在AI旅程中，自动化通常是默认的，人口稀少的目的地。我们必须有意识地选择通过增强来增强人类能力，机变得过于复杂以至于无法飞行，不再需要飞行员，通常更老更简单的飞机就更好了而且复杂性带来了危险，所有这一切都付出了高昂的代价，却收获很少，当人们认为这会造成灾难时，它通常会对计算机化做出内在回应。不幸的是，它忽略了围绕采用技术来支持和替代人类参与决策的微妙问题。

工人安全始终应该是企业的头等大事。过去，安全程序严重依赖于车间的人工检查，意见和态度。传统指标（例如事件发生率和丢失时间事件发生率）仅在事后跟踪问题，与制造业中的其他领域一样，安全专业人员也开始使用数据分析对其环境进行更客观的评估，通过利用数据和预测分析的力量，企业可以开始使用领先指标而不是落后指标来跟踪安全性并降低风险。

企业如何真正从分析中获得价值？利用这些专家的建议，为您的企业提供成果并推动变革，传统商务智能（BI）的错误之一是其与人类决策和业务流程的独立，被动关系。BI报表或仪表板可提供信息，但是该信息如何与用户需要采取的决策和行动联系在一起通常是不清楚的。该信息可能相关或不相关；它甚至可能已经过时或具有误导性。随着分析应用程序扩展到专家以外，组织需要确保将数据洞察力更好地与人工以及自动化应用程序和服务将如何处理它们联系起来。

哪种技术是当今企业的关键，挑战性的技术，以及分析和数据管理在今年和明年的发展方向，数据为王，实际上，第四次工业革命就是以此为前提的，但是企业是否在充分利用自己拥有的一切？他认为什么技术在当今竞争激烈的市场中至关重要，什么样的新兴技术使他兴奋，以及数据和数据分析的世界将走向何方，如果要在当今的企业中具有竞争力，哪种技术或方法必须成为企业数据战略的一部分？为什么？

我们提供四种实践，可帮助您以正确（高效）的方式进行数据准备，数据质量挑战是组织重新评估（或结束）人工智能（AI）和商业智能（BI）项目的主要原因，与AI项目相关的工作中，大约80％正在收集和准备数据。一些公司不准备为此付出的成本和工作，在启动AI和BI项目时，许多企业没有为与数据准备相关的成本和精力做好准备。更复杂的是，项目的工作通常涉及数百种数据和记录类型以及数十亿条记录，但是数据分析项目对于数字经济中的组织成功越来越重要，因此需要解决方案。

个人数字助理已在世界范围内得到广泛接受，终用户对通过对话获取信息更加自在，更乐于接受。这些注入技术的对话为希望使其成为分析界面更有用的分析专业人士提出了两个障碍。个障碍是自然语言处理（NLP）-使用基于人的对话作为系统输入。第二种是自然语言生成（NLG）-基于机器的响应创建。