在已經通過數字化轉型進行工作的高管解決與大流行相關的恢復問題的同時，他們卻依靠可靠且創新的技術來保持步伐。

大多數領導者將人工智能視為至關重要，并描述了實施人工智能的“最緊迫感”。然而，他們努力整合公司范圍的AI計劃。接受調查的高管中有百分之七十五認為，如果他們不這樣做，他們的公司將在五年內消失。

未來五年，商業世界中的AI可能會以穩定的速度增長，然后飛向天空。到2030年，預計大多數公司將使用AI來支持和加速高層指導和決策。大多數用例將涉及一種稱為機器學習的強大AI形式，其中計算機分析大量數據集以幫助回答問題。但是，僅憑人工智能是不夠的。高管們已經看到機器學習程序需要真實世界的上下文才能將AI與物理世界聯系起來，而橋梁是位置智能(LI)。

通過地理信息系統(GIS)實現的位置智能使企業能夠在位置的上下文中進行地圖繪制，分析和共享數據。具有LI的AI機器學習可實現趨勢發現和預測，以支持市場評估，站點選擇，風險管理，資產跟蹤和其他核心業務需求。簡而言之，機器學習管理復雜的數據，而位置智能則為該數據提供關鍵位置信息。在這里，我們探索真實的例子。

例如，在哪里開設商店的問題涉及確定社區各個部分的商店可達性。同時，人口統計信息可以揭示某些消費者行為的熱點。通過分析這兩個數據集(潛在的站點可達性和附近的人口統計數據)，零售商可以更好地了解哪些客戶將偏愛某些位置。

使用GIS技術，人們始終能夠快速回答問題，并在地圖和儀表板上顯示可達性和人口統計信息?，F在，他們可以通過利用諸如消費者移動性和購買模式之類的數據源來添加AI工作流。

這揭示了以前看不見的消費者模式并回答了重要問題?？蛻舻钠骄挲g會如何變化?有多少家人會來?有哪些移動性模式會影響商店的訪問模式?有多少人乘坐公共交通工具?商店應該在某些日子延長營業時間嗎?

隨著公司越來越多地為特定地理區域定制產品和服務，此類信息有助于預期并滿足客戶需求。機器學習程序通?？梢詫崟r執行高級分析，以識別銷售數據中的模式，并將這些模式鏈接到位置。例如，一個程序可能會幫助公司發現區域人口統計特征中的共同點，例如城市與郊區，或有年輕家庭的地區，這些可能會被忽略。