为什么人工智能可以在大量数据上蓬勃发展
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
几乎每一位与我交谈过的首席信息官都大胆宣称，他们的企业是“数据驱动型企业”。然而，毕马威最近进行的全球CEO前景调查却大相径庭：全球67%的CEO(美国这一数字跃升至78%)表示，他们忽略了由他们提供的CIO/数据驱动的分析预测模型IT团队，因为这与他们自身的经验相矛盾；他们根据直觉做出了重要的商业决策。
直觉型首席执行官，忽略数据驱动的洞察力
虽然结果有些令人震惊，但很容易解释。首先，虽然企业产生的数据量已经足够，但数据在业务单元、领域、平台和实现(如云和私有数据中心)之间仍然非常分散。根据Forrester的数据，高达73%的公司数据没有用于分析和洞察。难怪只用总数据的27%生成的CEO模型取得了可怕的结果！其次，大多数当前的预测模型只使用历史数据，而不是流式(实时)数据。这两个重要因素导致预测精度低。如果首席执行官不信任该模式，他们就无法做出决策，因为他们业务的成败取决于他们做出的决策。
更多的数据可以带来更好的预测
IT运营虽然让其他企业的AI计划得以顺利运行，但实施AI来改善自身运营却很慢。一个原因是以上数据比较分散。当您向AI/ML模型提供部分数据时，您将只能获得企业的部分视图。另一个主要原因是，大多数AI/ML实现都是为了创新，通常由BU资助。传统上，企业将IT视为成本中心，因此不愿意花钱使用AI来改善运营。然而，随着大量数据和当前的大流行产生了更多断开的远程数据，当这种感觉开始压倒运营团队时，它发生了变化。IT运营团队正在到达临界点，需要处理的数据太多，这是AI的理想解决方案。这是AI和ML的最佳选择。基于大量数据的人工智能正在蓬勃发展。事实上，反馈给AI算法的数据越多，模型就越好。
本文就为大家讲解到这里了。