本书赞誉
作者显然已经探索了通向高效信息架构的途径，从他们的经验中学习是有价值的。如果你对组织如何使用人工智能技术负责，你会发现本书是一本非常宝贵的读物。值得注意的是，本书的写作维度广，使得本书具有相当高的可信度。如今，关于人工智能技术的大量论述似乎都存在一个技术真空——我们并不是都在创业公司工作，我们有需要考虑的遗留技术。作者提供了优秀的资源，承认企业环境是一个微妙而重要的问题。这些想法以合乎逻辑且清晰的形式呈现，既适合技术人员阅读，也适合业务人员阅读。
Christopher Smith
沙利文和克伦威尔有限责任公司首席知识管理和创新官
向Neal学习一直是一件令人愉快的事。那些敦促每家企业保持“相关性”的故事和例子成为我的动力来源，本书中提出的概念有助于解决我一直在试图解决的问题。本书几乎涵盖了数据行业的所有方面，对经验、模式和反模式都进行了全面的解释。这本著作对架构师、开发者、产品所有者以及业务主管等各类人员都十分有用。对于探索人工智能的组织来说，本书是迈向成功的基石。
Harry Xuegang Huang博士
A.P.穆勒-马士基集团（丹麦）外聘顾问
到目前为止，本书是我读过的关于人工智能和数据科学的令人耳目一新的绝佳书籍之一。作者通过深入到大多数组织从数据中寻找价值时所面临的核心挑战来发现真相，即将注意力从“神奇的”技术和过于简化的方法上移开。本书以深思熟虑的方式展开，遵循作者的建议，你将获得真实的长期价值，并避免诸多陷阱。
Jan Gravesen
IBM杰出工程师，IBM董事及首席技术官
大多数关于数据分析和数据科学的书都侧重于该学科的工具和技术，并没有为读者提供一个完整的框架来规划和实施旨在解决业务问题和提升竞争优势的项目。仅仅因为机器学习和新的方法从数据中学习，而不需要预设分析模型，并不能消除对强大的信息管理计划和所需流程的需求。在本书中，作者提出了一个整体模型，强调了数据和数据管理在实现成功的价值驱动的数据分析和人工智能解决方案中的重要性。本书介绍了一种优雅而新颖的数据管理方法，并从数据创建/所有权和治理到质量和信任的多个层次与维度，进行了深入探讨。本书涵盖了数据管理和信息架构敏捷方法的组成部分，可以促进业务创新，并且能够适应不断变化的需求和优先级。书中提供了众多不同业务面临的数据挑战示例，并且这些示例都与实际应用相关，从而使得本书非常具有可读性。对于数据管理人员和数据科学家来说，这本极为优秀的书可以帮助他们深入了解数据管理、分析、机器学习和人工智能之间的基本关系。
Ali Farahani博士
洛杉矶郡前首席数据官，南加州大学兼职副教授
鉴于当今技术的新发展，有许多不同的方法可以从数据中获得洞见。这本书不仅包含了使人工智能和机器学习成为可能的技术，而且真实地描述了能使人工智能易使用和可操作的数据所需的过程和基础。我非常喜欢关于数据治理的介绍，以及关于可访问的、准确的、经过策管的和有组织的数据在任何类型的分析中的重要性的章节。区域和数据准备的重要性与差异性也有一些奇妙之处，在任何类型的分析项目中都应该高度重视。作者很好地描述了组织内部与业务需求和信息结果相关的真实数据的最佳实践。向任何在数据与人工智能的奇妙空间中学习、娱乐或工作的人强烈推荐本书。
Phil Black
TechD数据与人工智能客户服务副总裁
作者将数据治理、数据架构、数据拓扑和数据科学完美地组合在一起。他们的观察和方法为实现灵活和可持续的高级分析环境铺平了道路。我正在采用这些技术为我所在的公司构建分析平台。
Svetlana Grigoryeva
Shearman and Sterling数据服务和人工智能经理
本书读起来很有趣，并提供了许多发人深省的想法。本书是数据科学家以及所有参与大规模企业级人工智能计划的人的宝贵资源。
Simon Seow
Info Spec Sdn Bhd（马来西亚）董事总经理
