科学家们将提高他们教计算机准确理解语言的能力。

我们将在今年看到我们对文本进行建模和处理的方式取得重大进展。目前在自然语言处理（NLP）圈子里有一场激烈的辩论，围绕着该领域中一些最成功的模型的脆性，以及对文本进行非常简单的操作会导致它们以令人尴尬的方式崩溃。目前，最好的模型只能够记住精心设计的模式，而我们还远远没有接近能够真正理解文本的模型。因此，我期待这一领域的大量研究，而且我乐观地认为，我们将开始读到可以引入 "常识 "并将其纳入我们的模型的方法。

-迈克尔-摩根，尼尔森公司首席数据科学家

优质、干净的数据的重要性将越来越大。

我认为我们将看到人们越来越关注寻找创新的方法来补充和改善 "神经网络"（例如，以人脑和神经系统为模型的计算机系统）的训练数据。这些类型的模型只能提供与投入的数据一样好的结果。因此，我相信我们将看到更多关注于有效提高这些数据集的质量和数量。

-杰西卡-布林森，高级数据科学家，尼尔森

机器学习和人工智能将成为寻求释放增长的公司的关键差异化因素。

更复杂的算法、更强大的数据科学人才和越来越多的数据量将使企业在2019年将ML和AI作为关键的差异化因素，并释放出比以往更多的价值。

五年后，围绕数据科学和人工智能的对话将推进到如何从工具和算法的发展中发展复杂的问题解决能力。此外，算法和软件将对非数据科学人群变得更加友好和民主化。

-Avi Jain，区域数据科学客户负责人，尼尔森

收集在线数据的能力将变得更具挑战性和分散性。

随着越来越多的互联网浏览器开始屏蔽第三方cookies，数据管理平台（DMP）供应商在收集在线数据时将开始面临挑战。营销人员会发现，个别DMP将无法像以前那样提供同样数量的数据，并具有同样的准确性。这将大大影响营销人员准确定位和细分受众的能力。同时，DMP供应商将寻找能使他们弥补这种数据损失的解决方案。

- 易鹏飞，尼尔森公司数据科学部主任

成功的公司将大幅投资于以数据科学为支撑的解决方案

数字化正在颠覆传统的营销方式，创造一个更加动态和分散的环境。因此，特别是消费类包装商品（CPG）公司看到了更大的压力，需要以更大的盈利能力来执行。CPG营销人员更加重视实时解决方案、相关性和速度，而不是强大和理想的设计。他们还在寻找敏捷和创新的方法，以提供一个全面的市场视图，而公司将越来越多地转向数据科学来处理和解决这些挑战。

消费者产生的数字数据量预计将在未来每年翻一番，想要驾驭这种数字洪流的公司将投资于数字化技术来捕获和测量数据。他们还将利用人工智能、ML和神经网络设计解决方案。纳入数据科学算法的公司将发现可扩展性和效率的提高，并将能够超越传统的测量流。

- 尼尔森公司数据科学部主任Neerja Joshi