许多组织都胸怀大志，但却未能为 交付团 认为分析团队是一个咨 队的成功做好准备。常见的情况是，首先聘请数据科学家并建立技术基础设施。然而，不久之后，数据科学家就开始着手处理大量紧急而重要的项目，这些项目受益于这些专家备受追捧的技术技能。因此，分析团队最终像内部咨询公司一样工作，从一个项目跳到另一个项目，而不是建立在高级分析和 的长期愿景之上。
解决方案很简单，就是 认为分析团队是一个咨 消除这些干扰，以便数据科学家可以专注于最重要的战略计划。
陷入试点阶段
提供有影响力的人工智能项目可以归 捷克共和国手机号码数据 结为三件事：确定合适的业务问题、测试解决方案以及（如果解决方案有效）将其工业化。
最终解决方案的工业化通常需要某种技术变革和专家团队对流程的持续管理。例如，一家银行可能会尝试一种保留工具，该工具可以高度准确地识别哪些人可能会流失以及何时流失。试点证明是成功的，银行将客户 在社交媒体招聘中使用大数据 流失率降低了几个百分点。现在面临的是最后一个挑战：以最少的维护实现工具的工业化，以达到最大的影响。进行试点的团队可 系 印度手机号码 统 能是数据科学、数据工程、技术、体验设计和项目管理方面的内部和外部专家的混合体。这些人通常需要转到新项目。因此，银行不仅必须拥有一支跨职能建设者团队，还必须拥有一支专注于现有解决方案的持续管理和持续改进的团队。否则，该计划将停留在试点阶段。
失败后放弃
如果一开始你没有成功……这个陷阱比这更微妙。这种情况往往发生在模型预测或建议没有与正确的解决方案联系起来的时候。设计和实施有效的干预措施至少与预测一样重要。