我们今天处于技术进步的有趣时刻。在下一个让我们争先恐后地了解其对我们业务的影响之前，感觉好几乎没有时间消化新公告的影响。在过去几年中最重要的创新 - 以及最具创新性的新公司 - 的背后是数据，这是与业务分析有关的基础。
数据现在作为资产进行管理，分析平台是对所有类型组织的更具战略性的投资
毫无疑问，为什么分析公司IDC表示，到2020年，分析所有相关数据并提供可操作信息的组织将比其分析较少的同行获得额外4300亿美元的生产力提升。
这一特殊时刻是由同时发生的几个因素的显着汇合所塑造的。每一个不仅影响其他人，而且还以我们尚未考虑的方式扩展到企业的深远角落。这五个因素是：
- 机器人和传感器的快速发展，这可能是我们迄今为止所经历的最多数据收集和数据生成创新。
- 企业内部以及特别是企业外部的数据过多，将继续以指数级增长.
- 令人印象深刻的计算能力和云计算方面的进步，使我们能够更轻松，更经济地管理，可视化，分享见解并预测所有这些数据的结果。
- 快速增长的数字化客户群，他们期望在每次互动和交易中与我们的业务建立更有意义的联系;和，
- 日益紧密联系的员工队伍，无论他们使用何种类型的设备，都需要不断增加的即时访问需求以及随时随地提高工作效率的能力。
因此，数据现在作为资产进行管理，分析平台对所有类型的组织都是更具战略性的投资。因此，我们很自然地会问下一步的业务分析。
答案是适应性智能（不要与人工智能相混淆）。自适应智能是业务分析的演变，两者是互补的。表1对比了焦点：
值得注意的是，自适应智能是人们判断和机器自动化的交叉点。虽然机器可以在一秒内摄取更多的数据而不是人们在十年内可以获得的数据而不会忘记并且没有疲劳;和自动化大大简化了重复计算演绎或归纳过程，我们无法取代人类推理。理解和调整分析模型输入和训练数据，改善数据缺陷以及将道德应用于数据使用和解释的能力是机器无法完全取代的几个例子。
这种关系创造了许多新的机会，例如能够对我们的业务有更好的实时了解;以前所未有的轻松和速度更好地测试想法和假设;即使波动性和快速变化的条件增加，预测准确度也会提高。
人工智能和机器学习解决方案基于可以从数据中学习而不依赖于基于规则的编程的算法。他们可以重新定义我们如何与信息互动并改变我们的工作和生活方式。例如，在工作场所，它们对我们制定所谓的“次佳报价”的方式产生了重大影响;招聘顶尖人才;防止和发现欺诈;自动化供应链;优化供应链金融;并提升数据中心效率，仅举几例。
在工作场所之外，它们会影响我们的个性化购物体验;我们的自驾车生态车运输;我们如何管理财富;甚至我们使用虚拟助手。
从技术角度来看，自适应智能有三个主要领域：智能应用;智能平台和数据本身。
自适应智能应用程序是一种新的类别，不断适应自学习应用程序，这些应用程序由交易业务应用程序（如CX，ERP，SCM，HR等）的企业数据提供支持。其目的是在没有人为偏见的情况下获得洞察力，并提供更智能的解决方案独特的业务挑战 - 具有很高的信心和非常大的规模。
自适应智能平台通过高性能基础架构为应用程序提供支持，以便按所需规模运行分析。它提供交互式数据可视化功能，以发现，叙述和预测结果。它不会在业务用户对分析速度的需求与管理员管理数据访问和准备的需求之间做出妥协。最重要的是，它确保跨设备（移动，桌面）和部署模式（内部部署，云或混合）的无缝体验。
自适应智能的第三个领域，即数据，整合了许多来源，无论是内部还是外部的组织，都可以生成自学算法所使用的观测和训练数据。它可以包括传感器数据，社交数据和来自数据交换的配置文件信息。数据是推动组织实现自动化的动力，但大多数组织缺乏全面的数据战略;寻求获取，策划，组合和商业化的人。
自适应智能系统不是遥远的未来。事实上，他们现在在这里。它们的影响取决于我们如何快速准确地利用所有这些智能。想象一下可能性：
- 如果您最需要的时候能获得见解吗？
- 如果下次操作审核的内容是50％的机器生成
- 您不必搜索数据来支持您的业务案例，而只需向系统询问一些复杂的问题？
- 您有一个24 x 7的无偏见分析顾问？
很明显，这些新型机器学习技术将提高所有专业和社会经济阶层和地点的人们的集体智慧。从今天开始，我们需要的是制定广泛的数据战略，以及评估和准备我们的分析平台，以利用自适应情报世界。