科技迅速改变了企业数据分析的用途，但预测模型需要很大量的历史数据，以及相当程度的专业，才能建立及使用模型，这些都限制了预测模型的使用方式及时机。然而，AI使新一代的企业分析法逐渐出现，同时纳入了某种程度的自动化及情境资讯。不仅大企业能够在数据分析面上更加游刃有余，过去难以负担数据科学家聘请费的中小型企业，将能够更精准地分析自家的数据，并得到更清晰的见解。
过去几年，科技迅速改变了企业数据分析的用途。结合了预测模型的数据分析法，已开始取代单纯的描述型方法。描述型分析（descriptive analytics），对许多使用者仍然很有价值，但同时也一直演变发展，运用更多的视觉分析，并转向一种自助服务模式，让非技术背景的使用者往往也能开发出自己的分析。整体来说，数据分析正迅速变得更容易使用，而且更强大。
尽管有这样的进步，仍然很难使用数据及数据分析，来了解并预测组织里的许多重要现象。预测模型需要很大量的历史数据，以及相当程度的专业，才能建立及使用模型，这限制了预测模型的使用方式及时机。虽然让描述型分析的使用者有更多掌控是好的，但这种转变往往需要使用者投入更多时间。此外，现有的分析方法（包括描述型与预测型）向来有点狭隘，只专注在特定的职能或单位，但其实许多商业问题及议题，是跨职能与跨单位的。这个重要的情境资讯（contextual information），鲜少被整合纳入分析模型，因为各自为政的系统与数据，导致难以进行这种整合，而且因为分类不当，使得数据分析师往往不知道或不能够轻易地取用相关数据。