什么是数据智能博客系列的第5部分（共5部分）。

在本系列中，我们强调了将企业AI和智能信息管理结合起来的重要性，以便以可信和受管理的方式快速从业务数据中获取价值。但是，谈论过程本身也很重要——如果人和过程不一致，那么最好的工具和技术是无用的，这就是为什么我们必须思考如何将技术、过程和人结合起来，以形成一个可持续的、可扩展的，以及高影响力的方法。

由于它需要这样的专业技能，并且由于AI的许多工具和基础设施要求直到最近才被遗漏，我们看到了非常专业的团队以更为车间式的方式工作的兴起。所有的事情都是由一支训练有素、高度专业化的个人组成的团队来完成的，他们通常建立自己的IT基础设施，并创建自己的数据集市或数据环境。他们会在自己的环境中开发和运行小规模的成品模型，有时会使用它来完成。这种超定制的方法有其好处，尤其是在没有其他选择的情况下，那云，但它没有利用专业化和协作的力量。正是考虑到这种协作方法，我们设计了SAP数据智能。

我们希望为数据工程师和企业架构师提供跨组织连接和管理多个用例数据的工具。如果您正在协调和丰富数据以加载到业务应用程序中，或将物联网和传感器数据与公司数据合并并从中提取价值（预测性维护是一个很好的例子），云服务器和普通服务器，或以可扩展的方式开发和部署机器学习，则您拥有了解您的数据系统和环境的专家比任何人都好。

我们还希望确保数据科学团队能够访问他们需要的数据，而不必总是去手动获取数据。我们希望能够直接搜索和查找数据，服务器云，并以受信任和受管理的方式使用数据，使其能够轻松地复制和操作数据。对于支持数据科学基础设施的团队，我们希望能够轻松地快速提供实验环境，支持所需的基础设施和开源框架，然后在不再需要时再次关闭它们。这减少了建立和运行数据科学团队所需的时间，大数据概念，以及管理和运行基础设施的总体成本。

最后，我们希望it团队能够更轻松地管理整个流程，并且能够轻松地接受各种数据科学团队的工作，并将这些实验复制到能够产生业务价值的生产环境中。我们通过：

将模型结果输入数据仓库，以便使用分析工具进行可视化，行业大数据，确保用户能够有意义地使用数据洞察力将结果嵌入到业务应用程序中通过SAP智能机器人流程自动化实现响应自动化利用SAP Conversational AI根据模型的结果推动个人互动

能够使用人员、流程、，和技术一起驱动企业AI，更重要的是商业洞察力是为什么我们认为SAP数据智能是AI装配线的基础。本文是What is Data Intelligence博客系列文章的第5部分，请继续关注未来的Data Intelligence博客文章。