端事物，让人们面对现实，IT之外很少有人想知道。  Alluxio公司Mih说，“数据洞察力的实时性质，加上现在无处不在的事实，这将跨越不同的机架、区域和云计算，这意味着企业必须从传统的管理和分析数据方法中发展而来。这就是人工智能的用武之地。数据工程师一次又一次地人工复制数据的日子已经一去不复返了，在数据科学家提出要求后数周之内就交付了数据集。”  3.人类仍然重要  与其他人一样，Qlik Research公司副总裁Elif Tutuk将人工智能和机器学习视为处理大数据的强大杠杆。  Tutuk说：“人工智能和机器学习以及其他新兴技术，对于帮助企业更全面地了解所有数据，为他们提供一种在关键数据集之间建立联系的方式重要。”但是她补充说，这并不是削弱人类智慧和洞察力的问题。  Tutuk说，“企业需要将人类直觉的力量与机器智能相结合，以增强这些技术或增强智能。更具体地说，人工智能系统需要从数据和人类身上学习，才能实现其功能。成功地将人力和技术的力量结合起来的企业可以扩大从数据科学家和业务分析师那里获得分析的关键见解的人员，同时节省时间，并减少由于业务用户解释数据而导致的潜在偏见。这样可以提高业务运营效率，从数据中收集更快的见解，并最终提高企业生产率。”  4. 人工智能/机器学习可用于缓解常见数据问题  以下是一些没有改变的东西：数据的价值与其质量密不可分。低质量意味着低价值或无价值。这就是所谓的大数据与人工智能的共同点。  Ness Digital工程公司技术官Moshe Kranc说，“关于机器学习的对话总是回到企业数据的质量上。如果数据质量差，那么从中获得的任何见解都将无法得到信任。机器学习项目80%的时间都花在了清理和准备数据上。”  一切旧的东西似乎又是新的。但这个问题的解决方案(可能还有其他类似的解决方案)可能已经出现。  Kranc说，“幸运的是，可以使用机器学习来清理机器学习数据。机器学习算法可以检测异常值和缺失值，找到用稍微不同的术语描述同一实体的重复记录，将数据规范化为通用术语。”  5.分析变得更具预测性和规范性  在过去，数据分析比事后分析更为重要，事后分析就是“已经发生的事情。”未来的预测本质上仍是历史分析。人工智能和机器学习正在帮助开拓一个新领域：“将要发生的事情。或者至少是“可能发生的事情”。此外，还可以教会机器学习算法基于前瞻性的见解做出决策或采取行动。  Sparkhound公司分析部门总经理Sean Werick说。“如今，人工智能正在通过使用预测分析，以更准确的方式将大数据决策进一步推进。传统上，大数据决策是基于过去和现在的数据点，通常会导致线性的投资回报率。借助人工智能，这一比例已达到史诗级和指数级。利用人工智能的规范性分析有可能提供全公司的前瞻性战略见解，有助于推动业务发展。”  Werick指出，这是一个“在走路之前需要学会爬行”的过程。根据Werick的说法，使用人工智能根据不准确或不充分的数据做出预测性或规定性的商业决策可能会产生“灾难性”的后果。  Werick说，“随着分析成熟度模型的每一个进展，对业务的价值都会增加：从流程和数据映射开始，到描述性分析，到预测性分析，最后，到规定性分析。”  6.人工智能和大数据的下一步是什么?  如果大多数团队仍在学习爬行(或行走)，那可能没问题，因为人工智能和大数据的结合才刚刚开始揭示其可能性。  Scale Venture Partners公司合伙人Andy Vitus看到了更智能的企业软件的巨大前景。他认为，许多商业应用程序仍显示其模拟DNA。  Vitus说，“大多数商业应用程序仍然使用纸质表单和分类账的设计语言构建。这