您的企业在采用实时分析和克服建议时可能会遇到的四个重要挑战，作为数据分析研究人员，我知道对于大多数企业来说，实施实时分析是一项艰巨的任务，特别是对于那些处理大数据的企业而言，不过这是值得的，实时分析可以帮助您的企业更快地获得洞察力并处理流数据源，从而使您的分析更加深入，我已经确定了四个关键挑战和关键策略来帮助您克服这些挑战。

专注于“简单”形式的分析可能与研究更复杂的分析方法一样有价值，任何信息体系结构的基本出发点都是认识到企业使用的信息的关键特征。这些特征指导架构师做出有关如何存储，管理，使用以及终处置各种类型信息的决定，在“商业智能”中，我确定了信息的三个特征轴：（1）及时性/一致性，（2）结构/上下文和（3）依赖/使用。利用这些特征，例如，我们可以区分数据仓库，湖泊和集市，并确定每个仓库属于哪些信息（或数据）。

数据处理和存储方式的根本不同意味着这些技术是互补的，而不是竞争者，区块链炒作已失控。尽管区块链是使数据生态系统更安全，更受信任和可验证的惊人技术，但它不是药。区块链的炒作尤其包含一个错误的说法，那就是因为由于区块链可以充当可验证的记录系统，所以数据库不再是实现该目的的正确技术，这是误导的区块链和数据库是不同类型的记录系统，实际上是互补的。

网络安全是企业的重中之重，但似乎他们经常失去一场千变万化的战斗，人工智能如何提供帮助？人工智能技术正吸引着大小企业的注意，鉴于当前的网络安全状况，难怪人工智能正在被用来保持数据安全，网络安全问题的性质，企业如何解决这些问题，熟练的安全专业人员短缺的影响以及黑客和攻击者如何获得优势，AI技术如何解决许多这些问题。

迁移学习使人工智能民主化，一个真实的例子展示了如何，随着企业努力寻找竞争优势，人工智能作为可以为组织带来利益的“新”技术而脱颖而出，模型构建是AI的重要组成部分，但这是一项耗时的工作，因此，企业可以做得更快的任何事情都将是一个加号，这包括寻找避免在构建AI模型时重新发明轮子的方法。

在大流行中，企业必须更快地获得更好的结果，这是他们的方法，鉴于COVID-19的新现实，已经使我们许多人重新构想了我们的业务，行业和生活。当我们尝试找到此阶段的方法时，可信赖的数据可以作为我们的指南。以正确的方式使用正确的数据将使我们更加安全，强大和安全。