为了能够利用这些机会，数据分析必须被公司的管理层所重视，让其为整个企业发挥更加持续和动态的作用。

• 到2021年，75％的预建报告将被取代或增强，顺利获得在“最被需要”的基础上给予智能洞察的方式。

• 到2022年，用户和应用之间的个性化交互都将是自适应的。

• 到2022年，用户互动将受实时位置分析的影响，将从2017年的4％上升到30％的。

• 到2023年，人工智能和深度学习技术将取代传统的机器学习技术，成为数据科学新应用的最常见方法。

• 到2024年，数据科学家的稀缺将不再阻碍企业使用数据科学和机器学习。

• 到2020年，具有增强数据发现功能的敏捷BI平台将是其他BI平台增长率的两倍。

• 到2022年，来自超大规模云给予商（亚马逊，谷歌和微软）的基于云的机器学习服务，在实现数据科学的平台方面，将到达市场的20％临界点。
  
  

• 到2023年，更广泛的用户对位置信息的访问预示着所有数据分析项目中，将会有一半以位置数据作为关键数据源，高于现在的三分之一。
  
  

• 到2022年，数据分析云供应商中有60％将仅使用第三方基础架构即服务（IaaS）解决方案，并将停止运行自己的基础架构，从今天30％的比例上升。

• 到2020年，发达国家20％的公民将使用 AI 助手来帮助他们完成一系列日常运营任务。

• 到2020年，85％的 CIO 将顺利获得购买、搭建和外包相结合的方式，试点人工智能项目。

• 到2020年，人工智能驱动创建的“假冒现实”或虚假内容，将超过人工智能检测它的能力，从而引发数字不信任。

• 到2022年，40％的面向客户的员工和政府工作人员，将咨询 AI 取得决策或流程支持。

• 到2022年，具有内置透明度的企业AI项目将有100%的更多可能取得来自CIO的资金。

• 到2022年，处于成熟经济体中的大多数人，比起真实信息，他们将消费更多的虚假信息。

• 2021年，人工智能增强将创造2.9万亿美元的商业价值，并解放62亿小时的工人生产力。

• 到2022年，五分之一的从事非常规任务的工人将依靠人工智能来完成他们的工作。

• 到2022年，尽管出纳和业务工作将被打乱，多渠道零售商顺利获得人工智能取代销售人员的努力，仍将被证明是失败的。

• 到2021年，CDO 将成为所有与技术相关的C级别职位中最多的职位，并且女性的比例会从今天的18％上升为33％。

• 到2022年，30％的领先组织将正式采用信息系统实践，并重视其信息资产，为内部目的维护资产负债表。

• 到2022年，只有20％投资于信息治理的组织，将在扩大对数字业务的治理方面取得成功。

• 到2021年，用于数据管理和集成的分布式语义处理将与数据有相等的地位，作为信息策略的主要规划约束。

• 到2022年，超过一半的数据分析服务将由机器而不是人类来执行。

• 到2020年，大多数数据分析事件的使用，需要连接到分布式数据源，主要企业将元数据管理的投资加倍。

• 到2021年，基于新技术和实践，利用位置不可知的数据语义，将使数据管理和集成成本降低35％。

• 到2020年，采用数据中心策略的组织将取决于共享和受管理数据的成果，而成本至少降低60％。

• 到2020年，30％的数据湖泊将建立在标准的关系数据库管理系统技术基础上，其成本等于或低于Apache Hadoop。

• 到2021年，至少25％的大型和全球性组织将采用结合多种内存技术的平台来减少 IMC 基础设施的复杂性。

• 到2019年，75％的云本地应用程序开发将利用 IMC 或使用 IMC 的服务，从而使主流开发人员能够实施高规模/高性能应用程序。

• 到2022年，40％的大型和全球企业将使用 IMDBMS 来减少数据发布中物理数据存储的扩散。

• 到2022年，90％的 DBMS 和数据网格软件将支持或依赖非易失性 RAM（NVRAM）。