一个更大的挑战可能来自于人才领域。在你的公司中有多少人专职进行管控、集成于抓取正在创建的数据信息?如果答案是“还不够”，那么你就要考虑设置一个高管级别的职位，致力于在董事会层面来积极推动以公司数据资产为来源来建立企业竞争优势。

　　这种高级别的助推策略，可以从确定公司如何在这一领域构建能力开始。对大多数公司来讲，也可以通过内部员工和外部顾问的组合来实现。甚至有一些众筹的机器学习平台(例如Kaggle和Experfy)可以协助你将你在数据方面要面对的挑战与世界各地的专家之间建立起联系。因为今天你所获得的数据可能会对未来的机器学习应用产生深远影响，因此建立数据能力是一个优先需要考虑的事项。许多大型企业已经在内部成立了专门部门来引导人工智能及数据分析方面的工作，这一需求也使得这一领域的专业人才变的炙手可热。

　　四、感想总结

　　虽然供应链经理需要评估各种技术以及指导以科技为基础的革新，但人工智能不应因此被忽略。但它也不应该被视作可以瞬间完成供应链变革的万灵药。相反地，人工智能应该被定义为一个可以提升与企业成功密切相关的KPI指标的工具。使用这一工具并不需要成为人工智能领域的专家，但必须确保你的企业满足了前文所提到的三个基本要求：确定与提升企业绩效相关的高价值应用案例;创立可以整合这些高价值数据的数字基础设施;开始建立一个由内部与外部专家组成的专业团队。

　　参考文献：

　　Notes:

　　1. Tanya Lewis, "A Brief History of Artificial Intelligence," LiveScience (December 4, 2014)

　　2. Christina Mercer, "Tech giants investing in artificial intelligence," TechWorld (February 8, 2018)

　　3. Andrew Ng, "What Artificial Intelligence Can and Can't Do Right Now," Harvard Business Review (November 9, 2016)

　　4. Mike Faden, "Using AI to Solve Complex Global Supply Chain Management Challenges," American Express online (undated