规范分析以预测分析为基础，通过启发式（规则），机器学习和其他AI结构评估和推荐操作，这是今天的使用方式及其未来前景，尽管预测分析使用了多种基于传统分析和机器学习的技术来预测从市场到客户行动的所有事物，但规范性分析通过推荐一项行动进一步向前迈了一步，这看似简单，但实际上需要更多的数据，因为分析既需要确定在给定情况下要采取的措施，又要对后果进行建模以确保结果正确。

数据和知识管理专业人士需要注意以下关键趋势和主题，公司开始了解到可以通过部署企业级信息结构对目录进行分类和简化访问，从而将更多现有数据和信息资产的价值货币化。正如预测的那样，其中​​包含许多新的图表产品，当我们开始2020年时，整个行业将出现哪些关键主题和趋势？这是我对今年新的数据和知识管理专业人员的三个预测。

机器学习和IoT的交叉要求对思考和理解数据，传感器，公民数据科学家以及许多其他问题的新方式提出需求，在瞬息万变的技术环境中，往往会在事物的交汇处找到新的想法，在这种情况下，趋势和可能性之间的矛盾就显得尤为突出。

AI将如何在后COVID世界中扮演重要角色，并塑造未来的业务格局，通过AI和机器学习解决组织和全球挑战，专业知识涵盖多个领域，包括金融服务，在线广告拍卖市场，政府政策分析和优化，在过去的几年中，人工智能（AI）经常被视为一种新兴技术，可提高众多行业的效​​率。至关重要的是，人工智能依赖于其旨在改进的系统中的大量历史数据。那么，当这些行业和日常生活在几周内发生巨大变化而突然没有人像以前那样表现时，会发生什么呢？

贵公司是否充分利用了从客户互动中收集的数据？以下是充分利用这些数据的三个技巧，我们无处不在，越来越多的决策受到数据的影响，“直截了当”做出决策已经成为过去，尝试在没有任何指标的情况下解决问题并不完全正确。我们已经习惯于利用某种形式的数据来证明甚至是简单的决定，令人惊讶的是，有多少公司未能真正充分利用客户服务行业中的数据。一个普遍的原因是，服务交互-从实时聊天到电话通话，以及两者之间的所有交互-发生得太快，公司无法做出以数据为依据的明智决策，当然有时代理商需要即时考虑，但现实情况是，如今在线上发生了如此多的企业对企业（B2B）客户互动，因此这种情况变得不那么普遍了。现在是时候改变这种思维方式.

如今，沟通，理解数据并根据数据采取行动是每个人的责任。自然语言生成有助于为那些不是数据专家的人提供理解,随着商务智能（BI）领域的快速发展，支持和推动行业发展的技术也在迅速发展。自然语言处理（NLP）是人工智能的一个子集，它允许软件通过将单词转换为结构化数据来理解人类语言，从而在商业智能中确立了自己的位置，并且是整个行业中常用的术语。自然语言生成（NLG）是近引入到BI和分析领域的工具。NLG也是人工智能的一个子集，它通过提供书面分析来补充数据驱动的图表，可视化文件和BI平台内的仪表板，从而将数据转换为清晰自然的语言，以提供完整的上下文理解。