综复杂的业务流程要容易得多。为了充分利用数据，公司必须赋能现有员工，让他们能够对数据提出明智的问题。

易于使用的数据工具

实现这种赋能的关键策略之一是降低编程素养的门槛。虽然专门的数据工具可能令人望而生畏，但任何员工武器库中最宝贵的“工具”是他们对公司业务的理解。作为领域专家的员工能够向公司数据提出更有意义的问题。

在这种情况下，至关重要的是专注于让更广泛的员工能够使用数据工具。微软 Excel 是一个广泛使用的工具，应被推广为数据分析的关键组成部分。最近利用 Excel 进行数据转换的举措已逐渐兴起。与掌握 TensorFlow 等更专业工具的用户相比，精通 Excel 的用户基数要大得多。让员工在他们已经熟悉的工具上做更多的事情，这是一个巨大的胜利。

Python：人工智能的通用语言

Python 作为一种多功能编程语言，已成为提升人工智能生产力的强大推动力。虽然 R 语言和其他专业工具也具有重要价值，但 Python 是人工智能广泛采用的核心驱动力。Python 的易用性和多功能性使其成为希望实现数据驱动决策民主化的企业的理想选择。

SQL：被低估的英雄

SQL 常常被其更花哨的竞争对手所掩盖，但在数据领域却不可或缺。IEEE Spectrum 最近的一项分析将 Python 和 SQL 确定为最受欢迎的两种编程语言。Python 领先，而对于寻求招聘数据专业人员的雇主来说，SQL 是最受追捧的技能。通过强调 Python 和 SQL，组织可以利用许多员工已经具备的技能，从而消除学习新技术所需的高昂学习曲线。

生成式人工智能（GenAI）为员工有效使用数据提供了另一个途径。虽然 ChatGPT 等工具旨在自动化任务，但必须记住，技术的效果取决于使用者的水平。将 GenAI 工具集成到工作流程中需要仔细考虑，以确保人工智能驱动的响应在技术准确性和用户期望方面保持一致。

以人为本，而非以技术为本

NewVantage 的报告突出显示了一个反复出现的趋势：成为数据驱动型组织的主要挑战主要是人为相关的，如文化、人员、流程和组织问题，而不是技术障碍。尽管认识到这些人为挑战，组织往往在非人为问题上投入巨资，如数据现代化、人工智能和各种数据架构。

在追求真正数据驱动的过程中，组织必须认识到，最有价值的资产不是数据本身，而是解释和利用这些数据的人。这些员工已经在你的组织内工作，并拥有对你业务的深刻理解。要释放数据的全部潜力，关键在于通过易于使用的数据工具（如 Python 和 SQL）赋能他们，并培养一种拥抱数据驱动决策的文化。通过优先考虑人而非技术，公司可以弥合愿景与现实之间的差距，为更加数据驱动的未来铺平道路。