!此為分頁標誌前台不顯示!
利用高等數學和統計學等獨特技能、機器學習和AI技術，資料科學家能夠將大量資料轉化為實際可行的計畫。隨著企業越來越深刻地認識資料驅動的價值，企業對資料科學家的需求也在不斷增長。若按照目前的發展趨勢，到2025年，資料科學家的數量將無法滿足企業不斷增長的人才需求。
隨著越來越多的機器使用AI與人類互動，它已逐漸成為企業重要的勞動力。在擁有機器員工的企業中，業務主管必須設法讓它們更有效地彼此合作。例如，製造公司可以使用AI機器人在倉庫中自動定位和存放產品；車載系統可以使用數學模型來躲避障礙，確定最佳路線，大幅提高分揀包裝流程效率。
機器學習技術能幫助企業改善營運，但也可能成為網路駭客的「幫兇」。現在駭客已經會編寫自動化系統來攻擊企業網路，竊取敏感性資料，而人工智慧和物聯網技術很快也將被加以利用。現實中，隨著儲存的個人資訊越來越多，互聯設備成為了駭客新的攻擊目標，惡意物聯網可以感染互聯設備，讓駭客竊取身份資訊，發起分散式阻斷服務攻擊（DDos）。Forrester指出，物聯網的快速應用帶來了更大的攻擊面，而嚴重不足的安全措施又進一步加劇企業風險。同樣，隨著企業和個人越來越依賴雲端儲存，駭客可攻擊的區域也越來越廣。
甲骨文預測，2025年，80%的資安攻擊將來自企業內部。從網路服務到資料庫，現代企業技術體系的每個層面都有可能出現被駭客利用的漏洞。很多情況下，企業無法快速安裝安全修補程式、自動化的缺失也導致人為錯誤風險居高不下。在甲骨文看來，面對不斷成長的安全威脅，企業的最佳選擇是運用自主技術來自動修補程式，24小時全天候地確保系統完整性。
在未來幾年，大多數安全威脅都與物聯網的「物」相關。例如，據Forrester預測，駭客會阻斷家庭照明系統等產品的網路連接，或者干擾工廠製程系統的運行，並用這些設備作為「人質」，要求製造商支付大筆贖金。
截至2025年，80%的身份資料將與「物」相關，而不是「人」。屆時身份資料的規模將達到前所未有的水準，且大多分佈在使用者、應用和生態系統中。以情境感知(context)為基礎的身份資料會連結行為、位置、使用模式、系統資訊等相關資料，網路安全專家可以利用這些資料、機器學習和AI技術來預測行為和模式，揭露潛在安全威脅。借助機器學習和預測分析，企業將能夠提高系統能見度，以進階的自動化水準發現可疑活動。