如何将人工智能和数据科学融入企业战略

数据科学咨询

内部咨询指南：如何成功举办为期两天的高管研讨会

“我们的行业不尊重传统——它只尊重创新。” — Satya Nadella，微软首席执行官，2014年致员工的信

虽然并非所有行业都像软件和云行业那样竞争激烈，但创新并应用最新的技术发展是高管们的基本主题。经验丰富的商业领袖明白，跟上相关技术的发展是成功的关键。

作为数据科学顾问，客户经常向我提出的问题包括：“我们如何有效地将正确的AI和机器学习工具融入业务？”以及“我们如何优先考虑AI项目，并将其与公司的整体战略相结合？”。尤其是在最近的AI热潮之后，这些问题变得更加紧迫。

这些问题之所以困难，是因为好的答案需要同时具备技术创新知识以及领域和业务专业知识。此外，还需要对当前公司战略有深入的了解，以便优先选择和确定项目。因此，与公司或部门的高管领导进行一次全面的战略研讨会，是发现答案的最佳方式之一。

在本文中，我分享了如何举办为期两天的战略研讨会的蓝图，旨在找出如何最好地将AI和数据科学工具应用于业务。我涵盖了从准备需要做什么、谁应该参加、如何确定深入探讨的正确主题、研讨会后需要做什么等各个方面。这个蓝图可以作为模板，用于任何行业的公司，无论其规模大小。

我在担任顾问的多年中，与能源和金融服务公司合作很多，因此您会在本文中找到这些行业的示例案例，但该蓝图设计为行业无关，方法和原则具有普遍性。

准备工作

像这样的研讨会，大部分工作实际上是在研讨会开始之前完成的。引用我最喜爱的一位发明家和政治家的话：

“不做好准备，就是准备失败。” —— 本杰明·富兰克林

功能领域研究与对齐

根据您对行业知识的掌握程度，您需要准备大量的时间进行研讨会前的研究。在起草研讨会大纲之前，有多个主题需要解决。

• 对行业的高层次理解： 主要参与者是谁，关键驱动因素是什么，趋势是什么，当前的挑战是什么
• 功能业务领域： 深入研究您所合作的企业的关键功能业务领域，然后对每个领域进行深入探讨

尝试将功能领域细分一层，以获得更细致的视图。以能源公用事业为例，典型的功能领域列表可能如下：

1. 发电和能源资源管理： 传统发电厂、可再生能源（太阳能、风能、水能）、分布式发电、储能系统、发电优化
2. 电网管理和资产维护： 输电网络、配电网络、智能电网技术、预测性维护、故障管理、资产生命周期管理
3. 客户基础管理、营销和销售： 客户服务、账单和支付、客户关系管理（CRM）、营销活动、销售运营、客户分析
4. 能源交易、市场运营和风险管理： 能源采购、批发市场交易、价格预测、市场分析、对冲策略、风险评估
5. 供应链管理和运营效率： 采购、供应商管理、库存管理、物流、流程优化、成本削减
6. 财务、合规和监管： 财务规划、预算编制、会计、合规监管、审计、政府关系、政策倡导
7. 人力资源和劳动力管理： 人才招聘、培训和发展、员工参与、绩效管理、劳动力规划、健康与安全
8. 信息技术、网络安全和创新： IT 基础设施、网络安全措施、数据分析、商业智能、创新项目、研究与开发（R&D）、新兴技术（物联网、人工智能、区块链）
9. 环境可持续性和企业社会责任： 减排倡议、可持续发展报告、环境合规、可再生能源证书、社区参与、企业社会责任项目

您现在已经完成了研究的第一部分，理想情况下，应该与客户对齐，确定这个列表是否是他们希望关注的内容，或者他们是否希望扩展某些领域而排除其他领域。上述结构将帮助您更详细地指定研讨会的议程，也有助于指导研讨会的其余研究。

功能领域深入研究

在确定了结构之后，我们可以开始深入研究每个子类别，以了解人工智能和数据科学是如何应用的，以及它们如何创造价值。这通常是我需要花费最多时间进行研究的部分。

我通常从具体的查询开始，例如：“人工智能在电力生产中的应用，特别是在风力发电方面？” 这个查询的结果可能会涉及以下主题：

• 使用人工智能和量子计算来更好地规划和优化陆上风力发电场的涡轮机位置
• 用于涡轮机故障检测和诊断的时间序列建模
• 用于涡轮机预测性维护的时间序列建模

如果可能，还应尝试量化使用该技术可能带来的价值。例如，如果能源公司 Equinor 在实施预测性维护项目后能够将风力涡轮机的非计划停机时间减少 40%，这将如何转化为货币价值？如果您的业务中有一个拥有 1000 台风力涡轮机的风力发电场，这个例子将如何转化为您的具体业务？量化方面非常重要，因为它将有助于后续工作中对各项计划的优先级排序。

