不过分析师通常会根据他们创建的内容来创建有限的仪表板，我们所需要的是一个平台该平台使领域专家可以根据需要分析数据，我们所需要的是一个平台该平台使领域专家可以根据需要分析数据，数据查询用SQL编写，尽管许多范例试图弥合这种差距但许多范例声称是“自助式” BI，通过利用受所有业务分析接口（即电子表格）启发的云构建的分析工具，不必以控制为代价而授予这种自由，相反提供有限的自由度或深度的技术会使这些专家无法充分利用自己拥有的数据。

随着互联网的出现和日益广泛的使用，社交媒体已成为人们日常工作中不可或缺的一部分。社交媒体不仅用于与他人建立联系，而且已成为企业接触目标受众的有效平台。随着大数据的出现，社交媒体营销已经达到了一个全新的水平。据估计，到2020年，大数据的累积量将达到44万亿千兆字节。有了如此大量的可用数据，营销人员便能够利用它获得可行的见解，从而制定出有效的社交媒体营销策略。

开源已经成为主流。不仅限于中小型企业，其“免费”软件的承诺也吸引了他们，如此大的采用率上升是有充分理由的。首先，使用开源软件很容易上手。源代码的透明性使其易于评估。通常没有购买许可证，不需要与供应商互动。您只需下载该软件。

询问当今任何产品公司的几乎所有高管，他们是否会将自己的业务归类为“数据驱动”，而您会得到热情的“是！” 但是深入研究，您可能会发现比实际做法更多的良好意图。使用人工智能和机器学习等先进技术的软件的问世和可访问性已帮助许多企业更有效地使用数据来确定其产品与市场的契合度并满足客户需求，但是在很多情况下，该软件使企业陷入困境，但并不能终点线。围绕通信，数据质量控制和内部电源结构固有的挑战，这个问题似乎是无法解决的。

在未来一年中我们将看到效率和容量方面有意义的进步，使用IoT数据来优化客户体验的机器学习引擎，提高数据弹性，简化管理操作并改善客户体验，随着对AI和机器学习改善IT基础架构潜力的炒作的兴起，企业在智能基础架构管理方面的投资似乎正以同步增长的方式增长，但是预期的价值才刚刚开始实现。

尽管初在Hadoop，自助服务可视化产品以及数据仓库和集市上进行了投资，但企业仍将继续努力满足日常业务用户和分析师的分析要求。组织将面对从数据素养（知道如何使用数据，分析效率）到发现洞察力，数据质量和数据可用性的时间等问题。