高管指南：数据、分析和人工智能转型（第二部分）：识别和优先排序用例

识别能够带来商业价值的用例是数据、分析和人工智能转型的重要步骤。

建立潜在用例清单需要与业务利益相关者合作，理解整体业务驱动因素。

优先考虑可实现的用例，并计算预期的投资回报率。

在复杂用例和低挂果实用例之间取得平衡。

考虑用例执行的速度，分为亚秒响应、多秒响应和多分钟响应。

机器学习算法需要高质量、相关的数据来进行实验和训练模型。

优先考虑使用相似或相邻数据的用例，以便于数据的可用性。

成熟的数据和人工智能公司重视“数据资产”概念，推动数据资产的设计策略和路线图。

使用评分卡方法评估用例的战略重要性、可行性和投资回报率。

确保业务和技术领导之间的对齐，以平衡进攻性和防御性用例。

这些策略可以帮助识别和优先考虑用例，从而推动商业价值。