在这一研究阶段，也可以跳出框框思考，探索某项特定技术如何从一个行业借用于另一个行业。许多技术最初在一个行业中使用，然后过渡到其他具有类似功能领域的行业。例如，数据驱动的客户流失管理最初由电信和银行公司使用，但很快就几乎在所有行业中得到采用。

拟定议程

在了解了行业、业务功能领域和技术可能性之后，现在是时候为研讨会拟定议程了。

对于为期两天的研讨会，我建议至少用30分钟进行介绍，介绍研讨会及其目标。我还建议安排时间回顾会前的发现，这可以让参与者了解他们的集体先验观点、期望和优先事项。剩下的时间则用于讨论选定的功能领域。最后，以总结所涵盖的主题和下一步行动来结束研讨会。

为期两天的研讨会，包含9个功能领域的深入探讨，可以按照以下结构进行规划：

第一天

9:00 AM — 9:30 AM: 欢迎和介绍
9:30 AM — 10:00 AM: 回顾会前发现
10:15 AM — 11:30 PM: 会议1
1:00 PM — 2:15 PM: 会议2
2:30 PM — 3:45 PM: 会议3
4:00 PM — 5:15 PM: 会议4
5:15 PM — 5:30 PM: 第一天总结

第二天

9:00 AM — 9:15 AM: 回顾第一天
9:15 AM — 10:30 AM: 会议5
10:45 AM — 12:00 PM: 会议6
1:00 PM — 2:15 PM: 会议7
2:30 PM — 3:45 PM: 会议8
4:00 PM — 5:15 PM: 会议9
5:15 PM — 5:45 PM: 最终总结和下一步行动

上述结构在各次会议之间留出了休息时间，并有效地利用时间来讨论每个不同的功能领域。在每次会议中，我通常会花时间进行以下活动：

• 当前流程的互动讨论
• 案例研究和可行性分析的展示
• 进一步的人工智能和数据科学发展的头脑风暴
• 优先考虑关键举措

涉及合适的人

鉴于 AI 和数据科学的技术性质，首席技术官或类似高管角色是研讨会的自然联系点。理想情况下，您希望找一个真正从技术角度理解业务并且足够资深以引起其他高管注意的人。

此外，为了让研讨会的结果有意义，您通常希望公司的大多数高级领导参加。如果首席执行官或总经理不能参加，这是一个警告信号。如果可能，重新安排时间以确保她至少参加部分研讨会。

工作坊前的访谈或问卷

为了确保研讨会的内容符合公司的成熟度、雄心和总体战略，最好与领导团队的主要成员进行访谈。（精心设计的问卷也可以达到同样的效果。）这有助于了解他们在业务各个部分的 AI 和数据科学计划的进展情况，并使内容能够适应这一水平。

例如，如果他们已经非常成熟，并且拥有一支调校良好的内部数据科学团队，那么你可以采取更为激进的策略，而如果他们是从零开始的话，则需要采取不同的策略。

幻灯片演示文稿

我从管理咨询转行到数据科学的一个原因是为了避免制作太多 PowerPoint 幻灯片（😅），但即使作为数据科学家，也很难摆脱 PowerPoint 的神秘吸引力。也许你现在已经转用 Canva 了；不过，事实是，如果你希望研讨会有效，拥有一个坚实的幻灯片演示文稿是至关重要的。

幻灯片演示文稿在你进行研讨会的过程中起到了引导和参考的作用，使你能够直观地展示你正在探讨的想法和概念。一个能够帮助你保持方向的良好幻灯片演示文稿对于成功的研讨会至关重要。

内容最终对齐

在启动工作坊之前，您应该始终获得内容的最终确认。与关键利益相关者对齐内容有几个原因。首先，您确保内容正确且相关，并且可以识别出需要覆盖的知识空白。其次，也是最重要的一点，通过让关键人物参与规划过程，您可以增加利益相关者的参与度，从而增加工作坊成功的可能性。

促进研讨会

一旦所有准备工作完成，主持研讨会应该相对简单，但有几件关键的事情需要注意。

促进者角色

在担任促进者角色时，请记住，真正需要的是参与者的参与。你希望避免研讨会变成促进者的单方面演讲和独白。参与者的投入是成功的关键。他们通常是拥有深厚行业知识的人，作为高管，他们也有权对各种举措采取行动。

