供应链经理面临着的破坏，不仅是由于大流行引起的动荡，而且还因为需求的不断变化，客户期望的提高以及外部地缘政治因素的影响。两件事情变得很明显：这些破坏不是暂时的，它们暴露了当前供应链数据模型中的缺陷。

为什么供应链终能够访问和使用它来实现弹性，在电子商务时代，对实时数据的需求是由消费者期望值的提高所驱动的，但是拥有有关过去事件的数据（通过“后视镜”查看）已不再足够，今天的数据对于满足当前需求以及预测未来需求变化至关重要，那时数据“被转化为信息，并终转化为为终消费者创造价值的洞察力”。

当今的企业可以使用一系列人工智能技术，例如数学优化，以帮助应对和克服供应链中断，长期以来，数学优化已成为供应链计划和运营的技术，自1980年代以来，整个商业世界的公司都在使用大量现成的和定制的计划应用程序，不仅可以提高效率和盈利能力，而且可以管理和减轻中断，多年来此类技术一直是提高供应链敏捷性和弹性的关键工具。

在数据整合和完整性的全球，公布的一项调查结果1，突出企业面临成为数据驱动的组织和解决这些挑战所面临的挑战，显然企业知道数据的重要性，三分之二的人报告说他们每天都在使用数据，然而这些中有78％表示他们在使用数据方面面临挑战，超过三分之一的受访者表示，他们根本没有使用数据来制定决策。

过去的12个月为整个制造业带来了新的挑战和巨大的变化，COVID-19大流行和相关的干扰转移了所有企业（尤其是供应商和制造商）的工作重点，结果许多供应商经历的数字化转型揭示了关键的新兴技术，实用的解决方案以及更有效地运作的新机会，这些经验将继续推动行业向前发展，因为预计公司将继续适应不断变化的动态，今年三种趋势可能会超过大流行并占据主导地位。

机器学习工具可以准确评估麻醉患者的意识障碍，机器学习可以测量麻醉患者的神志不清，从而使麻醉师可以优化药物剂量，麻醉药物作用于大脑，但是大多数麻醉医师依靠心率，呼吸频率和运动来推断手术患者是否保持昏迷至所需程度。