解决数据效率低下的问题时，业务多语言版本会通过多云进行扩展

如果能够正确使用云，多云有望带来巨大的回报，但是数据效率低下和复杂的合规性政策阻碍了许多人的进步，期望随着实施有效的数据策略以及新技术向大众释放真正的多云功能，其中一些数据效率低下的现象会逐渐消失。

人工智能/机器学习/机器学习信任/伦理/偏见

有关数据道德的问题将减缓人工智能和机器学习的创新速度：去年，围绕AI / ML的炒作激增，数据伦理，信任，偏见和公平都浮出水面，以消除使一切变得智能的过程中的不平等，数据道德有很多层面，虽然机器学习的进步不会停止，但随着研究人员试图为机器决策制定一种公平，平衡的方法，它们的发展速度将会放缓。

算法的黑匣子变得越来越不透明

人工智能和机器学习带来的数据道德问题的部分原因在于，数字和场景都难以处理，无法洞悉随后的答案。即使是研究人员，也很难在事后对其进行梳理，在未来的几年中，尽管使用专有算法不会完全透明，但是随着终用户对数据及其使用方式的了解日益加深，黑匣子将变得越来越不透明。

数据隐私法规将变得越来越普遍

例如，加利福尼亚，日本和已经在制定自己的法规，以采用类似于欧盟GDPR的法规，公司都严重误用了消费者数据，这表明需要增加和广泛的数据隐私法规，甚至促使苹果呼吁制定全球隐私法规，随着消费者现在将数据隐私视为一项人权，必将遵循更多的数据治理政策，随着隐私法规的传播，组织会将数据治理误认为是数据骚扰：根据消费者在线上所做的事情，公司能够通过其数据确定其人口统计学，兴趣甚至是个人生活中发生的事情，这导致营销过于针对性，可能会让人感到骚扰。

尽管组织努力遵守隐私法规并为每个消费者创建更全面，更全面的见解

但治理与骚扰之间的界限将变得模糊，随着实践的形成，将有艰难的道路，社交媒体的官方规模太大了，社交媒体公司已经成为的出版媒体品牌，他们今年终于要受到审查。然而，尽管国会参与，但广告宣传未成年人和数据隐私争议并没有真正的影响，而现实情况是社交媒体品牌已经变得太大而不能倒闭。

尽管仍将有补救的斗争-为此应该做些工作-2019年将巩固社交媒体公司现在太大而不能倒闭的方式

数据技能/数据作为团队运动数据技能差距将增加，但数据素养也将增加：数据既是企业的问题，又是企业的答案，这是一个问题，因为企业设法收集了超过他们不知道如何使用的数据，但这是答案，因为它可以预测预测并提供有关企业应如何运作的见解。

期望看到数据技能的差距继续增加-用户需要能够正确分析数据的来源和使用方式

并且随着可用数据的增加和算法的发展，它只会变得更加复杂。但是，与此同时，业务用户在寻求以团队方式处理数据并相互帮助从数据中获得所需信息的同时，他们还将提高数据素养，无服务器和开源，无服务器将不再像开发人员那样大肆宣传：去年是关于了解无服务器的全部内容，但是随着更多的开发人员了解无服务器的好处并开始在无服务器环境中进行测试，将创建更多的工具来使他们充分利用该体系结构并充分利用功能即服务。

无服务器将创建新的应用程序生态系统，使初创企业可以在低成本的体系结构上蓬勃发展，并创造性地解决部署难题

市场将在开源技术上翻倍，去年涉及开源的交易达到530亿元，期望看到企业将开源技术翻倍-将会完成更多的投资和交易，并且开源社区还将在看到市场上开源机会之后为项目投入更多的精力和精力，迄今为止，开源仍然可以使用免费增值模式运行，但是随着企业在常规开源技术中发现价值，未来几年可能会看到这种转变。