小小的胜利和负面情绪可以帮助您的组织相信数据驱动文化的重要性，学习怎样，许多在建立以数据为导向的文化方面的努力失败了，因为他们过多地关注逻辑而不是情感。逻辑使人思考，而情感使他们行动，数据及其分析给人以关于逻辑的假象，因此当以更趋于数据驱动的方式接触他们的企业时，他们会以一种非常合乎逻辑的方式进行处理。公司的数据科学家没有帮助，因为他们自然会顺从任何看起来合理的事情。

十多年来，从建设物联网项目获得的经验教训，在谈论企业如何使用物联网和大数据进行自我转型时，夸张是常态，您很少听到的是正确完成这些项目有多困难，在从事大数据和物联网（IoT）计划超过10年的工作之后，分析公司看到需要付出大量的努力才能从互连的传感器网络中挖掘有用的见解，在整个公司内撒布IoT传感器并不一定能为您提供所需知识的快照，至少在没有大量工作的情况下并非如此。

信息安全经理需要采取分析方法来阻止医疗保健行业遭受的数据泄露的惊人数量，与患者有关的数据现在是对坏蛋的悬念少，他们没有浪费任何时间利用这一优势。仅过去五个月，在医疗保健行业就有10页已确认的数据泄露，至于采用哪种数据，则有所不同，但是，大多数情况下，它包括患者姓名，地址，出生日期，电话号码和社会安全号码。

GPU有望彻底改变大数据分析，但这并不是每个应用程序的选择，Hadoop很酷，Spark很快，但是有时您需要优化的硬件来处理越来越大的数据工作负载，这是Kinetica（内存数据库）的前提，该数据库可传递大规模分布式图形处理单元（GPU）的功能，以保证100-1,000倍的实时分析性能。

专家系统将专家系统认为是数据科学的恐龙，但是这种经过实践检验的AI解决方案仍然有效，以下是构建专家系统的实践，我经常碰到对深度学习，压缩分类和自动驾驶汽车着迷的数据科学团队，并且他们急切地希望使用算法，例如我近正在与一家大型金融机构合作，以提高其网络安全性，甚至在我们开始进行基本监控之前，我团队中的一位数据科学家就在谈论k均值聚类和神经网络。

如果对数据泄露的担忧使您的组织无法使用公共云，请阅读用例，这些后顾之忧已经成为过去，简而言之，您不能相信云员工服务提供商，坦率地说我也不认为我们真的可以再信任自己的员工了，但是至少我们对员工的监控能力要强得多。