獲得正確的人工智能就像獲得正確的管道工

人們常說“數據是新的石油”。我們每天使用的工具會產生大量信息，這是人工智能背后的動力，而人工智能已經集成到我們使用的許多應用程序中。有了這么多數據，我們已經從數據庫轉移到數據倉庫，再到數據湖，并且Microsoft AI和ISV參與的公司副總裁 Steven Guggenheimer 開玩笑地說，我們很快就會迎來“數據浪潮”。

古根海默在最近于拉斯維加斯舉行的Informatica World會議上與 John Furrier 和 Rebecca Knight進行了交談，后者是SiliconANGLE Media移動流媒體直播工作室CUBE的聯合主持人。他們討論了建立數據倉庫的重要性，通用數據模型，“在AI之前進行BI”對于長期成功的關鍵以及技能差距(請參見此處的完整訪談 )。

奈特：公司如何參與人工智能?

古根海默(Guggenheimer)： AI之所以成為當前熱門話題的原因是[…]大規模存儲，計算存儲和網絡的結合，這意味著開發人員和數據科學家可以使用大量數據。如果沒有數據，就無法構建模型。如果您無法建立模型，那么這就是AI的定義。因此，您需要數據。

Furrier：架構與數據可用性的順序是什么，以便您不僅可以擁有分析系統，而且開發人員從哪里開始使用數據構建S??aaS應用程序?

古根海默(Guggenheimer)： 問題在于，每個[業務]流程中都有人為生成的數據形式。您正在獲得大量的數據。現在的訣竅是使其可重用。

在架構上，我考慮了通用數據模型和通用數據服務，它們都是按行業劃分的。對于大公司，您必須決定，我要保留什么，我要扔掉什么?我該放棄什么，從新鮮開始?我實際上要清洗什么?我在哪里可以使用Informatica或其他公司的工具來幫助我清洗，保護它?

Furrier：當今的企業如何從SaaS中受益，就好像它們是具有數據的云原生SaaS一樣，并擺脫了這些傳統限制?

Guggenheimer：如果您按順序獲取數據……那么，無論您是為SaaS服務構建還是由其合作，您都可以在下面使用該數據，并且應將其反饋并使其可重用，并使管道保持一致。

Furrier：人們應該如何接近AI?

Guggenheimer： 整理您的數據資產。其次，在合作伙伴模型中，您在公司中的特色是什么?您想在哪里使用自己的獨特數據或獨特技能來針對這種差異使用AI來幫助您成長?

大多數對話都從大肆宣傳轉移到“好吧，讓我們務實”，這就是為什么我總是首先回到數據上的原因。因為如果您不這樣做，那么就沒有長期的準備。

奈特：您如何考慮將AI用于內部Microsoft商業目的?關于AI的對話是什么?

古根海默(Guggenheimer)： 我們在整個AI中做三件事，基本上在AI的核心開發堆棧，計算，存儲和網絡之上都有一層增長。

我們正在構建一個層次…一系列工具，供開發人員將AI注入他們所構建的東西中。因此，這是第一。第二，我們將AI注入我們自己的產品，Windows，Office，Azure和Dynamics。你沒看到 我們不談論它。我們并不是說Azure AI為您帶來了Microsoft Windows LinkedIn。效果更好。您想到的第三件事是如何實際使用AI更好地經營業務?我們如何考慮如何更好地進行營銷?我們如何預測銷售量?