导读
现今，众多企业深知将数据转化为战略资产对于获取竞争优势的重要性，Altair公司创始人兼CEO James R. Scapa对此观点深表赞同。Altair是一家在全球范围内提供仿真、高性能计算（HPC）和人工智能（AI）相关软件及云解决方案的领先技术企业。
近期，Altair发布的一项国际研究揭示，全球多数企业已广泛采纳并实施了企业数据与AI战略，显示出显著的采用率。研究指出，项目成功的关键因素主要涉及组织架构、技术基础和财务规划三个方面。
James R. Scapa强调，当前企业面临的主要挑战在于人力、技术和投资不足，这阻碍了基于数据的洞察力生成，从而影响项目执行效率。他建议企业应转向自助数据分析工具，以便非技术背景的员工能在复杂系统中高效操作，以避免这些问题进一步拖累企业发展。
Altair开展的关于“无摩擦AI”（Frictionless AI）的独立全球调研，吸引了来自10个国家（包括美国、中国、法国、德国、印度、意大利、日本、韩国、西班牙和英国）的2037名数据与分析专业人士参与。调研发现，内部部门间的协调不良可能导致AI和数据分析项目的失败率高达36%至56%。
阻碍数据与AI项目成功的三大关键
无摩擦AI概述
“无摩擦AI”是指AI技术与数据科学在企业运营中实现无缝集成的状态，项目具备快速、可重复和可扩展性特征。在这一状态下，AI与数据科学之间不存在技术障碍，不同角色间的组织壁垒被消除，工作流程顺畅，使得数据应用从设计到部署得以高效推进，从而促进决策制定。
调研结果显示，组织架构、技术限制和财务规划是阻碍数据与AI项目成功的关键因素：
组织层面：企业面临大量数据科学岗位空缺，导致效率低下。75%的受访者表示正积极招聘数据科学人才，而35%的受访者指出员工在AI技术方面的知识相对匮乏。人才短缺和提升技能所需时间被视为企业AI战略实施过程中的常见难题。
技术层面：超过一半的受访者反映，企业在技术层面遇到瓶颈，尤其在数据处理速度、决策支持和数据质量方面。约63%的受访者认为当前AI驱动的数据工具过于复杂，而33%的人表示旧有系统无法支撑先进的AI与机器学习计划，这类问题累积导致技术层面的摩擦。
财务考量：尽管企业渴望扩展AI与数据策略，财务资源却构成阻碍。25%的受访者认为财务限制是AI项目进展的障碍，管理层对前期投资的关注往往忽视了AI和机器学习的长远效益。33%的受访者指出，AI工具的实施成本过高，影响了项目推进。
AI与数据科学的未来投资焦点
面对项目成功率参差不齐的情况，企业依然坚定地投资于AI技术和数据科学。四分之一的受访者表示，其企业项目的失败率已超过50%，而42%的受访者承认过去两年内项目屡遭挫折，平均失败率为36%。尽管如此，企业仍坚持AI战略，相信长期来看，业务能力和服务质量将显著提升（78%），以往的成功案例也预示着AI技术有潜力实现突破性进展（54%）。
数据科学业务发展的积极态势
企业对数据科学业务的探索并未止步。33%的受访者透露，过去两年间，超过一半的数据科学项目未能成功落地。此外，55%的受访者指出，约三分之一的数据科学项目未能达到预期。令人惊讶的是，67%的受访者表示超过四分之一的项目未能实现目标，这种现象在各行各业普遍存在。
Frictionless AI的概念
在数据驱动业务发展和智能决策成为企业数字化转型核心趋势的背景下，Altair率先提出“无摩擦AI”概念，旨在解决企业在数据分析过程中遇到的障碍，包括数据专家与行业专家间的沟通障碍，以及工具和基础设施变化带来的不确定性。
Altair RapidMiner平台
Altair RapidMiner数据分析与人工智能平台旨在帮助企业解决数据分析中的各种摩擦，包括但不限于数据专家与行业专家间的沟通差异，复杂的流程设计，数据的不完整、混乱或格式不一致，以及数据专家与现有数据分析工具集之间的技能不匹配等问题。该平台在6月9日在上海正式启动，吸引了包括RapidMiner创始人、Altair RapidMiner产品开发高级副总裁Ingo Mierswa博士在内的多位业界专家和合作伙伴的参与。
以上内容是对原始文章的改写，旨在保持原文的核心信息和关键点，同时通过调整语序、选择不同的词汇和结构，以确保与原文在语言风格和表达上有明显的区别。
分享