作为一直从事信息技术方面工作的万事达信用卡公司副总裁以及通用汽车公司全球总监，我很早以前就意识到了寻找最优秀人才并向其学习的重要性。在这里，作者带来了一个独特而新颖的声音，引起了人们关于企业级数据科学如何取得成功的强烈共鸣。随着大数据、计算能力、便宜的传感器的爆炸性增长，以及人工智能技术令人敬畏的突破，本书让我们认识到：如果没有坚实的信息架构，我们在人工智能方面的工作可能会落后。
Glen Birrell
执行信息技术顾问
在21世纪，使用元数据增强跨行业生态系统以及利用人工智能算法的层次结构的能力，对于最大化利益相关者的利益至关重要。当今的数据科学进程和系统根本无法提供足够的速度、灵活性、质量或上下文来实现这一点。本书是一本非常有用的书，因为它为智能企业提供了将想法付诸实践的具体步骤。
Richard Hopkins
IBM（英国）技术学院院长
对于策管、管理数据，或根据数据做出决策的每个人来说，这都是一本必读的书。本书揭开了数据科学中很多神秘和神奇的思维，以解释为什么我们在兑现人工智能的承诺上做得不够好。对于使用人工智能或机器学习的现代分析环境，本书提供了许多改进其信息架构实践的实用想法。我强烈推荐你阅读本书。
Linda Nadeau
Metaphor咨询有限公司信息架构师
本书解释了数据作为现代企业的自然资源的意义。继上一本探讨数据在企业转型中的作用的书之后，作者又通过本书引导读者通过一种整体方法来利用数据科学实现业务价值。本书研究了跨多个行业的数据、分析和AI价值链，描述了在相关行业的具体用途和业务案例。这本书是首席数据官以及任何行业中的数据科学家的必读之作。
Boris Vishnevsky
Slalom复杂解决方案和网络安全负责人，托马斯·杰斐逊大学兼职教授
作为一名与客户一起处理高度复杂项目的架构师，我所有的新项目都涉及大量的数据、分布式数据源、基于云的技术和数据科学。对于在现实世界中的企业级实践而言，这本书是无价的。它将使用人工智能技术的预期风险、复杂性和回报以一种组织良好的方式展示出来，这种方式易于理解，可以使读者从基于事实的学术中走出来，进入数据科学的真实世界。我将这本书强烈推荐给任何想要从事数据科学工作的人。
John Aviles
IBM联邦CTO技术主管
我拥有超过150项专利，并以一名数据科学家的身份创建了一些复杂的人工智能商业项目，这本书对我来说是一本极具价值的实用指南。两位作者确定了为什么信息架构必须成为人工智能系统成熟方法的一部分。我将本书视为“下一代人工智能指南”。
Gandhi Sivakumar
IBM（澳大利亚），首席架构师兼首席发明家
本书阐述了企业利用人工智能技术的开创性方法。作者提供了一条可以跨越云计算、雾计算和霭计算来使用人工智能技术的清晰易懂的路径。这是所有数据科学家和数据管理者的必读书目。
Raul Shneir
以色列国家网络局主任
作为沃顿商学院讲授数据科学的教授，我经常向我的学生提到新兴的分析工具，比如人工智能，这些工具可以为商业决策者提供有价值的信息，我也鼓励他们掌握这些工具。本书必定在我的推荐阅读清单之列，它清晰地阐明了组织如何利用人工智能技术的优势，建立一个成功的信息架构。两位作者抓住了许多错综复杂的主题，这些主题与我的学生进入商业世界息息相关。本书中提出的许多想法对那些在数据科学领域工作或将受到数据科学影响的人非常有利。本书还包括许多批判性思维工具，以便让未来的数据科学工作者做好准备……坦率地讲，当下的数据科学工作者也需要这些工具。
Josh Eliashberg博士
沃顿商学院市场营销学Sebastian S.Kresge教授和运筹、信息与决策学教授
对于数据驱动型组织来说，这是一个极好的指南——这样的组织必须建立一个强大的信息架构，以便通过数据科学不断提供更大的价值，否则就会被时代抛弃。这本书将使组织完成其变革之旅，并可持续地利用基于云的人工智能工具和对抗性神经网络的人工智能技术。书中提出的指导原则将推进数据的民主化、劳动力数据素养的具备，以及人工智能透明化革命。
Taarini Gupta
Mind Genomics Advisors的行为科学家/数据科学家