“我们从首席数据官的研究和调查中了解到，参与战略开发的数据和分析领导者能够比那些没有参与的人提供更多的商业价值。”

“数据和分析领导者努力优化业务价值，而且往往缺乏对关键任务的优先级的一致性。”

“作为数据和分析部门的负责人，你需要充当公司的‘首席价值官’。”

“ROAR(风险、机会、胃口和回报)模型为你提供了一种系统的方法，为每个计划的收益和风险打分，然后考虑这些计划的组合，以形成最优的投资组合。”

“虽然我们有模型可以帮助你思考和优先排序，但这些模型背后的内容才是重要的。思想胜于行动。”

“从数据和分析中优化价值是一个持续的过程。这不仅仅是一年一次的活动，也不仅仅是每季度一次的活动——你需要把它看作是你管理的其他所有事情的中心。”

在免费的高德纳电子书中了解如何使用数据和分析来重新设计决策“决策的未来。”

“由于真实培训数据不足或冲突，许多项目未能投入生产。组织可以使用各种技术来解决培训数据可用性低的挑战。”

技术#1 -扩展数据收集策略。当前被忽略的数据或暗数据可能是机器学习应用程序需要知道的缺失部分。

技巧#2 -在数据预处理上花更多的时间。例如，去除异常值，寻找缺失的变量，过采样等。除此之外，许多数据科学平台还包含支持这种预处理的工具和特性。

技术#3——数据共享。创建国家或国际联盟，共同收集数据并使用联合学习方法，以便在企业之间共享数据而不影响数据隐私。

技巧#4——众包。谨慎地众包数据，而不是来自专业数据提供商，而是来自互联网用户池。

误解1:人工智能的能力超过了人类的能力。“他们的欺骗之处在于，他们允许计算机在五个精度指标中名列前茅。这意味着计算机被允许进行五次猜测，只有其中一项猜测是正确的，系统才能获得‘正确’的分数。”

误解2:人工智能正在颠覆行业。“当你应用人工智能时，它有如此多的用例，所有这些都将带来更好的成本节约、客户满意度、停机时间减少、风险降低等，但所有这些我们将看到的更好的东西不一定会转化为巨大的颠覆。”

误解3:人工智能是关于智能。“我们创造的系统并不理解太多，它们只会做出反应。”

误解4:人工智能无所不能。“人工智能可以解决的问题范围之广令人惊讶，但我们不得不说，人工智能是一种点式解决方案。欺诈检测的解决方案不会用来驾驶汽车。”

误解5:人工智能将取代人类智能。“凭借我们学习、理解事物的灵活性，以及超级快速和适应性，人工智能要取代人类智能还需要很长一段时间。”