不要让数据孤岛阻碍企业的数据分析
打破数据孤岛很难，但这样做可以带来更有效的分析，将来自所有业务运营系统的数据整合在一起。
数据孤岛一直存在。然而，当企业的分析主要集中在商业智能上时，IT部门将齐心协力将所有内容整合到一个集中的数据仓库中。
在当今的大数据世界中推出这样一个集中式数据仓库将更加困难。数据越来越多来自各种系统，包括云平台，分析工具和基于Hadoop的数据湖。为了使事情变得更加复杂，业务部门越来越多地在任何企业数据计划之外部署报告生成数据可视化工具。
将您的数据集中在一个屋檐下
为了开始更好地了解网球迷并增加在联赛中打球的人数，USTA开始将其不同的系统拼接在一起。该组织有一个目前在联赛中打球的人数据库，但这是独立的。该组织创建了一个集中数据湖，将这些成员数据与在线网站数据相结合。它还从美国网球协会（USTA）运营的美国公开赛网球锦标赛的参加者使用的移动应用程序中获取数据。
现在正在分析这个集中数据湖中的数据，以确定可能有兴趣参加USTA联赛的年轻人并将他们与可用的教练联系起来。在USTA过去的孤立数据中，这是不可能的。
将所有数据集中到一个集中式系统中是解决孤立数据问题的一种方法，但它肯定不是唯一的方法。其他企业正在使用软件来提取用户需要进行分析的数据，而不仅仅是将所有内容都集中到一个地方。这种方法需要强大的数据库连接器和高级分析软件。
AI理解不同的数据类型
在会议上的一次演讲中，制药公司辉瑞公司的数字战略和数据创新总监Lisa Plimpton说，不同的数据类型可以帮助药物研究人员了解新药的效果。然而，分析它可能是一个挑战。
“今天最容易获得和结构化的是来自医疗保健，但在其他实际数据来源中还有未开发的信息，”她说。
辉瑞正越来越多地寻求从可穿戴健身追踪器，社交媒体平台和参与试验的患者的消费者数据中收集数据，以更全面地了解新药如何影响患者。在一项新的帕金森病药物试验中，辉瑞公司正在使用运动追踪传感器来监测帕金森病患者的运动以测量疾病进展。
为了分析这些数据，辉瑞与IBM合作采用了Watson认知计算平台。Plimpton说虽然Watson不是唯一有用的工具，但这种高级分析对于理解来自不同来源的非结构化数据是必要的。平台提供的API连接器可以连接到不同的数据源。
“我们必须看看这些真实世界的数据类型，并使用人工智能更快地为患者带来更好的药物，”她说。
是时候充分利用孤立的数据了
专业服务公司安永会计师事务所（Ernst＆Young）数字企业转型高级经理Art Nazzaro表示，企业将在未来一段时间内不得不接受这种孤立的数据，并想方设法充分利用他们的数据，无论它所在的系统。
