TechTarget网站编辑，重点关注商务智能、数据分析和数据可视化技术。
作为分析市场的供应商之一，SAS的软件从未成为“开放性”的代名词。该公司的规模允许它设定客户如何购买其软件的条款，通常这意味着销售独立软件。
我们常常认为组织应该由数据驱动决策，基于数据分析做决策的企业要比其它企业做的更好。
使用预测分析工具的企业用户有个普遍的共识，那就是数据始终驱动业务决策。 但在政治领域，这种说法并不是那么适用。
在Gartner关于2016年新兴技术的报告中，认知系统和机器学习被认为是热门技术。这导致一些评论家猜测，炒作正在迅速超过AI技术本身提供的能力。
2016年不乏有关机器学习和人工智能的新闻，虽然一些事例显示了技术的发展前景，但并非所有的机器学习和AI项目都会取得成功。
随着日常生活中数据生成设备的数量不断增长，关于“是否应该将数据公开，以及何时应将个人数据视为私有”的争论也在不断增加。
，对于企业而言，让员工能够构建预测模型并执行其他类型的高级分析，这一点变得越来越重要。
随着更多新兴工具和技术的出现，许多企业正在努力应对当今大数据和数据科学生态系统的复杂性。根据TDWI的最新研究，专业数据科学家的短缺仍然是企业面临的数据科学的挑战之一。
如果有一个行业部门能够从大数据分析中受益，那就是是非营利性社区。但是非营利组织通常缺乏资源，无法真正利用他们拥有的数据。
公共部门的IT支出与日俱增，但大部分投资用于内部部署的大数据基础设施，是时候做出改变了。
