混合环境中清理数据时遇到的一些挑战，以及如何在整个云和本地系统中保持数据卫生，尽管大多数现代企业的目标是适应100％的云基础架构，但仍有69％的公司仍选择多云或混合云架构，混合环境为SaaS供应商，供应商和本地系统组合提供服务，企业选择混合设置并抵制100％云部署的原因有很多，例如对成本，数据安全性和隐私，治理和合规性的担忧，以及对云计算缺乏专业知识。

如果您的组织要在这种瞬息万变的商业环境中蓬勃发展，数字化转型就需要对企业范围的数据素养做出承诺，首席数据官（CDO）承担的数字责任远远超过其前任。在过去的十年中，她率先进行了数字化转型，铺设了各种管道以将不同的数据源带到集中式数据湖，在过去的五年中，她将本地数据库和技术堆栈迁移到了云系统，来自所有不同来源的数据（例如计费，市场营销，客户支持，网络托管，平台等）都流入一个通用的数据湖。

平台使数据科学家和ML工程师能够可靠地对ML模型进行版本化，协作和共享ML知识，并在模型准备好毕业时可以在生产环境中部署和监视模型，（机器学习运营）促进了数据科学家，ML工程师和IT运营之间的协作，这种做法背后的想法是在一个地方部署，管理和管理机器学习模型，以提高效率和降低故障率，同时MLOps成为MLOps平台的不同提供者，帮助企业数据科学和DevOps团队从研究到生产采用模型，同时简化了ML开发过程。如果您是数据科学团队的一员，正在寻找一种将更多模型投入生产并组织ML工作的方法，那么您一定会遇到各种各样的工具。

自动驾驶汽车的想法时，每个人都将其视为一个假想的梦想，并且从未认真对待过，但是同样的车辆仍在路上，人工智能和机器学习的应用遍及所有领域，软件开发也不例外。人工智能已经改变了iOS和Android应用程序开发人员的工作方式，机器学习可以增强传统软件开发周期的工作方式。它使计算机无需编程即可从经验中学习和改进，AI和ML的目的是允许计算机自动学习。

认知计算是一个浮华的术语，它承诺在人工智能的基础上构建智能技术，它指的是可以模仿人类认知的软件之类的工具，换句话说，就是执行AI功能的技术，这包括诸如深度学习和机器学习程序之类的东西，这个令人兴奋的工具有一个硬道理： 人工智能和认知计算不能独立存在，如果没有智能自动化，人工智能和认知计算程序本质上就是聪明的人，他们非常擅长数据并且可以完成一些基本任务，您仍然需要一个人来监督他们：

零售药业领域的知名如何改变其产品，以客户为中心的数字化转型，我们的客户希望通过扩大市场份额和提高客户满意度来成为在线零售药房的行业，他们与合作，改变了他们的数字用户体验并改善了交付，从而实现了指数级增长并提高了效率。