事情互联网（物联网）是一个突出为什么突出的主要例子数据治理相对于数据的质量和数量是成功的机器学习（ML）和人工智能（AI）倡议至关重要。事实上，AI和数据治理携手共进。
构成物联网的大型物理设备网络正在迅速增加。Gartner预测到2020将包括20亿连接的设备，而IDC预测该数字将更靠近500亿，并表示每年创建和复制的数据将达到44万亿千兆字节。
在工业设备之外，集合的数据来源成熟包括电子邮件，图像和视频 - 与健身跟踪器，玩具，汽车，家用电器等更多日常消费物品一起，甚至是家庭宠物上的衣领。
由于通过智能使用信息可以实现的业务效率和增益，它最终是软件，算法的耦合那和智慧与这种巨大的数据浪潮，这是支撑AI和ML的进步。
数据在AI和ML中为更大的“精度”
数据治理一种nce机器学习对试图建立一个的组织至关重要AI.改善自己的产品或服务的策略。约翰弗莱河，高级行业分析师，竭诚为福布斯：“在不太准确的数据上建立一个策略，产生了可疑的结果。重要的是不要对产品，技术或物品（事物）对焦策略。而不是专注于如何IOT，客户需要专注于什么IOT-即数据。“
在最近的播客系列中，来自Topbots执行教育（称为）ai为增长'，凯文斯科特，微软首席技术官，回应了这种战略方法。他使数据治理成为点用于机器学习是关键的至了解组织的究竟数据有或没有通知信息的类型可以构建。
在播客中，斯科特突出了两个最有趣的ai进步哈在过去的一年中看到的 - 发展精密药和精密农业：
“通过精密农业，我们正在进入这个智能边缘的时代，其中包括能够在无人机中安装它们的能力的能力的设备，允许您收集更多有关农业运营的数据。同样的事情正在用医学发生，在那里你采取了来自智能手表或健身乐队的人体的这种越来越无处不在的数据，然后用当代AI耦合这种数据，如深神经网络。你将能够做的事情真的令人难以置信，比如在患者对患者症状之前预测严重的健康状况，因为在患者生病之后，它比较易于修复潜在的健康状况。“
数据耦合语言和人类技能对会话ai
Rachael Rekart.，软件公司Autodesk的机器协助总监也是客人的ai为增长播客。她领导了Autodesk首次应用人工智能以供客户参与的开发和实施。他们的虚拟助手，Ava.，降低了分辨率的时间，减少了99％，从每张票每票15美元的价格降低成本为1美元。
Rekart关于开发成功AI对话代理的过程的洞察力为客户参与的成功考虑因素突出了建立技术与人才之间的合适桥梁的需求。
她解释说：“主要是人们想到（AI和ML）解决方案，他们认为他们需要一个数据科学家，他们很高兴，但他们远离真相！bob平台app下载我有数据科学家，我有资金语言学家，专注于对话设计以及如何通过措辞方式创建或如何创建或如何引发响应。我有创意作家，我有UX研究人员，我有商业分析师，我有通信经理。是真的很多了解谈话价值的人以及如何弥合技术和人文的价值，因为这是两者的混合。“
对于寻求实施类似类型的对话AI解决方案的组织，她列出了一些有用的里程碑，我们在这里释放了：
- 在你面前发射一种准备好并经常迭代。做NO.担心立即实现完美;相反，得到你的解决方案在那里，让它学习，让它捕捉客户查询，然后确保您在推出后让员工迭代。
- 投资人才那不仅仅是技术。
- 角色事项;PU.T.T.兴起了你的bob外围怎么样公司将被代表。一世你做了NO.T，您的客户会。
- 为权衡准备，因为你Wi.LL以不同方式查找客户与您互动。TH.E.行业移动曲一世ckly，所以你需要能够一个DAPT和A.DD新功能，如图像识别那情绪分析， 或者所有其他钟声和吹口哨，增强整体客户体验。
您的数据策略是什么？
鉴于数据的重要性治理对于机器学习程序，您是否开发了一个坚实的数据策略？我们的专家可以帮助。我们哈与许多领先的全球公司合作，今天在规模实施机器学习。联系我们今天要了解更多信息。
