情报文件

• 商业智能和人工智能是天作之合

  尽管目前人们认为商业智能和人工智能是两个独立的学科，但人工智能驱动的智能是一个应该得到更多关注的想法。继续阅读

• 认知计算技术带来的结果仍然好坏参半

  认知计算工具在过去几年中取得了长足的进步，但围绕人工智能平台建立真正的认知业务的概念仍有很长的路要走。继续阅读

• 不要让数据驱动的方法从分析方程中做出判断

  数据分析可以帮助改善组织的决策。但是人类的直觉和判断需要成为这幅图景的一部分，以防止预测模型和分析算法出错。继续阅读

• 机器学习模型接管了软件行业

  就像几年前软件占领了更广泛的技术行业一样，我们开始看到机器学习算法主导软件。出现这种趋势是有充分理由的。继续阅读

• 自动驾驶汽车将考验人们对机器学习算法的信任

  公众对机器学习技术的信心从来没有像自动驾驶汽车的出现那样受到考验，因为自动驾驶汽车依赖于这种技术。继续阅读

• Hadoop架构推动了数据驱动分析的更广泛发展

  随着Hadoop达到了几个10年的里程碑，支持者称赞大数据框架使组织更受数据驱动。他们说的话有一定的道理。继续阅读

• 现成的机器学习算法简化了聊天机器人的开发

  IBM和谷歌两款新的机器学习工具承诺将快速开发基于文本和语音的应用程序，并在激烈的市场中继续争夺客户。继续阅读

• 很少有人工智能应用能名副其实

  近50年来，计算机人工智能一直是应用开发的圣杯，但仅仅因为一些项目现在声称是人工智能，并不意味着它们就是。继续阅读

• 向你的CEO推销商业智能软件工具

  说服高管和其他员工采用商业智能软件仍然是一件非常困难的事情。如果你没有在内部销售BI的好处，这可能是原因之一。继续阅读

• 不要只是购买新的BI工具中的数据连接器

  数据分析工具层出不穷，可以轻松连接到各种数据源。虽然这些技术很有前景，但用户需要谨慎地使用它们。继续阅读

• 许多Hadoop系统用户眼中的MapReduce(d)

  新技术正在增强——甚至在某些情况下取代——Hadoop的核心组件。欢迎来到大数据时代这个不那么安定的新现实。继续阅读

• 数据分析工具不会创造数据驱动的文化

  企业希望更多地受数据驱动，供应商也在利用这一需求，提供时髦的、自助的工具。但是，是文化，而不是工具，创造了一个数据驱动的组织。继续阅读

• 客户数据分析团队呈现出更律师化的面貌

  在一些组织中，公司律师的任务是保护数据不被分析滥用。但他们需要避免束缚数据科学家的手脚。继续阅读

• 数据科学方面的工作并不像所有炒作所显示的那样多

  这些天，似乎每个人都在谈论数据科学家。人们对这一职位的普遍兴趣在持续增长，但这并不会导致雇主的就业机会相应增加。继续阅读

• 将数据分析方法普及到大众

  许多普通大众，包括企业高管，并不真正理解分析是什么。应该由数据科学家来教育他们。继续阅读

• 对于网络安全分析，企业已经没有借口了

  尽管企业有安全分析工具可以阻止这一问题，但重大数据泄露事件仍在不断发生。继续阅读