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。
分析在体育运动中广泛应用的趋势引起了许多争论和争议。即使数据驱动的决策可以提供一些好处，但运动数据分析并不总是适合于每一个团队的问题。
Capital One and BuildingIQ公司的数据科学家使用了数据可视化技术，协助他们开发，训练和修改预测模型，提供高级分析应用的准确性。
如果分析工具与企业业务需求不匹配，那么即便最好的高级分析工具也是注定要失败的。企业的确需要重视预测分析，并且确保与业务重点保持一致。
当公共部门需要做出变化，接受新的数据驱动方法时，他们通常不愿意冒风险。但在这个不断变化的世界中，如果这些部门不想被淘汰，他们就不得不去面对这些风险。
通过快速交付数据产品或报告，分析团队可以将高管和业务合作伙伴召集到一起，互相交流意见，制定未来的支持计划，不过一般来说，首次交付的产品都不会太完美。
分析团队可能愿意花更多的时间去开发算法，但是如果忽视分析架构的重要性，可能会引发其他问题。
白宫近期对人工智能的未来广泛征求意见，而通过人们对此事的反应，我们可以看出，那些想要拥抱人工智能的人们，对其未来的看法存在着明显差异。
公众对机器学习技术的信心还没有得到充分验证，这与自动驾驶技术刚刚出现的情况类似，它对技术有着很大的依赖性。
随着越来越多的企业掌握了基本的商业智能报告和描述性分析，分析的真正价值逐渐进入更高级的阶段，如预测和说明性的分析。
英国脱欧投票引起了金融系统的广泛关注，投资者也面临着巨大的经济损失。但数据驱动策略和机器学习工具帮助了他们避免了一些风险。
