飞利浦生产的智能灯泡可以通过移动应用来控制，从而达成节能的目的;Google即将发布一种智能隐形眼镜，可以检测食物的葡萄糖含量并提醒糖尿病患者;智能织品很快将会通过可机洗的传感器来监测人类的健康和心情。

　　“我们能够改变生活。”Gartner的研究副总裁Kurt Schlegel在Gartner商业智能和分析峰会上表示——当时他身着OMsignal出产的智能T恤。通过一个按钮，Schlegel向在场的2000多位观众展示了自己的呼吸和心跳频率，这些信息都是通过T恤内的传感器获取并传输到其智能手机上的。

　　作为技术布道者，Schlegel对智能设备的热衷颇有喜剧感。他和一个持怀疑态度者(Frank Buytendijk)以及一个实用主义者(Rita Sallam)一起演出了一出分析版的《Goldilocks and the Three Bears》(西方童话，金发女孩与三只熊)。CIO和IT领袖们应该建立智能设备和公司的分析战略。这方面的工作事关正确决策、鼓励个性化并提供透明度。

　　面对这三方面的要求，CIO和IT领袖们要付出极大努力才能达成平衡。当世界变得越来越智能化，隐含的风险也在逐渐上升。“比如说LG的智能电视。”Buytendijk说。为了实现个性化广告，LG开始收集并共享观影信息，即便这个选项已经被观众关掉。为了挽回声誉，LG的CEO随后发表了声明，表示将发布补丁来修正这个问题。

　　“我不知道你的具体情况。但是，如果一个CEO出面说要发布补丁，作为IT人员的你，恐怕是处境不妙。”Buytendijk表示。

　　基于企业内部资源，构建数据科学技能

　　数据科学相关技能很难从外部引入，因此要立足于现有团队进行构建。Gartner分析师Carol Rozwell提供了三点建议，可供CIO和IT领导人参考。

　　设立卓越中心，让分析人员能够分享最佳实践，吸取他人经验和教训。

　　为初级员工提供职业发展空间，基于企业发展方向构建员工的能力。

　　如果你有咨询方面的资源，可以基于其构筑数据科学的技能。

　　Watson的体系架构

　　IBM的Watson有着惊人的表现，在智力竞赛节目Jeopardy中击败了最聪明的对手。如今，IBM已经将Watson商业化并以开放的态度来构建其生态环境。Gartner数据管理团队的执行副总裁Jamie Popkin说：“对于Watson上面跑的应用，IBM并没有决定权。”

　　基于自然语言处理技术，Watson通过语言建模和机器学习算法，分解客户的查询并给出答案。“大概有237套系统在Watson上运行着，处理语言，产生假设，进行测试，对答案打分并排序。”Popkin说。

　　在Popkin看来，Watson有两个突出的特点。首先，是搜索功能，能够给出多个带权重的答案。有些答案乍看不是那么理想，但是却可以揭示数据中存在的关联 -- 这种关联可能在以前是很难被发现的。

　　其次，对于反复被问到的问题，Watson每次都会重新计算答案。这意味着，Watson并不存储每次生成的答案。相反，每当一个问题再次被问到时，新加入系统的信息都会被纳入到对答案的计算中来。

　　业界观点

　　“绝大多数在大数据技术方面的投入，最终都落到了基础架构上：数据库管理和数据集成系统的增长快于商业智能和分析。”Gartner的研究总监Dan Sommer说。

　　“任何事情最后都会转变为信息技术，我们已经正在沿着这个轨迹发展。如果你拥有了足够的信息，你就能其中提取出智能。”Google的工程总监Ray Kurzweil说。

　　“那些把信息看做资产并成功实现其价值化的企业都获得了丰厚的回报 – 市场价值与资产价值比率是业界均值的3.5到5倍。”Gartner的研究副总裁Kurt Schlegel说。

　　“对于信息架构中的创新型应用场景，我们需要做好准备。”Gartner研究副总裁Frank Buytendijk表示。

　　“分析职能应该放在一个独立的组织架构中，而不是设立更多的竞争力中心或卓越中心。分析团队应该保持足够的独立性。”SAS的思想领导力副总裁Jill Dyche说。