获得正确的人工智能就像获得正确的管道工

人们常说“数据是新的石油”。我们每天使用的工具会产生大量信息，这是人工智能背后的动力，而人工智能已经集成到我们使用的许多应用程序中。有了这么多数据，我们已经从数据库转移到数据仓库，再到数据湖，并且Microsoft AI和ISV参与的公司副总裁 Steven Guggenheimer 开玩笑地说，我们很快就会迎来“数据浪潮”。

古根海默在最近于拉斯维加斯举行的Informatica World会议上与 John Furrier 和 Rebecca Knight进行了交谈，后者是SiliconANGLE Media移动流媒体直播工作室CUBE的联合主持人。他们讨论了建立数据仓库的重要性，通用数据模型，“在AI之前进行BI”对于长期成功的关键以及技能差距(请参见此处的完整访谈 )。

奈特：公司如何参与人工智能?

古根海默(Guggenheimer)： AI之所以成为当前热门话题的原因是[…]大规模存储，计算存储和网络的结合，这意味着开发人员和数据科学家可以使用大量数据。如果没有数据，就无法构建模型。如果您无法建立模型，那么这就是AI的定义。因此，您需要数据。

Furrier：架构与数据可用性的顺序是什么，以便您不仅可以拥有分析系统，而且开发人员从哪里开始使用数据构建S​​aaS应用程序?

古根海默(Guggenheimer)： 问题在于，每个[业务]流程中都有人为生成的数据形式。您正在获得大量的数据。现在的诀窍是使其可重用。

在架构上，我考虑了通用数据模型和通用数据服务，它们都是按行业划分的。对于大公司，您必须决定，我要保留什么，我要扔掉什么?我该放弃什么，从新鲜开始?我实际上要清洗什么?我在哪里可以使用Informatica或其他公司的工具来帮助我清洗，保护它?

Furrier：当今的企业如何从SaaS中受益，就好像它们是具有数据的云原生SaaS一样，并摆脱了这些传统限制?

Guggenheimer：如果您按顺序获取数据……那么，无论您是为SaaS服务构建还是由其合作，您都可以在下面使用该数据，并且应将其反馈并使其可重用，并使管道保持一致。

Furrier：人们应该如何接近AI?

Guggenheimer： 整理您的数据资产。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独特数据或独特技能来针对这种差异使用AI来帮助您成长?

大多数对话都从大肆宣传转移到“好吧，让我们务实”，这就是为什么我总是首先回到数据上的原因。因为如果您不这样做，那么就没有长期的准备。

奈特：您如何考虑将AI用于内部Microsoft商业目的?关于AI的对话是什么?

古根海默(Guggenheimer)： 我们在整个AI中做三件事，基本上在AI的核心开发堆栈，计算，存储和网络之上都有一层增长。

我们正在构建一个层次…一系列工具，供开发人员将AI注入他们所构建的东西中。因此，这是第一。第二，我们将AI注入我们自己的产品，Windows，Office，Azure和Dynamics。你没看到 我们不谈论它。我们并不是说Azure AI为您带来了Microsoft Windows LinkedIn。效果更好。您想到的第三件事是如何实际使用AI更好地经营业务?我们如何考虑如何更好地进行营销?我们如何预测销售量?