当前的危机应该将公司的注意力集中在基于数据的未来风险管理和连续性计划上，但是，该教训是否可以汲取？除了气候变化和世界大战之外，全球灾难相对罕见。经济衰退可能会打击并留下紧缩政策，但很少发生像COVID-19那样一夜之间改变世界的情况。 一切都归结为降低风险 为了降低风险，行业和市场正在对不同的模型做出反应，但是他们是他们正在推出相当不错的灾难恢复和业务连续性教科书版本，建立了一个响应团队和一个运营团队来研究中期和长期影响，问题在于，许多标准模型和缓解技术在进行危机测试时根本无法工作，因为包括材料，制造，运输，空运和物流在内的更广泛的供应链都已被破坏，当一条管道�

数字平台每个月的访问量超过5000万，每天列出超过470,000辆汽车。凭借如此高的参与度，该公司可以访问大量数据，不仅可以改善与广告客户的关系，还可以改善为终用户构建的产品，近年来，Auto Trader已将其数据策略从本地Spark集群转移到在多云环境中创建数据湖和情报平台。但是，更有趣的是，该公司已经意识到，为了在内部充分利用数据，它需要使所有用户的数据使用民主化。 Auto Trader已开始通过建立自己的数据学院来培养“数据文化”，以在整个组织中训练和民主化情报 公司为广泛的内部用户使用综合数据的过程，三年前Auto Trader是如何在内部使用完全开源的软件开始的，但是很快就证明了它的局限性，当时我们所有的托管都是在内部进行的，并且我们在英国有两个数据中心，而且我们并没有真正使用任何云技术，因此尝试在内部进行所有处

在面向应用程序和数据的人员与工具之间存在鸿沟”，数字企业必须打破这些障碍才能取得成功，越来越多的公司意识到了这一问题-实际上，近一次调查的47％的受访者表示，他们计划在未来2-3年内创建整合团队，几乎没有集成平台提供支持应用程序集成（AI）和数据集成（DI）的单个解决方案。似乎，尽管许多人凭直觉认识到了打破集成障碍的价值，但许多人仍然很难指出将要带来的具体好处，这篇文章概述了我应该采用统一方法的首要原因。 停止重新发明轮子 独立的AI和DI团队可以花费多达30％的时间来重新发明轮子或重新创建类似的集成作业和元数据，使用统一的集成工具，您可以一次创建元数据，然后一次又一次地使用它们。您通常还可以避免重新创建相同的集成作业。在许多情况下，可以通过两种集成方式来满足集成作业的要求，但是使用单独的团队，您不得不为不同的项目重新创建相同的作业。 &n

销售和营销分析是当今组织关注的重点领域之一，这有充分的理由–它是寻求增加收入的地方。精明的高管已经对此产生了影响CPDA在对高级销售和营销高管的调查中发现，大量使用客户分析的用户更有可能跑赢市场。 对于认真考虑收入增长的企业，数据科学家和分析师团队的任务是将原始数据转化为见解 数据科学家和分析团队正在倾注不断增长的客户数据量，但同时也发现了越来越多与其工作有关的数据源，快速访问无数客户数据源，并将这些数据放入高级分析平台，在这种情况下，数据的运行并使用函数实现自动化常见的手动任务。   借助其统一数据分析平台，为数据团

减少能源消耗是美国和欧洲政客的主要关切，大数据在此过程中可发挥巨大作用，尽管取得了这些进步，但是大数据仍在两个主要领域中帮助跟踪和减少能耗。一种是在美国和欧洲的“智慧城市”中开展的开拓性工作，第二个是允许消费者跟踪自己的能源消耗的应用程序数量增加，在本文中，我们将对两者进行研究，然后指出在这些计划成为主流之前需要克服的一些挑战。 智慧城市在通过使用大数据减少能源消耗方面，智慧城市处于领先地位 公司的员工才是的改变：仅仅拥有可用的能耗数据就意味着许多员工会关闭恒温器并拔掉不使用的设备。，该计划使能源消耗减少了17.2％，电话应用使用大数据减少能源使用的第二个主要领域是频谱的另一端，各种技术创业公司没有在追踪整个城市的能源消耗，而是在构建应用程序，使消费者能够追踪

如果有时间进行数字化转型，那将是2020年，由于COVID-19危机导致客户的身体流动性下降，客户在家里工作以及经济动荡不定，客户纷纷转向在线交易竞争，所有这些功能的根本在于数据以及分析数据驱动的见解并采取行动的能力，哪些技术正在走在前线，以增强企业的数据竞争能力？我们请了许多领先的行业专家和解决方案提供商来描述他们认为是当今数据环境中影响的技术。 人工智能和机器学习被称为塑造当今数据环境的重要技术 在机器学习的特定用例中，例如系统事件的异常检测，自然语言处理，实体提取和分类技术，我们开始看到更多的成功，AI对于在新兴经济中竞争至关重要，因为AI使其有可能超越人眼所能发现的范围，并专注于一系列不良行为，它有助于预测、识别、解决和解决我们的数据需求。   人工智能和自动化使IT和