網絡專家Mike Jude表示，大數據分析離不開認知計算，所以構建認知計算框架時不能掉以輕心。

人們越來越關注大數據在企業內部的應用，但卻很少關注這些大型數據應用程序一旦建立后是如何被有效利用的。大多數情況下，企業都會給架構師提供一個允許數據專家查詢這些數據存儲情況的分析環境。換句話說，我們并沒有民主化這些數據，也沒有讓它們做各個層面的決策，而是我們創建了一個新的IT象牙塔：一個由身穿白色實驗服的人來幫我們做相應的查詢工作。

當然，在大的數據應用環境下可以使用分析軟件應用程序來完成一般的查詢工作。但是，很多重要的企業業務和網絡相關的決策不能交給那些通過幾個簡單的問題來選擇的分析設備。相反，我們需要的是一個分析和大數據工具，這個工具能夠把所有可用數據應用到特殊問題上，還可以利用那些模糊數據。這就是認知計算：使用智能設備從大量數據集中得出結論。

“沃森”的價值

IBM公司研究認知計算在大數據分析上的應用已經有一段時間了。早在2011年，IBM就在美國智力競賽節目Jeopardy中展示了其“沃森”認知計算技術。在那個游戲中，“沃森”屬于專家級別，擊敗了兩個人類選手。那么“沃森”是如何贏的呢?其實是通過分析用來支持該游戲而創建的大規模數據庫中的問答實現的。

從那時開始，IBM進一步開發“沃森”技術，并將其應用于需要在復雜的數據集中快速找到答案的基于云的應用中。它支持前端自然語言，也可以用來分析大型數據集合中的關系。特別要提到的是Watson Explorer和Watson Analytics應用，它們允許決策者從字面上考慮在特定領域中的可用數據來確認他們的決策。“沃森”不是通過分析無用數據，而是通過利用企業中所有的大數據應用資產來保證分析的準確性。

最近有一篇關于“沃森”的新聞，IBM展示了其利用所有可用數據來解決問題的價值。在此新聞事件中，IBM展示了“沃森”是如何通過匹配癌癥患者的遺傳信息來改善患者治療方案的能力。由于醫學研究的工作量是成倍增長的，而且非常復雜，如果由醫生來做幾乎是不可能完成的任務。但是“沃森”可以，它可以從數據庫中快速匹配，找出精準的治療方案，并向主治醫生提供可行建議，甚至當醫生選擇了治療方案后記錄相關治療方法，向主治醫生學習經驗。以后會越來越快速精準的。

有一種方法可以證明認知計算的價值

IBM通過一個提供免費訪問的在線門戶網站將其Watson Analytics提供給開發人員和企業IT人員，以研究其功能。在實際應用中，IBM通過訂閱方式向企業和IT部門銷售其“沃森”云環境。另外，IBM剛剛宣布了一個新的企業級混合云產品，希望能夠保持其內部部署的計算環境。

當然，“沃森”并不是分析和大數據認知計算的唯一方法。如今有很多人工智能初創企業在研究這一領域。比如SmartAction，它是一個人工智能交互式語音應答的開發工具，利用IVA平臺來處理客戶呼叫中心的工作。另外，Cognitive Systems Institute也是在這一領域用來跟蹤事態發展的很好的資源。

但是，“沃森”和它們并不一樣，因為它是第一個設計用于一般用途的市場成熟的認知設備。有了開放的API，它顯然是用于創建一個生態認知系統，這將最終推動一個新的理論計算趨勢。

企業IT專業人員需要逐漸熟悉認知計算技術、先進的分析技術和人工智能技術。根據Frost & Sullivan Stratecast的一位分析師預測，數據很快會呈指數增長，到2020年，企業將有超過20 zetabytes(20萬億千兆字節)的數據。這種龐大數量的數據存儲工作都將變得非常有挑戰性，使用像spreadsheets這種工具來分析數據更是變得不可能。所以需要更高級的工具。

但是，實施認知計算并不簡單。在沒有外界幫助下開發基礎設施來支持認知計算不是一般的IT部門可以做的。“沃森”也是通過前期大量的專業服務來確定用于支持和微調該方法的用例。這個企業案例依賴于業務指標作為這一過程的一部分，因此，一旦實施了應用程序，就可以確定投資回報率(ROI)。對于任何技術的實施，業務指標都必不可少：這很難衡量一個新技術的影響，除非你知道它和誰比較。

這里有一個問題是，是否所有的前期努力都有回報。Stratecast認為，在每個垂直行業里，了解認知計算的公司的業務都具有無可比擬的競爭優勢。認知計算是轉型：它將重新定義競爭格局。它是值得的。