最终，他们的参与将有助于增强对过程的所有权感，使未来的步骤更容易实施。

时间管理

议程作为如何在各个主题之间管理时间的指南，但时间管理仍然可能具有挑战性。有些主题比其他主题更能引起兴趣，这是很自然的，需要对此进行考虑。如果某些讨论比预期的时间更长，允许调整议程，并避免为了按时完成而催促参与者。

远程 vs 现场

虽然可以远程进行研讨会，但强烈建议关键参与者能在同一个房间里。虽然远程工作在很多情况下是个不错的选择，但这次并不适合。

理想情况下，会议还应该在 Teams 或类似平台上进行，以便您可以录制过程并稍后获得研讨会的记录。在我们有会议的 AI 录音之前，我总是会安排一个专门的人来记录，以确保我们记录下所有内容。如果您没有令人满意的录音选项，这一点应该被考虑。

工具和工件

我之前的一位雇主非常喜欢使用棕色纸张（可以挂在墙上的大卷宽纸）和便签纸来让参与者参与并记录结果。我认为这是一个很好的方法，但绝不是必需的。像数字白板这样的工具也非常有用。关键在于让参与者参与进来，并记录下发现的结果。

工作坊后的活动

完成工作坊后，您需要分析所有的发现和见解，并起草一份战略文件，作为进一步实施工作的指南。

该文件需要包含的关键点包括：

• 优先级的 AI 和数据科学机会列表。
• 数据和基础设施评估。
• AI 和数据科学路线图。

让我们逐一分析上述每个要点。

优先的AI和数据科学机会清单

在研讨会之后，您应该能够编制一份公司可以重点关注的优先AI和数据科学机会清单。这些机会应根据其潜在影响、实施难度、实施成本和与业务目标的一致性进行排名。这使得选择要追求的活动和机会变得更加容易。

数据和基础设施评估

一旦识别出各种机会，您就可以开始了解这将如何影响当前的数据和IT基础设施。除非组织在使用AI和数据科学方面已经达到了较高的成熟度，否则可能需要采取重大措施来升级基础设施。例如，如果优先活动之一是开始对风力涡轮机进行预测性维护，您需要开始在涡轮机上安装传感器——如果它们尚未安装——并创建数据管道和数据基础设施，以便能够处理传感器数据并将其格式化为可操作的时间序列数据。

AI 和数据科学路线图

将所有内容整合到一个计划中，您可以制定一个详细的路线图，说明实施这些机会所需的步骤、时间表和资源。对于我的时间表和资源分配，我更喜欢使用甘特图。然而，为了直观地理解各种活动如何在不同的功能领域中结合在一起，我喜欢使用太阳光线图。下图展示了不同的机会如何汇聚在一起，实现未来的完全转型。

后续研讨会以对齐结果

我的最后一步是安排另一个研讨会，以对齐战略文件。您发现的AI和数据科学计划的路线图和优先级，现在需要得到领导层的同意，并整合到他们的整体战略中。

单独制定AI和数据科学战略是适得其反的，相反，目标应该是将他们的IT和AI计划整合到公司的整体战略中。

结语

到目前为止，您应该已经掌握了一套全面的指南，用于规划和执行一个策略研讨会，以确定对您的业务最有价值的人工智能和数据科学机会。

我们详细介绍了如何准备研讨会，包括：

• 将公司活动划分为职能领域
• 调查如何将人工智能和数据科学应用于每个领域
• 起草议程以有效分配时间
• 确定参与过程的关键人员

我们还介绍了如何有效运行研讨会，强调了良好的引导、时间管理、使用适当的工具以及现场与远程举办研讨会的好处。

本文中讨论的这种研讨会可以是将人工智能和数据科学整合到您的业务战略中的重要第一步。它有助于确保高管的一致性，并且是转型旅程的起点。

感谢您的阅读！

想在我发布新文章时收到通知吗？ ➡️ 订阅我的通讯 ⬅️。免费订阅，随时可以取消！

如果您喜欢阅读这篇文章并希望访问更多我的内容，请随时在 LinkedIn 上与我联系 https://www.linkedin.com/in/hans-christian-ekne-1760a259/ 或访问我的网站 https://www.ekneconsulting.com/ 以了解我提供的部分服务。如有任何问题，欢迎通过电子邮件 hce@ekneconsulting.com 与我联系。