在漫長的歷史中，我們正在經歷一場“完美風暴”。舊結構正在逐漸分解。面對商業智能管理系統和數字化，我們需要進行調整，以應對更深層次的碎片化。
一、供應鏈中斷符合實時數據
利用預測和場景，在情況崩潰之前扭轉局面。處理實時數據的基礎設施已經到位一段時間了，但其關鍵用例和潛力尚未得到充分探索。現在，是時候進行這種探索了。
二、提高大規模決策的速度
在通貨膨脹期間，許多零售商如何解決不斷增加的成本問題？轉嫁消費者？不是長久之計！
商業智能管理系統、人工智能和自動化以及人類的經驗和直覺，大規模的決策速度大大縮短了從獲取數據到做出決策的時間。數據素養也是除了技術之外的關鍵賦能因素。因此，決策速度會留下大數據痕跡，模式可以分析，為決策挖掘創造突破口。
三、優化低代碼和高代碼
近年來，低代碼開發工具如雨后春筍般涌現。隨著開發門檻的降低，大量工具不僅促進了應用程序的創建，而且使數據和洞察力有了新的可能性。
四、人機競賽
自然語言模型已經實現了范式轉換，因為它采用了深度神經網絡機器的學習技術進行了大量的數據訓練。機器和人類的關系將如何發展？測試的機器真的在路上嗎？人類、數據和機器都在不斷突破中尋找答案。
五、“數據故事”驅動行動
數據敘事被認為是使數據對用戶構成意義的一種方式。故事可以在情感上打動人，促使人們采取行動，但是單獨的數據做不到這一點。然而，數據敘事不僅需要將圖表添加到信息圖表或PPT中，還需要與行動真正相連。
六、調整整合
我們可以看到，在一個日益碎片化的世界里，以前孤立的系統，如數據集成、分析、人工智能、可視化、商業管理系統數字化和自動化，正在不斷融合。這些融合創造了前所未有的機會。它使數據制造商和消費者之間的合作更加簡單。這種結合從他們心中的產品、成果或決策開始，然后圍繞他們的業務目標進行逆向思維，構建敏捷的數據管道。
七、舊貌換新顏-云
隨著企業數據向云轉化的日益成熟，許多與預設軟件市場相同的問題正在上升。這些需求不斷推高投資，包括云庫和云湖的許多軟件領域。
八、“X編織”保持互聯網連接
近年來，關于數據編織的討論越來越多。為了實現互聯網管理和全面控制，我們必須更密集地編織數據網絡，X編織應運而生。數百萬參與者在應用編織、商業智能管理系統編織、算法編織等方面起著不同的作用。當前，這些方法的成熟程度遠低于數據編織。
九、人工智能越走越遠
綜合上述，分析、自動化和人工智能不斷融合，交叉重疊越來越多。在這個過程中，它們相互作用，帶來了以前不可能產生的新洞察。人工智能在數據管理中的應用將使數據工程中更多的機械工作自動化。從而改變多年來“數據準備”和“數據分析”之間的二八分配規則。
十、計算和合成數據的興起
如今，我們比以往任何時候都更容易修改不同用例的數據，或者將數據轉換成用于特定目標的格式。轉換、處理、聚合、相關或操作后的數據稱為計算數據。計算數據對測試數據管理特別有用。未來，我們將看到更多的計算和合成數據，包括數據復用、測試、隱私法、缺乏數據和人工智能模型訓練數據的需求。
