预测分析，地理空间分析和文本分析等技术继续成为主流。机器学习和物联网分析等其他技术成为市场热点，机器学习使计算机在不经过明确编程的情况下运行的科学在一直并将继续成为一个非常热门的话题，尽管该技术已经存在了数十年思考决策树，但它重新引起了人们的兴趣，随着数据量的持续增长以及组织寻求机器学习来帮助执行诸如预测分析之类的任务，机器学习可以应用于预测客户流失，零件故障或患者再次入院的可能性，但是机器学习也被用于语音和图像识别，游戏以及自动驾驶汽车，它是AI（人工智能）的重要组成部分。

聊天机器人因其易于使用的终用户界面而风靡一时，几家科技巨头已经开放了平台，使各行各业的公司都可以利用该技术作为其商业智能系统的前端，主要的技术公司都在继续发布以语音激活的自然语言界面代替传统用户界面的产品，原因很简单，该界面易于用户操作，并允许将这些产品无缝集成到日常对话中，如果您需要一个答案，就如同询问一样简单，并且结果以漂亮的数字助手的声音返回。

您的企业是否在充分利用事件和异常检测？商业智能的出现应该终使企业能够真正利用其系统中运行的大量数据。当该领域初开始时，提供可视化或基本参数设置以检测业务事件时，压倒性的感觉是乐观的是，从这些开始（尽管很谦虚），BI部门可以开始挖掘隐藏在一般分析师眼中的新真理。

专门研究医疗保健效率和合规性的律师介绍了分析如何以更低的成本带来更健康的人群和更好的结果，我们如何才能赶上那些花费比我们少得多但健康状况好得多，人口更健康的？我的时机非常，所有这些都对健康数据隐私的关注开始，以及我们的医疗保健系统已开始由电子记录和电子支付转变的事实相吻合，直到90年代，数据隐私和电子记录在医疗保健中还不是大问题。

识别隐藏的机器学习债务只是实现无债务的步任何形式的债务-如果不解决-只会随着时间的推移而恶化，关于机器学习系统也可以这样说，隐藏债务和技术债务之间存在重大区别，可以通过重构代码，删除无效代码，减少依赖关系，引入易于维护的抽象等等来解决技术问题，但是隐藏的债务很危险，因为它会默默地增加。

当要充分利用其数据时，组织仍然会花太多钱，多少？这取决于，当要从其（大）数据中获得收益时，组织仍然会花太多钱。多少？现在，这取决于，大数据：创新，竞争和生产力的下一个前沿-设定了五个不同行业的公司的价值目标，通过对分析技术进行投资，制造，零售，医疗保健，位置服务和公共部门中的企业可以节省很多钱。