Например, генеральный директор компании Virgin Ричард Брэнсон сказал просто: „Я хочу реализовать все это множество проектов по ИИ за следующие пять лет. Вы, ребята, должны это сделать“, –  и это поручение не оспаривается. Но в других компаниях случается, что генеральный директор придерживается стратегии, основанной на данных, а вот четыре других руководителя, или четыре остальных подразделения, или совет директоров имеют иные приоритеты».

Я знаю ответ на вопрос Кэмерона. В этой книге я поставила цель не просто подтвердить общепринятые представления о больших данных и ИИ. Я хотела найти способ объединить интересы лидеров бизнеса и обработки данных на широком, практическом и межкультурном уровне, не прибегая к чрезмерным упрощениям. Стремилась найти модель, говорящую за себя и помогающую каждому сразу визуализировать концепцию, как иерархия потребностей Маслоу[3]. Еще важнее, что это дало бы четкий план –  «четырехэтапный процесс», если хотите, –  для превращения ИИ в практическую реальность.

К этой схеме мы обратимся позже в главах 7 и 8

Для начала я решила создать собственную, ориентированную на ИИ, версию классического инструмента «шаблон бизнес-модели». Как и оригинал, моя версия давала визуальное представление о строительных блоках, необходимых для планирования и измерения успешной стратегии (включая потенциальные компромиссы) с использованием ИИ, машинного обучения или предиктивной аналитики. Ее цель –  определять стратегию, я надеюсь, очевидную для всех.

Сделав это смелое заявление, я приглашаю вас продолжить чтение и разобраться, как ИИ и большие данные помогут достичь целей, которые вы раньше и представить себе не могли.

Я начала путешествие в мир данных около двадцати пяти лет назад. После работы в должности инженера по информатике я стала технологическим предпринимателем, создала крупную консалтинговую фирму по управлению данными, компанию по продажам через интернет и фирму по разработке программного обеспечения для медицинской аналитики. Под эгидой CXO Coaching, CEO Coaching International и WLDA я консультировала бизнес-руководителей, стремящихся разобраться в непонятных технологиях.

Стоит сказать, что меня всегда приводили в восторг данные, компьютерные технологии и математика. В начале карьеры консультанта я заметила, что многие компании уделяли внимание построению реляционных баз данных – структурированным данным. Они говорили: «Давайте все перенесем в хранилище данных, так мы сможем создавать понятные отчеты». Сейчас разговор радикально изменился. Революция в области больших данных позволила нам использовать и обрабатывать как структурированные, так и неструктурированные данные, и благодаря этому лучше понимать клиентов, окружающую среду и многое другое.

Для бизнеса вопрос использования данных особенно обострился из-за «трех V» больших данных, которые мы рассмотрим в главе 2. Один только объем данных (volume) увеличился в геометрической прогрессии, перейдя отметку в петабайт^>3. Благодаря все более быстрым процессорам и соединениям скорость обработки данных (velocity) теперь приближается к показателям, обеспечивающим доступ к результатам в режиме реального времени. Третья «V» – разнообразие (variety)– самая сложная из всех. Сегодня мы имеем дело преимущественно с неструктурированными данными: диалоги, изображения, аудио, видео. Традиционные методы здесь не справляются. Поэтому неудивительно, что бизнесмены зачастую не видят ценности (value –  четвертая «V») в больших данных.

Гораздо позже, когда моя карьера перешла от науки данных к миру бизнеса, я стала замечать нечто важное. Выйдя за пределы научного круга, я обнаружила, что руководители бизнеса и управленцы знают, что данные им необходимы, но не понимают, где их взять и что делать с уже имеющимися. (Честно сказать, специалисты по данным часто сталкиваются с противоположной проблемой. Они умеют работать с данными, но не всегда видят их бизнес-потенциал.)