人工智能和机器学习如何帮助组织从大数据中获得更好的业务见解?需要了解人工智能和大数据分析的下一步发展。  大数据技术并不像几年前那样广受关注，但这并不意味着大数据技术没有得到发展。如果说有什么不同的话，那就是大数据的规模正在变得越来越大。  大数据曾经被认为是一项重大挑战。但是现在，它越来越被视为一种理想状态，尤其是在正在尝试并实施机器学习和其他人工智能学科的组织中。  Anexinet公司高级数字策略师Glenn Gruber说，“人工智能和机器学习现在为我们提供了使用现有大数据的新机会，并利用新数据类型开发了很多新用例。我们现在拥有更多可用的数据，例如图片、视频和语音。过去，我们可能试图尽量减少捕获的此类数据的数量，因为我们无法对其做太多的处理，但是它存储此类数据会产生巨大的成本。”  人工智能如何适应大数据  大数据与人工智能之间存在着一种互惠关系：人工智能在很大程度上依赖于前者的成功，同时也帮助组织以以前繁琐或不可能的方式释放数据存储中的潜力。  Gruber说，“如今，我们需要尽可能多的数据，这不仅是为了更好地洞察我们试图解决的业务问题，而且因为我们通过机器学习模型输入的数据越多，它们得到的结果就越好。这是一个良性循环。”  人工智能如何使用大数据  存储和其他有关大数据和分析的问题好像已经不再一样。例如，Gruber指出，大数据和人工智能的结合会围绕基础设施、数据准备和治理产生新的需求(或强调现有需求)。但是在某些情况下，人工智能和机器学习技术可能是组织如何解决这些运营复杂性的关键部分。  关于“更好的洞察力”：人工智能和机器学习作为当前在商业领域中重要的学科，如何帮助IT领导者实现现在或将来的目标?  人工智能提供更好见解的6种方式  1.人工智能正在创造新的数据分析方法  大数据的基本业务问题之一有时可以用一个简单的问题来概括：现在是什么?人们已经拥有了所有这些东西，并且还会有更多的东西出现，那么如何处理呢?在大数据的大肆宣传和炒作中，听到这个问题的答案并不总是那么容易。  此外，回答这个问题(或从数据中获取见解)通常需要大量的人工工作。人工智能正在创造新的方法。从某种意义上说，从广义上讲，人工智能和机器学习是新方法。  从历史上看，在分析数据时，工程师不得不使用查询或SQL(查询列表)。但是，随着数据重要性的不断增长，获得洞察力的多种方法也应运而生。人工智能是查询/SQL的下一步。Alluxio公司执行官Steven Mih说，“过去的统计模型现在已经与计算机科学融合，并已成为人工智能和机器学习的一部分。”  2.数据分析的劳动强度正在降低  因此，与过去相比，管理和分析数据所需的人工时间更少了。人们仍然在数据管理和分析中扮演着重要的角色，但由于人工智能，原来可能需要几天或几周(或更长)的过程正在加快速度。  Sungard AS公司的高级架构师Sue Clark说，“人工智能和机器学习是帮助企业分析数据的工具，比员工单独完成的工作更快、更有效。”  Exasol公司技术官Mathias Golombek在大数据方面已观察到一种采用两层策略的趋势，因为组织争辩要从中获得任何价值所必须管理的海量信息：存储层和位于其之上的运营分析层。  Golombek说，“这是从数据中提取见解并进行数据驱动的决策的地方。人工智能通过全新的功能通过培训数据做出半自动决策来增强分析。它不适用于企业对数据存在的所有问题，但是对于特定的用例，它彻底改变了无需复杂的人类知识就能完成规则、决策和预测的方式。”  换句话说，洞察力和决策可以更快地发生。此外，IT可以将类似的原理(使用人工智能技术来减少人工、劳动密集型负担并提高速度)应用于后