商业世界正在迅速变化，为了适应新的业务模型，我们必须掌握数字业务时刻，这是可以动态利用的短暂机会，企业与客户互动的速度正在以惊人的速度加快，那些依赖旧的业务模式的公司被淘汰了，而他们需要几天或几周的时间来解决和响应客户的需求，而被那些能够跟上这一新步伐并立即提供服务的企业所取代。

数据摄取是一个需要从新兴分析和AI技术中受益的过程，数据科学家多可将80％的时间用于执行“数据管理员”任务：收集，清理和组织数据集。随着对更多数据和更复杂数据的需求不断增长，该问题变得越来越严重。

许多人都在谈论人工智能（AI），其中包括我自己，人工智能为各行各业的组织带来了希望，今天的挑战是在缺乏相关案例研究的情况下如何为组织中的AI做好准备以及如何规划AI应用程序。

人工智能（AI）能力所需的技能构成了一个“工具箱”，它将随着该领域的发展而不断发展，人工智能对于不断增长的业务流程至关重要，它将被整合到基本基础架构中，因此对新技能的需求将继续增长，仅仅了解算法和编程语言已经不够了，现在需要技能来使AI适应更广泛的框架，并使公司能够实现具体的业务目标，人工智能从业者需要与环境进行更深入的互动，这将增加对特定技术和垂直行业专家的需求。

许多人没有完全理解关键数据建模对于理解数据的重要性。建模不会延迟敏捷应用程序的开发；它可以帮助开发人员提前计划，众所周知，数据是企业的资产，它驱动着许多企业的决策。许多人不知道或至少不完全理解的是，数据建模对于理解数据，其相互关系和规则至关重要，太多的人看不到数据建模提供的价值。有些人认为它只是文档，是阻碍敏捷开发的瓶颈，甚至过于昂贵，不值得。

输送燃料以产生能量以促进人类进步的管道一样，数据平台已经使用了数十年，以输送数据来优化业务流程。这些技术大致分为以下术语：ESB（企业服务总线），ETL（提取转换负载），EDW（企业数据仓库）和BI（商业智能）。在过去的三十年中，它们已经多次复活以服务于应用程序开发范例，数据敏捷性和部署选择。让我们看一下过去的三个时代，以期展望未来。