未来已经到来。如今，计算机几乎可以模仿人类大脑学习，思考，推理，分析和决策的能力。这项技术称为认知计算。

通常，认知计算与其他新兴的数据科学进步相混淆，例如商业智能(BI)，深度学习(DL)和机器学习(ML)。

但是，认知计算与其他惊人技术的不同之处在于，它可以读取和理解“暗数据”。

暗数据通常称为非结构化信息。

这种数据不利于BI，DL或ML技术的分析。因此，认知计算至关重要，因为技术专家报告说，非结构化数据占世界数字信息总和的80%。

因此，企业领导者需要技能娴熟的数据科学专业人员，他们可以防止信息偏差，利用非结构化数据进行决策并提高数据分析的速度和准确性。尽管认知技术具有“思考”的能力，但是这种资源始终需要熟练的操作人员。

人类必须始终处于控制之中，并能够向涉众解释数据的使用方式，数据的管理方式以及数据的保护方式。无论技术多么先进，人类都必须掌控一切，以确保安全。

根据IBM最近的一份报告，到2020年，非结构化数据将占所有信息的90%。这些信息来自图像，传感器，视频，音频文件和电话数据。

认知系统通过减少执行有效分析所需的许多程序，以当前先进的大数据技术为基础。

在进行此项创新之前，数据科学家必须明确地对系统进行编程以执行所需的功能。因此，认知系统之前的分析框架无法在已编程的方案之外执行。

另外，认知分析系统具有模仿人类思维的批判性思维能力。他们无需程序员干预即可进行分析，学习和理解。尽管如此，认知计算的基础还是在于帮助人类，而不是替代人类。

IBM的调查显示，来自全球的73%的受调查CEO计划在其业务中部署认知计算。此外，该小组中有75%的人认为认知技术将很快扰乱他们的行业。

在市场营销中，先进的分析技术增强了该领域专业人员的能力。例如，个性化，以消费者为中心的战略和长期的关系建立对于促进可持续的积极企业成果至关重要。

先进的分析系统可帮助营销人员在正确的时间向正确的客户传递正确的消息。

此外，诸如认知计算之类的技术还可以帮助市场营销专业人士发现用人工研究方法无法找到的机会。通过从社交媒体网站，电子邮件通信和网站指标中推断数据，营销人员可以利用高级分析系统与受众建立牢固的关系并为其创造有价值的体验。

尽管如此，在掌握情绪智力和创造力之前，认知系统还有很长的路要走。

目前，企业需要技能娴熟的营销人员的讲故事和创造能力，才能创造出与潜在买家产生共鸣的信息。

数据仍然是理解消费者行为的关键，但是借助先进的数据分析系统，营销人员可以理解看似不可估量的信息量，并推动企业成功。数据分析提供洞察力的同时，营销人员将这些洞察力转化为产生有形价值的行动。

诸如认知智能，预测分析和机器学习之类的先进技术建立在大数据系统的基础上。现在，随着认知智能技术的引入，尖端的数据分析系统可以模拟人脑的复杂性。

今天，数据科学家必须教认知智能技术如何学习。明天，这项技术将自学。

计划在2019年利用这项非凡的新技术的高管人数可能令人吃惊，但背后的原因很明确。尽管如此，与现有的企业分析技术结合部署认知智能系统仍将证明具有挑战性。

例如，IBM的Watson技术花费了数十年的组装时间，花费了数亿美元，并且需要成千上万的高素质工程师的工作。

目前，除了资源最丰富的企业之外，所有其他人都无法使用这种流血年龄的技术。仍然，有些公司的影响力还不高，可能可以通过与合适的软件即服务(SaaS)供应商合作来利用该技术。

在IBM调查中，报告了最大的经济利益的高管们认为，诸如认知智能之类的先进技术最好地用于变革而非增量变革。换句话说，高管们认为认知智能是破坏性转型的工具。