聪明的开发人员如何帮助他们的企业从数据中获得价值，业务始终依靠信息，这个概念并不新鲜。什么是新是影响巨大的数据集和运算能力都对企业如何有效地处理他们的信息转化为可操作的见解，在不到十年的时间里，商业智能（BI）彻底改变了业务完成方式，从财务，销售和市场营销到生产，物流和客户服务，实际上，整个企业的每个业务功能都已通过利用数据来完成更多工作的方式进行了转换。

确定了组织为分析引擎准备海量数据集时面临的主要挑战，研究发现，强大且可扩展的云原生解决方案可以帮助优化这一关键业务流程.

在利用人工智能支持的分析的好处之前，您必须建立一个坚实的基础来告知您的人工智能策略，没有一整套好的详细蓝图来显示完整的结构和将所有这些部件组合在一起所需的组件，就没有人会盖房子。对于公司人工智能（AI）项目而言，这没什么不同，即使组织试图确定如何利用AI的力量使他们的业务受益，许多组织仍缺少开发，部署和维护成功的AI程序所需的基本计划。为了确保您的AI计划能够满足您的业务需求，请建立一个良好的基础以建立明确的目标并制定可靠的计划。

过渡到混合云分析模型可以帮助您消除分析障碍，但是今天的新数据环境可能会带来新问题，因为它是如此复杂。意识到这些问题是克服它们的步，随着大数据变得越来越大，越来越多样化和越来越分散，大小型企业都在转向混合云分析-对本地和云源中的数据进行无缝分析，混合云分析的意义（以及如何使其快速变得复杂）以及数据和这种环境的分析挑战。通过考虑所有这些方面，您的企业将能够更好地规划混合云分析环境并从中受益。

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。