一个称为数据驱动智能的新兴概念是从大量数据中收集洞察力的新视角模型。本文将数据驱动的智能与更熟悉的应用程序驱动的智能模型进行对比。

信息技术最早的名称之一是“数据处理”，它包括对数据的需求和处理，其中以处理或以计算为中心的重点占据了主导地位。从数据出生（创建）到死亡（删除），大多数数据都在应用程序的控制范围内。当然，在数据创建后分析数据的应用程序早已存在（例如商业智能处理），但这些应用程序只是实际 IT 用途的一小部分。

 应用驱动和数据驱动智能对比

在《重塑发现》中，作者迈克尔·尼尔森讨论了数据驱动的智能，并将其与人工智能和人类智能进行了对比。他将数据驱动智能定义为计算机从数据中提取意义的能力。他将其与人工智能区分开来，他说人工智能执行人类擅长的任务，旨在模仿或改善人类表现（例如下棋）和人类智能（例如我们处理视觉信息的能力）。根据尼尔森的说法，数据驱动的智能通过解决不同类型的问题来补充人类智能。

让我们从IT的角度来研究它的含义。应用程序驱动的智能倾向于创建、读取、更新和删除数据，以实现初始目的，例如管理订单处理、发货和收款的工作流过程。相比之下，数据驱动智能将现有数据（人工或机器生成的）用于次要或额外目的，例如对电子邮件文件执行电子发现或使用从网络收集的外部信息进行大数据分析，以增加销售或交叉销售客户。首先创建感官信息（如抄表）或机器/计算机生成的信息（如日志），然后由下游流程（可能是实时的）进行分析（视情况而定）。

从IT的角度来看，应用程序开发方法以及开发人员的技能集可能有所不同；从运营角度来看，服务级别协议（SLA），例如数据的性能和可恢复性，可能必须以不同的方式进行规划。资源（服务器、网络、存储）的规划也必须有所不同。它熟悉基于应用程序驱动的智能应用程序，但必须了解更多如何处理数据驱动的智能应用程序，如大数据。

 应用驱动和数据驱动智能混合应用

天下无新事。数据驱动智能（例如使用回归分析、线性规划和模拟建模等机器学习技术的统计分析）已经存在很长时间了。后来也出现了新的概念，包括数据仓库、在线分析处理和数据挖掘。问题在于，高级分析、商业智能和大数据等术语被企业视为有价值的，但它们是作为孤立的IT孤岛存在的。但是，查看这些孤立的（或最多是重叠的）工作，并从数据驱动的智能角度考虑这些工作，可以将它们结合在一起，以强调以数据为中心的重点的重要性。

是的，概念可以混合应用的。数据驱动的智能可以插入到一个操作系统中，例如零售以检查信用卡是否存在欺诈，或者插入到供应链中的各个点。

 结语

数据驱动的智能是一种附加的观点，它拓宽了我们的理解，并不能取代应用程序驱动的智能。让软件智能继续成倍增长，增加我们的理解和我们从中获得的价值。