0:000:00
<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">人工智能和机器学习对企业来说变得越来越重要，因为大家都意识到企业必须能够详细了解业务和客户数据才能跟上竞争的步伐。现在，企业只需要捕获并能够分析正确的数据，并使用这些数据实时获取可执行的洞察力，从而提供更具个性的产品和服务。随着计算能力变得更强大和更经济，人工智能 (AI) 和机器学习 (ML) 等更复杂的数据建模变得更容易获得。</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">虽然企业一直在 AI方面持续投资，但为什么他们难以利用 AI 和机器学习的潜力？ 一个重要的原因是传统数据工具使得在这些领域实现高投资回报率变得很困难。 由于大部分数据都是表格形式，并且通常以二维表格式存储，因此在实际场景中如何解释数据方面存在差距，换句话说，如果没有合适的机器学习模型，数据可能无法解释或不正确。 这就引起了怀疑，因为德勤最近的研究表明， 44% 的管理层最关心的前三个问题之一就是会根据 AI 建议做出错误的决定。</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">另一个问题是数据的数量和质量，尤其是当公司在整个组织中仍然存在数据孤岛时。 如果数据分布在非集成工具中，则很难聚合使用，这意味着重要的战略洞察力可能隐藏在架构复杂性之下，而机器学习仅限于在小范围内运行。 SAP 表示...