机器将开始模仿人类决策，而人类操作者可以对其进行监督和交付。这种大数据分析模拟可通过更强的技术手段以及增强机器与人之间联系而实现。
5. 更强大的数据仪器
数据驱动型决策取决于数据的质量和数量，以及能否在合适的时候向合适的决策者提供见解。也就是说，要拓宽思维并更好地了解万物是如何互联的。要想从至今尚未被利用的数据源中收集情报，企业必须采用更精确的技术手段来分析人与机器的行为及其之间的交互。
对于人类而言，这意味着从我们在网上所做的一切活动中收集并分析点击流——从购物到工作中的订单录入。这也会涉及线下数据，例如：当我们订外卖或者开车时使用导航。对于机器来说，这意味着向大型固定设备(从喷气发动机到摄像头)添加更多传感器和测量仪，以便提供更丰富的数据集供人们发掘。在这两种情况下，更多的数据可能会导致对行动和行为更好的了解，并对政策和流程所产生多米诺效应。
当我们开始采集并利用这些数据时，我们将开始在大数据系统上添加另一个“感官”，从而使能带来下游创新的新智能类型成为可能。
制定大数据分析战略
当然，技术改进是一个渐进的过程。但是对于企业领导者来说，不能坐等采用大数据分析和先进自动化的完美机会。相反，企业应在整个公司层面积极寻求大数据与人为活动互补的机会。
找到位置，把人工智能嵌入人类和机器工作流程，发现能改进人机交互的领域——这样就能达成目标。要想获得成功，企业还应谨慎关注这些尝试带来的结果，避免一方面的改进掩盖其它方面的不良影响。
大数据分析将带来分布式智能，它可以在不进行重大变化的前提下，改善人类所做的大部分事物。通过对集成智能全局把控，你将在2016年从未来科技中获益。