为了跟上大数据的节奏和改善我们对信息的使用，我们需要能快速而廉价地抽取相关性并将其与行动关联起来的应用
考虑到预期的数据科学家和具有量化分析能力的商业用户的短缺，以及我们迫切的继续挖掘已经收集到的海量数据的需求，我们要能更好地开发分析应用，使其能够生成认知并关联到行动上。这类应用，被我称为认知应用，将超远胜于从数据中抽取相关性。
我们已经在数据理解上取得了很大进展。我们已经降低了管理大数据的开销，与此同时改进了我们分析和提取关键信息的能力。但是，大数据的增量过快以至于我们不能通过更快或者更灵活的查询以及报告来紧跟步伐。我们需要能够创建廉价快速的可执行认知能力，特别是通过使用认知应用。我将在下一篇博客中更加完整地讨论这一主题。
Evangelos Simoudis，加州理工学院信息科学与技术顾问委员会成员，布兰迪斯大学科学委员会成员，布兰迪斯大学国际商业学院的咨询委员会成员，纽约城市科学中心和规划咨询委员会成员。在布兰迪斯大学获得计算机科学博士学位以及在加州理工学院获得电子工程硕士学位。