如今，大多数企业都在努力实施数据科学和机器学习管道，这使他们无法在组织内实现全部价值并从中获利。但是为什么呢？您如何成功克服常见挑战？继续阅读以了解如何在整个组织中地实现数据科学的民主化，协作和运营，以提高业务价值。

过去，商业智能（BI）的运作就像看后视镜一样，是根据历史数据做出决策的，它无法处理实时数据，而且业务用户被迫等待IT团队提供许多延迟的洞察力，显然此过程无法满足现代数字业务的需求，他们需要一种解决方案，使技术人员和非技术人员都可以实时查看，分析数据并对其进行操作，从而获得竞争优势。

如今大多数企业都专注于成为数据驱动型，并将数据和分析融入其业务流程中，但是许多高管并不了解分析的不同类型及其用途。进一步细分，有些用户对“未知的未知数”一无所知，他们不知道自己不知道的内容，然后有些人理解了挑战，却不知道从何着手，与分析瘫痪的概念类似，由于选择过多而无法做出决定，后一组意识到他们拥有大量数据，但需要帮助使它们有意义。

每个公司每天都在产生大量数据，但是大多数企业都在有效使用和分发数据方面遇到困难，数据不足不是问题，贵公司的系统提供了大量的基本业务信息，令人头疼的是让您的同事实际使用该信息来制定决策并采取行动，您可能已经熟悉其中的某些原因，但主要有以下几个原因：

提出问题是学习的方法之一，但是有时您不知道从哪里开始或要问什么，尤其是在您仍然熟悉的异常检测之类的话题上，在这种情况下，听别人的问题，让他们的思路指导您的学习，以下是我们在“任何问题：异常检测”网络研讨会期间收到的一些问题，以帮助您入门。

缓慢采用强大而普遍的分析的企业可能会受到传统技术，孤立数据或其他阻碍创新的因素的阻碍，这些企业可能会因破坏性或更有效的竞争者而失去市场份额，或者因为客户更喜欢与了解其偏好的企业开展业务，这就要求在管理和利用信息方面采取大胆的新方法，以使决策者和决策系统能够在事物发生变化时感知并做出响应，输入持续的情报。