7.将理性数据进行感性表达。数据是讲究客观、理性的，甚至是冰冷的，数据进仓与在企业日常经营中使用及向客户表达数据应用的时候，却是有温度的，甚至是热辣辣的。请注意，无论是向经销商等合作伙伴，还是向消费者等掏钱购买自己产品或服务的“主子”基于理性数据进行表达的时候，要把干巴巴的数据转化为“人话”，有温度、有情感的感性表达，这样才能即可直击柔软处，受者又能OPEN自己让你直击柔软处。
8.温柔的切入别人的敏感区域及隐私。也就是说要对数据进行再升华与加工，不能让人感知以及做出“你就是在窥探我的机密和隐私，我要防备你”的反应。9.重组，建立新规则。相对数据的采集和管理，绝大多数企业尤其是中小企业，在数据的分析性和运用上有着巨大的短板和缺陷，这个问题非一日可克。请记住，在数据的管理和分析运用上，不是说只有所谓的纵横向比较、基础透视及因果分析等，学习和应用更多的数据分析及运用规则及其数据，将会让我们不断重组出新的数据结果，享受到新的数据应用成果。
大数据与机器学习将如何改变全球能源行业？
这个真的不懂，我从网上搬运了一篇。机器学习、大数据以及自动化正在彻底改变全球工业体系，能源行业自然也不例外。各类创新成果推动着技术进步、带来了经济效率的提升、创造着智能化程度更高的业务运营模式，同时为基础设施提供了更强的弹性水平。正因为如此，世界各地的企业与机构才积极将先进技术——特别是人工智能，视为首要关注重点。
就能源行业来说，诸多企业正在以多种方式实施大数据与AI技术，且行业的整体积极性也正在快速增长。预计到2022年，石油与天然气行业的AI软件市场总额将达到惊人的28.5亿美元。由此带来的预测分析能力将可监控长达数英里的地下管道，而机器学习技术则可以帮助化石燃料企业以更低的成本高效进行钻探，从而透彻了解深埋于地表之下的地质构造。
新的“智能”电网也在采用机器学习技术实现计算机、自动化与传感器装置的集成，从而以实时监测甚至预测能源需求的快速变化。全球范围的技术竞争 今年2月，美国发布了《美国人工智能倡议》，致力于促进跨行业、学术界以及其它非联邦实体的联邦政府支出与资源分配，从而实现AI的技术性突破，维持美国在人工智能技术领域的主导地位。
今年5月，美国能源部长里克-佩里宣布，能源部（简称DOE）正在与克雷以及AMD公司合作构建Frontier，其中包含三台新的机器。这些机器将提升美国的AI技术水平。Frontier被视为世界上最快的计算机，其速度水平约为当前超级计算机的50倍。而在这一方面，中国也很早就加入了AI竞争的战团，并在一部分指标当中领先于美国。
2017年，中国发布了《新一代人工智能发展规划》，其中概述了AI发展的具体研发资金与目标，希望推动中国在2030年成为全球AI技术的领导者，并借此为国家经济贡献约1500亿美元。虽然美国在大多数AI相关指标当中占主导地位，但中国在启动股权融资以及数据收集方面则处于明显优势。此外，在全球前20所AI研究排名最高的大学当中，中国拥有17所。
AI正重塑能源行业 人工智能在能源领域的应用正在激增。比如，埃克森美孚下辖子公司XTO Energy正在与微软方面合作，利用机器学习、商务智能应用以及云技术从其160万英亩油田当中收集数据。这些实时数据将能够改善钻井及用于监测的基础设施的泄漏情况和维修条件。这样的合作关系也使得XTO成为云技术应用规模最大的石油与天然气企业。
据估计，微软公司的技术实施有望到2025年帮助XTO方面将石油产量提升至每天5万桶。除此之外，AI还有助于提高能源基础设施的安全性。太平洋天然气与电力公司已经着手采用机器学习技术，用以应对因气候变化而加剧的加利福尼亚州野火问题。事实上，部分野火事故甚至完全属于自发燃起，并造成数十亿美元的损失。加州电力公司目前尝试利用无人机检查其输电塔，而后通过AI将图像转换为数据点——目前其能够采集的数据点已经高达10亿个。
将这些数据输入算法之后，算法即可确定该公司应该将资源集中在哪里，以降低发生潜在野火的风险。2018年5月18日，在雪佛龙公司位于杰克/圣路易斯的主控室中，监测人员正在观察远离美国路易斯安那州海岸的、位于墨西哥湾的Malo深水石油钻井平台的海上作业工人。行业高管们纷纷表示，新技术、大数据以及智能化程度更高的设计相结合，终将结束规模海底石油开采所带来的高昂开支。
与此同时，智能能源系统将越来越多地允许客户利用可再生能源为其家庭及企业供电。可再生能源在本质上拥有间歇性属性，因为其主要来自太阳辐射、云层覆盖、风以及海浪等。现代技术能够帮助公共事业企业通过智能电网改变这些稳定性较差的能源的流动方式，而且智能化程度越高，效果也就越好。随着能源存储能力的提升，企业能够将更多剩余的电能输送至公共事业级电池当中——包括锂离子电池以及氢燃料电池等等。
AI技术并不完美 虽然AI技术能够为我们的经济做出巨大的贡献，但同时也可能带来非常可怕的风险。计算机与机器的实际效果受到程序设计水平的限制，而这类设计工作完全由人类完成，因此设备就如同开发它们的人类一样远称不上完美。与此同时，数字化与互连性的增强则提升了设备受到操纵甚至造成破坏的可能性。我们对于大数据以及机器学习技术的依赖性越强，用户面临的网络安全风险也就越可怕——电网与其它公共事业企业已经在着手解决这个问题。
讽刺的是，他们通常需要人工智能的帮助来解决这类问题。因此，全球政府和监管机构必须建立适当的政策机制，以解决技术应用规模带来的具体问题和风险。例如，美国最近会见了经济合作与发展组织(OECD)的成员国，希望确定在国际上使用人工智能技术时应该遵循的原则和准则。这无疑标志着各国政府实施责任AI迈出了重要一步。
