Podľa 17. vydania Prognóz v oblasti technológií, médií a telekomunikácií (TMT) bude v roku 2018 až jedna miliarda cestujúcich, resp. jedna štvrtina všetkých cestujúcich cestovať v lietadlách s funkčným internetovým pripojením priamo počas letu (in-flight connectivity – IFC). Tento údaj znamená odhadovaný nárast cestujúcich využívajúcich internet o 20% v roku 2018 a výnosy približne vo výške 1 mld. USD.
Deloitte predpovedá, že živé vysielanie a rôzne naživo prenášané udalosti prinesú v roku 2018 priame príjmy vo výške 545 miliárd USD, čo je zvýšenie o 1% oproti roku 2017. Veľká väčšina týchto príjmov (537 miliárd USD, 98,5%) sa očakáva z tradičných sektorov, zvyšok bude pochádzať z live streamingu a z e-športov. Spotrebitelia sú čoraz ochotnejší zaplatiť za digitálny obsah. Do konca roka 2018 by až 50% dospelých v rozvinutých krajinách mali mať predplatené aspoň dve internetové médiá. Do konca roka 2020 by sa mal tento priemer dokonca zdvojnásobiť na štyri internetové médiá. Očakáva sa, že živé televízne a rozhlasové vysielanie bude v roku 2018 vytvárať 72% všetkých príjmov vysielacieho charakteru, pričom jeho najväčšou časťou bude televízne vysielanie s 358 miliardami USD za reklamy a predplatné. Zisk z televíznej reklamy v roku 2018 sa odhaduje na 188 miliárd USD a podiel živého vysielania na príjmoch z platených televízií sa tak odhaduje na 170 miliárd USD. Na základe nášho odhadu podielu televízorov v domácnostiach, ktoré sú na vybraných trhoch sledované digitálnym videorekordérom (DVR), bude približne 85% z predpokladaných príjmov platených televíznych staníc vo výške 200 miliárd USD pripadať na živé vysielanie.
Podľa očakávaní odborníkov firmy do konca roka 2018 zdvojnásobia využívanie technológií strojového učenia. Prognózy TMT zdôrazňujú päť kľúčových oblastí, ktoré povedú k intenzívnejšiemu využívaniu strojového učenia v podnikaní, a následne k jeho zjednodušeniu, zlacneniu a celkovému zrýchleniu. Ľudská spoločnosť dosiahla zlomový bod, kedy sa zavádzanie strojového učenia do podnikania výrazne zrýchľuje. Túto akceleráciu katalyzuje okrem iného aj nástup novej generácie čipov umožňujúcich pokročilejšie metódy matematického modelovania a spracovania veľkého množstva dát (tzv. big data) v reálnom čase. Vďaka nim spotrebovávajú softvérové aplikácie strojového učenia menej energie a zároveň sú citlivejšie, flexibilnejšie a dokonalejšie.
Deloitte predpovedá, že živé vysielanie a rôzne naživo prenášané udalosti prinesú v roku 2018 priame príjmy vo výške 545 miliárd USD, čo je zvýšenie o 1% oproti roku 2017. Veľká väčšina týchto príjmov (537 miliárd USD, 98,5%) sa očakáva z tradičných sektorov, zvyšok bude pochádzať z live streamingu a z e-športov. Spotrebitelia sú čoraz ochotnejší zaplatiť za digitálny obsah. Do konca roka 2018 by až 50% dospelých v rozvinutých krajinách mali mať predplatené aspoň dve internetové médiá. Do konca roka 2020 by sa mal tento priemer dokonca zdvojnásobiť na štyri internetové médiá. Očakáva sa, že živé televízne a rozhlasové vysielanie bude v roku 2018 vytvárať 72% všetkých príjmov vysielacieho charakteru, pričom jeho najväčšou časťou bude televízne vysielanie s 358 miliardami USD za reklamy a predplatné. Zisk z televíznej reklamy v roku 2018 sa odhaduje na 188 miliárd USD a podiel živého vysielania na príjmoch z platených televízií sa tak odhaduje na 170 miliárd USD. Na základe nášho odhadu podielu televízorov v domácnostiach, ktoré sú na vybraných trhoch sledované digitálnym videorekordérom (DVR), bude približne 85% z predpokladaných príjmov platených televíznych staníc vo výške 200 miliárd USD pripadať na živé vysielanie.
Podľa očakávaní odborníkov firmy do konca roka 2018 zdvojnásobia využívanie technológií strojového učenia. Prognózy TMT zdôrazňujú päť kľúčových oblastí, ktoré povedú k intenzívnejšiemu využívaniu strojového učenia v podnikaní, a následne k jeho zjednodušeniu, zlacneniu a celkovému zrýchleniu. Ľudská spoločnosť dosiahla zlomový bod, kedy sa zavádzanie strojového učenia do podnikania výrazne zrýchľuje. Túto akceleráciu katalyzuje okrem iného aj nástup novej generácie čipov umožňujúcich pokročilejšie metódy matematického modelovania a spracovania veľkého množstva dát (tzv. big data) v reálnom čase. Vďaka nim spotrebovávajú softvérové aplikácie strojového učenia menej energie a zároveň sú citlivejšie, flexibilnejšie a dokonalejšie.