误区1:满足客户需求：1）客户不清楚自己的需求，2）AI比客户更了解自己。这两点我理解的地方在于，客户往往是基于自身的业务经验出发，视野局限于本部门，本区块，所以能想到的方案都是基于小块数据出发的东西。比如做故障预测，可能客户能想到的方案是安装传感器。而AI的方案是采集相关数据做预测。
误区2:数据深度挖掘：1）深度挖掘不是第一重要，2）数据广度（培养数据生态和养数据）更加重要。如果数据太少，技术的改进会比较微弱，引入新的数据可能会极大改进算法准确度。
误区3:数据支撑决策：1）BI支撑决策，2）AI是直接决策。这部门看起来不太成熟，个人感觉支撑决策也很重要。
误区4:数据分析是系统工程：1）传统ODS，DW，DM系统工程弱化，2）单点应用倒逼简化流程。从现在的AI决策来看，还是摆脱不了ODS，DW吧，但是感觉确实弱化的这一部分，但是AI加强了类似画像这样的环节的数据，个人理解如果所有的这种一维指标型数据同样依赖DW（更为简便好用）。
此文章纯属探索
