对许多人来说，医生显得仓促，漠不关心和超然，由于医生现在必须将医疗数据插入电子健康记录中，因此他们经常将约会安排在电脑键盘上，而不是病人身上。这些短暂而尴尬的访问可能会产生重大后果：但是，有点矛盾的是，机器（尤其是人工智能）可能会有所帮助。

在处理，管理和从结构化和非结构化数据（包括数据仓库，集市和湖泊）中获取价值时，存储选择比比皆是。这些存储库中的每一个都有存在的原因，具体取决于数据的来源，类型，状态和目的。

我们倾向于将开源视为社区，倾向于将开源视为社区，甚至是无私的努力，一个项目可能是“积极的开源”，原因有很多“非常自私的原因”，开源作为创造力的来源，保留一定程度的独立性，即使全职工作可能会限制独立性。

几乎所有人都认为图数据库是社交网站的一部分。毕竟，这项技术在连接遥远的实体方面表现出色，但是实际上，图形数据库对于连接朋友和亲戚之外的所有任务正变得有用，社交对我来说是一种祝福和诅咒，对图数据库的一大误解是它们仅用于社交网络。

我们都渴望通过数据驱动的见解来转变我们的组织，但是如果我们不信任我们的数据，我们将无法做到这一点。近的意见调查显示，只有31％的数据专家对他们的组织快速交付可信数据的能力具有高度的信心，没有可靠数据的工作将变得昂贵，冒险和混乱，无论您是要在单个360°视图中统一产品和客户数据以改变客户体验，还是需要遵守数据隐私法规，数据质量都可以在数据驱动计划的成功与失败之间发挥作用。

借助数据科学和机器学习来生存和发展，不仅意味着拥有正确的平台，工具和技能，而且还意味着确定用例并实施可交付可重复，可扩展的业务价值的流程。