三个重要的技术组件，这些组件可以一起构成现代数据仓库，从而通过减少执行耗时的手动数据操作的需求来显着提高运营效率。

企业客户开始从物联网概念证明转变为利用物联网分析的“可扩展”部署，在过去的18个月中，大量供应商启动了与物联网相关的重大计划，这些参与者和其他参与者都可以说试图引导或拖动物联网市场，根据市场观察家国际数据公司的一项新调查，他们不再需要吸引买家，全球物联网决策调查”发现，企业客户开始从物联网概念证明转变为利用物联网分析的“可扩展”部署。

分析是当今市场营销中的热门话题。企业正在利用数据来提高客户参与度或跟踪营销活动的有效性，有没有今天不流行但有很大潜力的工具或技术？为什么？当人们想到数据科学领域的工具时，就没有竞争了-R是当今用于统计模型和可视化的的数据工具，是一种今天不那么流行并且刚刚开始点燃的工具，目前以其处理速度而闻名（因为它同时使用内存和磁盘处理），甚至有人认为它将在将来取代Hadoop，它可以改变企业使用大数据的方式来改善运营，覆盖客户并发现新见解，它很容易学习，并且基本上可以在任何地方运行。

期望传统的存储和数据结构能够提供云原生应用程序所需的可移植性，规模和速度，这一定会让您失望的，为什么数据-商业资产的明珠-如此难以管理，保护和货币化，尽管它得到了客户和供应商的一致关注？答案可能出在问题上。

农业领域的数据丰富和数据密集的平台与我们面临的社会和环境挑战一样复杂和细微，因此他们需要强烈的编辑意识，以使其易于消化，以驱动用户的决定，行动和持久的行为改变，该平台将咖啡，可可和其他农作物的客户与他们的供应链联系起来，这是通过量身定制的数据演示（或个性化的用户体验），响应快速测试并实施的行为科学发现而实现的。

不计划将模型投入生产可能会导致项目失败或增加部署模型所需的时间，随着组织进行数字化转型，他们正在寻求更高级的分析，公司不同部门对机器学习的兴趣与日俱增，例如制造运营团队可能使用机器学习来进行与装配线相关的预测性维护，呼叫中心座席可能会使用通过机器学习构建的客户流失模型来为有客户流失风险的客户提供特殊优惠，尽管这些用例可能位于组织的不同部分，但它们都需要将模型部署到生产中。