另一方面，Salesforce 长期以来一直是声明式开发的发源地，并带有一些用于高级定制的代码。但在过去几年中，随着它吸收了云平台 Heroku，其优先事项发生了变化。部分原因是企业采用了持续集成工具，开发了涵盖整个软件开发生命周期的自定义工具链。
这一变化让 Salesforce 被排除在外，它拥有自己的 IDE 和开发方法，无法被 Chef 或 Ansible 等工具捕获，也无法由 Jenkins 或 Travis CI 管理。
毫无疑问，人工智能已经取代大数据成为企业技术行业最受欢迎的新流行语。毕竟，它出现在 Gartner 的新兴技术炒作周期中是有原因的。虽然在最初几十年进展缓慢，但在过去十年中，人工智能的发展速度迅速加快。
一些人说人工智能将增强人类，甚至可能让我们永生；其他悲观的人则认为人工智能将导致冲突，甚至可能使社会自动化，从而导致失业。 尽管观点不同，但事实上只有少数人能够真正识别人工智能。今天，我们被各种微小的人工智能包围着，比如我们智能手机中的语音助手，但我们却不知道或察觉不到这些服务的效率。
从 Siri 到自动驾驶汽车，人工智能已我们 克罗地亚手机号码数据 的经济、个人生活和整个社会带来好处。现在的问题是企业将如何从人工智能中获益。但是，在公司或个人获得人工智能承诺带来的众多改进之前，他们必须首先从高质量、干净的数据开始。
人工智能的成功依赖于准确、干净和经过验证的数据。数据质量和智能必须齐头并进组织目前使用数据来提取大量有助于战略规划的信息资产。战略计划决定了组织的未来以及它在日益激烈的竞争中的表现。考虑到数据的重要性，低质量信息造成的潜在影响确实令人望而生畏。
事实上，不良数据每年给美国造成约万亿美元的损失。最近，我有机会采访了领先的大数据和云集成公司之一 Talend 的 Nicholas Piette 和 Jean-Michel Franco。
Talend 首席布道师 Nicholas Piette 已在集成公司工作了九年，加入 Talend 已有一年多。当被问及数据质量和人工智能之间的联系时，Nick Piette 权威地回答说，两者缺一不可。
数据质量和人工智能密不可分，只有保证数据质量，人工智能才能不仅准确，而且具有影响力。5R 方法为了更好地理解数据质量的概念及其对人工智能的影响，Nick 使用了 5R 方法。 他提到，他从麻省理工学院的教授 David Shrier 那里学到了这种方法。