分析和人工智能的民主革命正在進行中，通過利用像AWS這樣的云計算架構的速度和靈活性，企業可以獲得對于除了那些財力最雄厚的企業之外的一直非常昂貴的功能。因此，公有云現在是任何現代洞察力驅動的業務戰略的重要組成部分。

怎么會這樣?這是因為如今的分析和機器學習工具都依賴于處理大量高質量數據。隨著如此多的數據不斷流經數字生態系統，組織將擁有近乎無限的豐富數據集需要挖掘。

但收集數據是一回事，有效地使用它是另一回事。為了通過分析和機器學習提取有意義的見解，組織需要復雜的基礎設施和大量的處理能力。他們需要快速有效地存儲，處理和提供大量數據。他們需要熟練的人才來配置和管理必要的基礎設施。

這可能是非常昂貴的。對于小型企業來說，這是令人望而卻步的。但是，同樣地，許多大型組織也會發現它同樣具有挑戰性，特別是那些商業模式早于數字時代的組織。

更重要的是，當今的大部分數據都是非結構化的(網頁、電子郵件、文檔、視頻、圖像、語音交互)，或者充其理是半結構化的(網絡/移動/物聯網日志、點擊流、社交媒體)，企業現在必須處理的數據的數量和復雜性正快速超過他們這樣做的能力。

是什么阻礙了企業的發展?傳統的分析環境無法提供對這些豐富數據集的足夠可見性。規范化、標記、注釋和準備這些源需要更大規模的網絡、存儲和計算。最重要的是，分析系統必須能夠處理數據流的巨大變化，某些行業的峰值數據突發達到正常數量的100倍。

由于公有云環境提供了靈活地攝取和處理此類數據所需的基本構造和處理能力，因此企業可以更有效地通過數據集獲利。事實上，那些沒有利用公有云進行分析和人工智能風險的人發現自己處于嚴重的競爭劣勢。

那么是什么阻止了每個組織這樣做呢?對很多人來說，這是技能問題。最近的IDG公司調查表明，41%的企業認為數據分析是前兩種需求技能之一。但數據科學家供不應求，其結果是導致工資飆升。

答案是什么?戰略性地重新評估整個組織的數據方法，對數據洞察和人工智能管道中的各種角色和職責進行深入理解。

最有可能的方式是首席數據官的任命和數據戰略的定義，包括貨幣化基線。它肯定涉及識別組織內的數據提供者和數據消費者，并強制他們確保數據質量。卓越數據科學的跨職能中心可以成為建立正確的數據驅動型文化的另一個關鍵舉措。

當然，說起來容易做起來難。企業外部合作伙伴可以在一些方面發揮重要作用。調研機構IDG公司的數據表明，超過四分之一的企業正在選擇這條路線。有充分理由相信，通過外包分析功能、開發數據策略或強化內部團隊，這些第三方的成熟專業知識可以更快地改變組織的數據中心性。

無論企業采取哪種方式，有一件事都會保持不變。公有云現在是現代數據分析和人工智能的基石。