从核心释放的数据，下一个任务是数字化数据供应链，并将其转换为可以认知和利用以便在整个企业中进行数据LED决策的资产。我们在零售业务中为我们的几位客户执行此操作。我们努力对消费者行动的结构化和非结构化数据进行理解，响应促销，SmartLabel扫描，产品亲和力，客户的促销以及价格和促销感官。然后，我们使用机器学习模型来提高其实时产品促销的推荐逻辑。

我们将使用多种AI模型来解决专家辅助，近乎全自动模式的业务问题。这允许持续学习和持续改进，以应对验证和新模型。在某种程度上是这是如何为客户在金融服务业务中提供价值。我们部署了AI技术，以检测数据值中的异常和交易量，指向可疑事件，然后警告决策者潜在的欺诈活动。我们甚至研究这些模式以预测事故并才能立即预防违规行为。

通过这种方法，企业可以建立一个用于数据的面料，成为新的互联网，连接所有企业决策的驱动器的所有点，以及每个人都有平等的优势。有了这个，它不会区分从rans的胜利企业的数据。它将是由此数据放大的人，以便能够在之前进行连接，以通过协作关系找到以前的问题，并通过协作关系构建解决无法解决的解决方案。