在人工智能这样的年代，机器学习、自然言语处理(NLP)和认知查找技能正在以高速率被选用的作业现已家常便饭。跟着安排努力创造价值、增强客户体会、恪守严厉的规则并使得自己与竞赛对手区分隔，他们也逐步对常识型职工提出了其他非同小可的要求。一般，他们需求的数据和常识是孤立的、切割的和开裂的。因而，很难在正确的时刻显现正确的信息并发现数据中的杂乱形式。

经过精心设计的NLP、机器学习和查找技能的组合使这些安排能够以史无前例的方法来迎接应战并运用企业数据。这项技能有效地为比以往更快、更精确、更周到的新一代信息拜访供给支撑。成功通往后，企业将取得真实的信息驱动，然后优化每个职工和客户体会。这一改变正在敏捷成为新的竞赛优势，由于它从头界说了专业人士、企业和职业的运作方法。但企业是怎么成功选用这些技能的呢?

1.与用户方针对齐

为了推进这些类型的技能的选用，施行有必要与每个用户的个人需求保持一致。尽管看起来很明显需求提取正确的数据以满意特定的用户需求，但数据也有必要以直观和及时的方法出现，以便与用户的方针相关。数据驱动的年代正在让坐落信息驱动的经济，在这种经济布景下，从数据中取得有用的洞察力至关重要。满意用户需求意味着搜集数据，以正确的方法丰厚数据，进一步运用不仅是职业并且是用户安排的本地言语将其进行上下文明，并以与用户方针相一致的方法出现成果信息。

由于每个用户的方针和需求会有所不同，因而不存在原封不动的局势。例如，在客户服务范畴，客户服务代表(CSR)日益需求以常识为导向，以满意乃至取悦客户的需求。与此同时，在制造业或药物开发职业，研究人员需求成为专业人员，由于他们很简单与专家联络。而这一切都始于信息驱动。

2.展开简略作业

关于安排来说，经过在企业数据中整合上下文来展开简略作业非常重要。这使得常识作业者更简单找到并发现与当前任务相关的信息。兼并上下文表明在涣散的存储库中的相关数据之间树立衔接，并供认言语能够表达的一切不同方法，包含考虑缩写词和近义词。

在数据中，特别对错结构化数据中，有时机经过自然言语处理(NLP)和人为推理增加更多的上下文。这些由现代技能完成的技能能够丰厚数据并树立有意义的衔接。办理非结构化数据的方面变得更少了，更多的是关于怎么运用它的问题，可是会是以更有价值的方法。安排能够经过各式各样的挑选去寻求信息驱动。

3.将技能融入你的商业环境

与沉浸在技能中的用户相反，像认知查找这样的技能应该融入到用户的商业环境中。认知查找等技能有必要运用绝大多数企业数据源，包含一切类型的内部和外部数据，无论是内部布置仍是云中。因而，该体系有必要具有高度可扩展性。与像Salesforce这样需求将数据加载或输入到单个体系的软件包相反，感同身受的处理方案以安全且可扩展的方法运用涣散存储库中的数据。这又反过来简化了业务流程，使常识型职工能够将更少的时刻花在日常作业上，而更多的时刻专心于重要问题。

经过在现有常识的基础上学习并跟着时刻的推移变得愈加智能，这种改变为安排在处理未来应战方面带来了惊人的优势。