一些企业正逐渐转向人工智能和深度学习，以便做出正确的商业决策，重塑商业模式，并改善其客户体验。快速发展的技术将让企业更深入地了解他们正在生成的海量数据，并发现通常隐藏的趋势。
Gartner的一项调查发现，59%的商业组织正在收集信息，以帮助他们制定自己的人工智能战略，而其他的组织则已经采用人工智能产品。IDC分析师预计，今年在认知和人工智能技术方面的支出将达到125亿美元，比2016年增长59.3%，到2020年将超过460亿美元。
IBM为其Watson数据平台增加了功能，旨在让开发者和数据科学家更容易分析和分享企业数据，并为AI应用做好准备。IBM将其最新的转型重点放在认知计算领域，该领域涵盖人工智能和机器学习，并以Watson组合作为其发力的基础。Watson数据平台是IBM云基础设施和数据服务阵列的组合，其所使用是Python和Spark SQL等开放语言。新功能包括数据目录、数据加工和分析引擎，以使企业更好地了解数据、执行安全策略、访问和移动公共云和私有云中的数据。据IBM人员称，这些企业可以获得比以往更多的数据，而且这些数据可以位于不同的地方，并促进越来越多的AI应用。
IDC分析师预测，到2018年，几乎75%的开发人员将会把AI引入其应用程序。Gartner也表示，到2020年，人工智能将几乎应用于每一个新的软件产品。数据目录用于在整个企业环境中，创建可搜索的结构化和非结构化数据数据索引，从现有的内部部署系统到云平台，再到物联网创建的数据流。通过元数据，它还强制执行基于规则的治理策略，以控制对数据的访问，确保其遵从性，并通过机器学习功能自动对数据进行配置文件和分类。
数据加工是指通过对数据的处理，从而被AI和机器学习应用程序广泛使用。IBM表示，数据加工还允许数据科学家、开发人员和业务团队能够实时协同工作，从而能实现可视化和分享数据。从数据目录和数据加工中提取的元数据，用于执行客户端的数据治理策略，这使团队在共享敏感数据时更容易识别风险。
IBM还提供了可用的分析引擎，该引擎利用Apache Spark和Hadoop为数据创建一个智能存储库，使用户更容易地了解数据的大小、价值及其创建。通过该分析引擎，开发人员和数据科学家可以与数据集协同工作，而无需管理其背后的基础设施。此外，分析引擎由IBM的云对象存储提供动力，其设计目的是使数据可以随时准备就绪，并用于处理和分析。
Watson数据平台总经理Derek Schoettle表示：“云对象存储和分析引擎的结合将计算和存储分开，使公司能够更充分地利用云提供的敏捷性。”
Schoettle还介绍了一个零售公司使用其新功能的场景，来展示顾客的购买模式及销量的增长情况。在这种场景中，数据科学家根据现场数据库和云中的购买交易数据，来创建季节性或特定人口的类别，通过分析这些数据，将其与客户反馈联系起来。利用Watson数据平台中的新功能，数据科学家可以随时随地访问所有的数据，塑造并构建机器学习模型，用户可以根据客户的喜好，将其部署到市场上特定的AI应用程序中。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
