罗马不是一天建成的，也不是一个人可以建成的。作为人工智能技术最大的应用场景，智慧城市的建设纷繁复杂，包括从政务、医疗、交通、水务、到公共安全等几乎所有与市民生产、生活相关的领域。如此巨量的工作，需要不同角色之间的规划与协调，没有任何一个组织或企业能够独自完成。因此在智慧城市的建设过程中，往往需要多方协同，众多参与者们发挥各自的优势，方能更好地推动城市的智慧变革。换作另一个说法就是，需要生态的力量。

今天立春，没有一个冬天不可逾越，没有一个春天不会来临。山川异域，风月同天。在全社会的共同努力下，相信我们必将战胜疫情，春回大地，花满人间。

中台的建设不是一蹴而就的，而是随着企业本身信息化建设的持续发展和业务的不断创新最终沉淀下来的。我们从以下3大维度、9项指标来评估企业中台建设的发展现状和目标。

对企业的IT部门来说，提升和维护数据的质量是一个永恒的挑战。与此同时，数据的爆发式增长使这一任务变得越来越困难。此外，企业越来越依赖数据来获取新的见解并为决策提供合理的建议。数据质量，已成为IT部门的一个重要战场。

数据治理的本质是帮助企业创建数据策略，并确保大家能够遵守这些策略。这些策略涉及一系列数据相关流程，包括数据保护、验证和使用的准则。数据管理人员必须从业务用户处征求数据需求，并与数据治理委员会成员合作，以就常见的数据定义达成一致，指定数据质量指标，阐明相关的策略，并开发出衡量合规性的方法。

“数据目录”这一概念其实并不新鲜，早在大型机时代，企业就开始通过数据目录跟踪、管理其数据资产。数据目录保存的是与数据有关的数据，或称之为元数据。一个企业的数据目录需要记录遍及整个公司的所有数据库和文件，并为其添加描述，例如，如果有可能的话，对文件与文件之间的关系进行记录。

数据如今已经体现出巨大的价值——企业通过数据分析来为包括市场支出、员工决策到产品开发等所有事情提供参考性建议，而这也意味着，数据科学家在工作中的价值正变得越来越突出。

数据仓库为组织了解其历史表现和推动持续运营提供了一个接入窗口，为数据分析师和业务用户提供了诸如客户行为、业务趋势、运营效率和销售等方面的信息。尽管出现了基于Hadoop和其他一些大数据技术的数据湖这一概念，但随着公司越来越需要从更多不同的源系统收集和分析业务数据，这使得数据仓库仍然具有其实用价值，甚至比以前更加重要。

在笔者眼中，帆软一直是一家”特立独行”的ToB公司，但活的很滋润。其与众不同之处有很多：坚持不融资，在如今的市场环境下看，似乎很难理解。98%%的员工都是90后，一般人恐怕也理解不了。

在不算太遥远的过去，业界对数据科学家的评判主要依据于他们发现、理解、管理和综合信息的能力。随着数据环境的不断发展和计算能力的不断提高，编码技能变得越来越重要。随着时间的推移，又出现了更加细致入微的技能要求，包括人工智能方法的专业知识、判断数据真实性以及许多其他的能力。

今年六月份，联想数据智能业务集团正式成立，全面支撑行业智能战略的落地和执行。基于联想多年的智能化转型经验与技术，联想数据智能业务集团早已积累了丰厚硕果。近期，笔者有幸采访了联想数据智能业务集团机器智能中心主任罗军先生，对联想数据智能业务集团三大平台产品之一，企业级人工智能平台LeapAI进行了深入了解。

数据是最重要的生产要素，是数字经济的“石油”，如何挖掘、提炼这些“石油”，成为世界共同关注的话题。各地政府都在尝试积极拓展、推广应用新技术。而无论企业还是城市，数字化转型都需要顶层设计与多方参与。

毫无疑问，推进智慧城市建设是一个全球化趋势。云计算、人工智能（AI）、大数据、物联网以及5G等技术的发展提供了巨大的驱动力，为城市赋予智慧大脑已经驶入快车道。IDC在几个月前发布的《全球半年度智慧城市支出指南》中就提出，到2023年，全球智慧城市支出预计将达到1895亿美元。

在大型企业中保证业务数据的一致性是一个非常棘手的问题。一般来说，如跨国型公司的客户或产品相关数据，往往有多个来源。这就导致了，有时即使是最简单的问题也很难回答。在此情况下，数据集成可能是成为一种解决办法。

想要开始作为数据科学家的自由职业生涯吗？无论你是想要从事业余项目的经验丰富的数据科学家，还是想要开启自由职业生涯的新晋数据科学家，通过本文，你都将看到最佳的自我营销和吸引客户的方法。除此之外，我们还将讨论作为自由职业的数据科学家，应该使用哪些工具和网站、可视化数据的最佳实践以及如何处理与客户的事务等话题。

随着越来越多的企业希望采用综合数据策略，毫无疑问，所有行业都将产生连锁反应。 配备有必要的工具才能释放其数据潜力，组织将可以利用他们的客户数据，同时避免风险和承担责任

　　虽然它们在某些方面是相似的，但是数据管理和数据转换之间有重要的区别。数据转换是数据集成过程中的第一步，其目标是将异类数据转换为通用的全局模式，组织可以提前制定该模式。自动脚本通常用于将美元转换成欧元，或将英镑转换成公斤。

在2019年，数据分析是企业发展需求最大的、最热门的的工作之一。数据分析需求的技术领域包括Python、C ++和Java等编程语言，机器学习和AI经验、定量分析能力、数据挖掘以及SQL / NoSQL数据库和算法开发等技能。

大数据时代，人们的生活、工作都在数据化，时时刻刻都有新的数据产生，数据正在呈几何倍数爆炸式增长。如何存储、管理和使用这些数据，是现代企业面临的难题。Forrester报告显示，组织中经常有多达73％的数据未使用，但很少有数据被丢弃。

数据和人工智能之间存在一种共生关系。我们收集数据作为解决问题的基础，然后使用AI来进一步解释和细化数据。这是一个持续的反馈循环，其中一个影响另一个的有效性。要想让机器学习产生影响，数据需要精心管理、高质量且易于获取。成功做到这点并不是非常容易的。