数据科学家解释了她的业务理解如何影响她的工作，以及为什么数据科学家和高级分析从业人员应该从业务赞助商那里获得支持，如果您在硬科学领域的职业不是您希望的那样，则可以考虑转向数据科学或高级分析，负责自己的分析咨询业务的数据科学家，她利用自己的分析和数学技能以及统计专业知识，在高级分析领域迈出了成功的职业-早在“数据科学”诞生之前甚至一件事。

数据科学家解释了她的业务理解如何影响她的工作，以及为什么数据科学家和高级分析从业人员应该从业务赞助商那里获得支持，如果您在硬科学领域的职业不是您希望的那样，则可以考虑转向数据科学或高级分析，负责自己的分析咨询业务的数据科学家，她利用自己的分析和数学技能以及统计专业知识，在高级分析领域迈出了成功的职业-早在“数据科学”诞生之前甚至一件事。

模型可解释性在很大程度上被参与者强调为模型面临的挑战，提出的问题包括许多各方之间的信任，即组织中的利益相关者，监管机构和终用户，与会者还提出了数据偏见的问题，尽管人们强烈希望采取行动，但对于当前的解决数据偏差的策略是否有效和公平也存在担忧，可解释性是一个领域，不仅需要持续的科学研究和实践的社会化，还需要商业解决方案以帮助公司实施技术。

访问和管理结构化数据有其挑战，但是它们与您保护非结构化数据的方式不同，在保护数据方面，我认为数据就是数据。但是，您告诉我，保护“传统”（假定为结构化）数据与保护非结构化数据之间是有区别的。这些区别是什么？结构化和非结构化数据的安全性之间存在着很大的鸿沟，这有三个重要原因：非结构化数据更复杂，其访问和管理的一致性较差，以及用于保护它的控制措施更少，首先让我解决复杂性，数据库中数据的含义是一致，直接且易于理解的，当然存储在数据库中的数据可能很复杂，但是其重要性和敏感性并不是一个谜，另一方面，非结构化数据是漫长而漫长的。用户生成的内容范围从知识产权到合同，敏感的HR信息以及介于两者之间的所有内容。这

企业需要在自由与监督之间寻求适当的平衡，以使用户能够以自助服务方式完成工作，“更快，更好，更便宜”仍然是软件实现的口号，因为它已经贯穿了万物制造的整个历史，很明显要在商业智能（BI）领域实现“更快，更好，更便宜”，不仅需要安装工具，还需要花费更多。事实证明，治理，指导和管理同样重要。

医疗保健律师认为，技术在医疗保健领域取得了长足进步，但是一个分散的系统使得难以共享患者数据阻碍了技术进步，使用分析技术，我们如何赶上那些花费比我们少得多但看起来健康状况更好，人口更健康的？医疗保健公司如何更有效地使用技术以及未这样做的原因，在这一部分中，我们将讨论整体医疗保健系统以及更深入的分析用途。