到2025年，黑暗数据的数量预计将增长五倍，企业需要知道如何有效使用这些数据，金融技术行业中数据洞察力，应用人工智能和机器学习的潜力，可帮助客户做出更明智的决策并有效运作。

在过去的50年中，人工智能（AI）经历了一波又一波的大肆宣传，但现在它正处于拐点，并在整个价值链中变得至关重要，人工智能在所有运营层面都扮演着更为直接的角色，而人工智能人才库的增长速度还不够快，2015年至2019年之间IT部门对AI人才的需求增加了三倍。

产品创新以及我们为使用户能够充分利用其数据的能力而推出的一切的家，API是当今（技术和组织）生态系统中的结缔企业并且现在已成为业务增长的重要引擎，早就认识到API的重要性，因此带头提供了一个基于API驱动的体系结构的开放且完全可扩展的数据和分析平台-包括从API到JavaScript API到Sisense的大量API和开发人员工具附加基础架构，使构建者可以自动化，集成，扩展和嵌入分析，特别是 API使高级用户和开发人员能够以编程方式自动化工作流并访问服务器功能，例如用户和安全管理，仪表板/小部件，品牌和管理设置。

分析不断发展；随着数据集变得越来越大和越来越复杂，只有AI，物化视图和更复杂的编码语言才能从中收集见解，在“下一步行动”中，我们将探讨高级分析为下一波创新铺平道路的方式，机器学习（ML）是指使用现有数据，计算能力和有效算法来识别数据中的模式，在模式再次出现时识别这些模式以及根据这些模式正确预测结果，ML中常见的问题类型是分类问题，在这些问题中，我们尝试预测对象或事件是否属于某个类别，分类问题的一些示例是检测信用卡交易是否为欺诈行为，检测电子邮件是否为垃圾邮件以及检测客户是否可能流失。

对于产品团队而言，开发分析应用程序是一个大胆的新方向。我们在工具箱中讨论开发实践，技巧，窍门和成功案例，以帮助您建立分析的未来，并为用户提供所需的见解和行动，从而为他们提供支持，在企业内部使用数据的终目标是什么？您可能回答了“做出更明智的，由数据驱动的决策”之类的问题。这是许多公司的目标！但是他们将如何实现这一目标？如今，各种公司正在使用比以往更多的数据，但是商业智能的采用率仍然很低。为了理解这个问题，让我们快速浏览一下BI的历史，然后讨论未来：分析应用程序。