当今世界，创新的步伐比以往任何时候都要快，最成功的公司是那些能够快速解决复杂业务和客户问题的公司。

数据科学可以帮助他们做到这一点——康宁正在极大地加快将这套强大的技术工具投入工作的方式。与默克公司(在美国和加拿大以外被称为默沙东)的合作促进了两家公司在数据科学、高级分析和数字平台方面的相互能力。

经过两年的合作，康宁和默克已经建立了七个强大的项目团队，他们利用数据科学的力量创造性地解决各种关键的业务问题。

例如，一个项目的工作流程专注于将预测建模添加到他们的研究技术库中。预测模型可以为科学家提供快速的选择，以了解玻璃化学如何影响物理性质。他们可以在几秒钟内获得特定场景的信息，而不是等待几天才能得到传统的实验结果。

在另一个合作项目中，康宁和默克的合作伙伴正在开发新的自然语言处理(NLP)模型。这些多功能工具可以帮助研究人员快速获取大量的详细信息——无论是文本还是数字形式——而无需扫描完整的期刊、报告或专利文档。

“这是一项传统上非常乏味的工作。使用这个平台可以给我们带来巨大的优势，”康宁数据科学家张柳(音)说，他从早期就参与了这项合作。他补充说，在内部开发应用程序比使用第三方软件成本低得多，同时有助于保护重要信息。

这次合作汇集了两家公司约50名员工。团队成员交流经验和新鲜的观点，可以帮助以新的和有效的方式解决问题。这些公司相信，他们学到的知识将对下一个研发和制造时代产生积极影响。

研讨会和年度数据科学研讨会吸引了来自康宁和默克的数百名研究人员，将工作流程的学习深入到公司的科学界。

最近的一次研讨会是在10月25日、26日和27日举行的，重点讨论了可供分析的数据，并邀请了数据科学领域的两位杰出教授和思想领袖进行了主题演讲。

荷兰马斯特里赫特大学的Michel Dumontier博士强调了行业标准在记录数据驱动研究中的重要性。自2014年以来，他一直致力于采用FAIR标准的数字内容——以制造数据的术语和做法命名可发现的,可,可互操作的,可重用的．他说，按照这些共同标准构建的知识可以成倍地加速许多领域的突破性发现。

麻省理工学院(MIT)兼职教授迈克尔·斯通布雷克(Michael Stonebraker)建议该团队投资于机器学习，以收集、清理和整合大量数据。这使得数据科学家和工程师可以专注于分析和应用他们所学的知识:“清洁的数据就是力量。”

MT&E的协作经理米歇尔·帕斯特尔(Michelle Pastel)表示，研讨会进一步激发了两家公司的数据科学专业人员的积极性——这对联合努力的势头来说是个好兆头。

她说:“我们正在创造一个更大的大创意资源库，我们正在更快地解决我们的共同问题。”

“它连接了我们双方最好的部分，我们正在帮助对方进步。”