在眾多領域里，大多數成功人士都能夠稍稍搶在其他人之前作出連續不斷而精確的預判。這是幾乎所有持久成功者的共性。他們不必具有超前10年，甚至10天的遠見，只需在事情開端或時機到來之前，比競爭對手搶先一剎那作出高度可能性的預測就足夠了。
    企業需要瞬時、主動的預測能力
    50年來，我們一直生活在一個數據庫的世界。各個公司和政府機構通過多方途徑收集信息：個人互動（填表、預定）、交易（ATM、網購、信用卡消費）、記錄事件（棒球比賽的得分、墨西哥灣的颶風新聞、洛杉磯機場的航班時間）……以上信息都被收入一個結構化的數據庫，然后經過混合、匹配、分析，對已經發生的事情進行解釋說明。
    某個零售商可以從數據庫里得知他每年8月份的“幫寶適”紙尿褲銷量都比平時多50%，由此會在8月這個月里多進些貨；一家航空公司可以從數據庫那里得知，若是把某條航線的機票價格降低20美元，就能從其他航空公司那里搶來大量市場份額；人口普查也是一個巨大的數據庫工作，可以分析某個國家每十年的人口格局。
    數據庫技術幾乎對地球上任何地方任何規模的任何一家公司的運營都是至關重要的。然而，在當今世界，數據庫技術也面臨著一個巨大的發展障礙。它們只是著眼于過去。它們只分析已經發生的事情，而不是預測將要發生什么。并且，隨著信息源的不斷擴大，它們正遭受海量信息的壓倒性沖擊。
    在2010年，全世界共產生了超過1,200艾字節（exabyte）的數字信息；1艾字節相當于1萬億本書的信息容量。而每隔一年，此數據的體積就會擴大4倍。其中，約70%的信息是個人行為產生的。其他30%左右則來自不斷擴大的傳感器領域，如用于監測海灣的浮標上植入的芯片、航班上記錄行李裝卸情況的電子標簽、還有全球數十億部手機（每一部手機都在不斷向移動運營商發送使用者的地點和位置移動）……
    在商業領域利用數據來進行預測的基本理念并非空穴來風。幾十年來，很多公司已經使用數學知識和軟件來進行預測。而經過統計分析證明，在某些可能性層面，預測是可以達到的。在像業務流程管理、客戶關系管理等方面，人們已經開始使用大型軟件系統用于收集匯總信息，從而幫助管理層了解公司的當前狀況。
    就在最近幾年，很多公司都開始使用分析學從歷史數據中分析總結今后的發展趨勢。利用分析學，我們可以從一個人以往的消費記錄和賬單發現他的“個人模式”，并將他跟其他數百萬消費者進行對比，從而得出一個統計學預測結果，看看他是否會拖欠貸款。分析學還幫助航空公司對航班需求進行預測，以此來對公司的航班進行調整，以保證盡可能達到航班的滿座率。
    在此需要說明一點，我們并不是在說我們正開創預測技術理念。我們也不是讓你把業務流程管理、客戶關系管理和分析系統扔掉不用；預測幾天、幾個月或者幾年之后的情形，其價值無可置疑，就像人們需要擬定長期計劃、教練需要針對尚未遭遇的對手制定比賽方案一樣。
    但在當今世界，一個企業需要做的遠不止于此。它需要瞬時、主動的預測能力。身處一個一周7天、每天24小時不間斷發生偶發事件的環境之中，一個企業需要能夠把如山的數據推在一邊，而去使用小而有效的“心智”模式、鎖定一連串事件、預先推測出即將發生的情況、然后一瞬間做出反應。已經有很多公司在使用一些第一代預測系統了，目的是提前一點時間在正確的地點獲得恰當的信息。
    美國西南航空公司正在開發一套系統，通過此系統可以實時監測飛機、天氣、票價和其他需要考慮的因素，并不斷作出調整。比如說，若是預先知道某航班要遭遇風暴天氣，航空公司就可以更改整個航線的班次安排，并且將乘客安排到別的航班上，以避免發生騷亂。
    美國國防部先進研究項目局（DARPA）是五角大樓的未來研究部門，他們目前正資助一個名叫“神經性自適應塑料可微縮電子系統（SyNAPSE）”，其長遠目標是創造出一個全新的、能像人腦一樣工作的技術架構。
    “我們正處在一個重大變革的時期�！辈ㄊ款D大學的格羅斯伯格對我們這樣說，“我們面臨一個瞬息萬變的世界，需要一個能對意料之外的情況作出應對的系統�！