围绕企业利用潜在客户，产品和市场产生的大量数据的潜力，不乏夸张的和基于事实的证据，但是尽管设计从数据分析中有效获取可行见解所需的技术基础架构可能令人生畏，但克服一些管理人员的不良习惯和灌输到组织本身的不良习惯对于某些公司而言可能会更成问题，数据驱动从重要的企业资产中获利，有六种不良习惯可以阻止公司成为数据驱动型企业。

平均每个公司都在使用9.3个不同的SaaS应用程序，云显然正在蓬勃发展，并且只会继续增长，云作为部署模型可提供灵活性，可扩展性和降低的风险-所有这些都以较低的成本实现，不喜欢什么？云非常适合快速探索新环境并快速连接到标准化应用程序，但这并不是一个神奇的解决方案。

尽管数字鸿沟曾经是由具备新经济技能的人和没有经济技能的人所决定的，但新的数字鸿沟正在出现，可以使用数据创造价值的公司与不能使用数据创造价值的公司之间的鸿沟，由于缺乏数据科学家和其他接受过数据分析培训的人，这种差距正在加剧，并且公司争夺大数据以竞争的风险越来越大。

越来越多的企业采用分析来利用不断增长的有关客户，竞争对手和新市场的可用数据，C级主管将分析视为至关重要的优先事项，他们将越来越多的资源用于新技术的部署，以支持挖掘数据以获得可行的见解 ，受访者表示，越来越多地使用数据来促进：决策，研发流程以及预算和预测，此外高管还指出他们正在使用大数据分析来增加收入或改善流程质量。

一个大量数据可准确地训练这些算法，并具有足够的处理能力以有效地挖掘该数据，在医疗保健AI软件和服务方面拥有20多年的经验，“人工智能”一词 早于1955年使用，但是有一个原因使我们才刚刚开始进入该技术的黄金时代，人工智能需要三个主要要素来发挥其潜力：构建创新算法所需的人才和资源，用于准确训练这些算法的大量数据以及有效挖掘该数据的充足处理能力，如今，这三者已被牢固确立，而这些个别因素正将AI推向难以想象的高度。

对大数据和技术的兴趣迅速增长，以利用流入公司的大量信息，这与那些具有从数据中获得可行洞察力的技能的人所需要的增长并没有匹配，各种研究公司预测，数据科学家和其他具备收集大数据所需技能的迫在眉睫的短缺，有34％的CIO认为大数据方面的技能短缺，该类别甚至没有在2021年引起关注，直到2021年才出现。