3.自动化变得更加重要
然而，数据日益复杂以及处理和分析数据所需的东西意味着自动化在未来几年将变得更加重要。
Sallam说：“从类型和成功所需的分析来看，越来越复杂的数据确实使当前人工方法不堪重负。因此，几乎在数据管理和分析内容开发的每一个方面，从上到下，整个堆栈都在利用自身来自动化分析过程，自动化可以使我们从这些系统获取信息，并以优化的方式进行操作。”
Schatsky对此表示赞同，并指出，实现自动化的主要原因在很大程度上是由于缺乏数据科学家、数据工程师和数据科学团队的其他成员。
Schatsky说，“许多数据科学家表示，他们将大约80%的时间花在繁琐和重复的任务上，如数据准备、功能工程、选择算法。人们发现的很多事情都可以在某种程度上实现自动化。这并不意味着数据科学家将因为被机器取代而失去工作。这意味着工作效率可以提高五倍，这意味着一家拥有两名数据科学家的企业如果实现自动化，就可以像拥有10名数据科学家那样高效。”
4.组织将越来越多地利用第三方数据
Schatsky表示，拥有更高级分析程序的公司将在未来几年内更多地利用第三方数据。
Schatsky说，“能够有效地利用第三方数据将会清除数据集成、数据清理以及所有这些方面的正常技术障碍。它包括企业需要发展的更多面向市场的能力：不断扫描环境以了解哪些数据源可用，促进评估这些数据源以生成数据的简化过程，包括合同和法律问题以及风险审查。这是企业真正应该培养和投资的能力。”
Schatsky表示，以供应链管理为例，经营供应链的公司在过去可能通过跟踪其供应商的行为来管理风险：他们交货的时间，他们交付的产品达到或未达到质量标准的频率等等。
“这是一种低级供应链风险管理。”Schatsky说。更复杂的组织可能已经采用了上一代第三方数据，如信用评级信息，以帮助确定与供应商或客户合作的风险。
他表示，如今，拥有更复杂分析功能的组织正在寻求包括第三方数据（如天气预报）来完善其风险评估：例如该组织在易受天气影响的地区是否有供应商？或者他们可能会将社交媒体的数据包括进来，以帮助他们找到需求变化模式的线索。如果社交媒体的指标显示某一产品的需求正在飙升，那么该组织是否应该增加对这些产品原材料的采购？
他说：“这是企业致力追求的卓越水平。”
