摘要: 多年來,我們一直在追蹤業務中數據的使用變化。每年,數據變得更加重要,並且更接近成功企業的核心。那麼,既然我們已經處於數據時代,那麼接下來會發生什麼呢?

 


圖名

多年來,我們一直在追蹤業務中數據的使用變化。每年,數據變得更加重要,並且更接近成功企業的核心。我們也看到了我們如何看待數據的成熟度 - 企業不再談論大數據,現在只是數據,因為他們都在智能地看待它如何用於推動增長或降低成本。

那麼,既然我們已經處於數據時代,那麼接下來會發生什麼呢?以下是我對2019年的業務技術預測:

1)機器學習繼續成熟,Python是領跑者

機器學習是今年最受歡迎的術語之一,但它在零售,金融,汽車和許多其他行業都有其破壞性影響。可承受的存儲,處理能力,GPU優化和廣泛可用的開源算法以及用於培訓的深度數據集的融合,極大地改善了可用技術。

企業希望數據為他們工作,這遠遠落後於機器學習的興起,算法控制。德勤最近的一項調查顯示,57%的企業正在增加該技術的支出,因此該領域的投資正在快速增長。這是因為該技術不再被視為成本,而是機會和收入驅動因素。最成功的企業將是那些投資於他們的技術並僱用技能來進行這些投資的企業。

2019年,各種數據科學語言將繼續增長。但也有明顯的趨勢表明Python將成為機器學習的主要語言,而基於Python的技術,如深度學習庫TensorFlow,將繼續擴散。

2)數據中心的崛起

我們已經討論了數據驅動的業務一段時間了,許多組織現在聲稱是數據驅動的,根據數據制定通常完全自動化的決策,而不是簡單地通過報告中的數據。最近的研究表明,86%的企業聲稱要嘛已經制定了數據驅動戰略,要嘛計劃在未來五年內實施一項戰略。

下一步的演變將是以數據為中心。這是對高質量集中數據的絕對承諾構成業務運營核心的地方。工具是圍繞數據構建的,而不是構建工具對組織數據孤島的當前現狀。它不再是收集和囤積數據 (大數據心態) - 而是更多地關於智能地處理數據。

雖然GDPR(General Data Protection Regulation)今年放慢了數據分析計劃的速度,但對於組織來說,這是一個理解其完整數據流的絕佳機會,並幫助他們發現更加集成的數據戰略的潛力。所有個人數據現在都是潛在的商業風險,企業需要準確了解他們擁有的數據,所在的數據以及如何快速找到數據 - 或者面臨巨額罰款和消費者信任的損失。

3)數據科學和商業智能融合

很長一段時間以來,大型組織都聘請了獨立的團隊來開展標準商業智能(數據倉庫,儀表板,報告,SQL)和數據科學(統計模型,R / Python)。然而,隨著這些不同技術的應用不斷增長,這些領域正日益趨同。

在2019年,我們將看到更多領先的組織將他們的數據科學和商業智能實踐結合在一起,為他們提供及時和集中的企業數據訪問。通過擁有一個集成了數據科學腳本語言的中央數據存儲庫,數據科學家可以將他們的筆記本電腦留在後面並將統計模型應用於相同的“單一事實”。由於這些技術的結合,C級管理人員將擁有可視化的BI(Business Intelligence)工具,可以利用複雜的數據科學算法,因此他們可以在需要時自行提供報告。

因此,看起來我們正在進入2019年的另一個邊界推動年,數據為企業開闢了未知的前沿可能性。有趣的是,看看明年這個時候我們所有人都將參加2020年的預測。

4)商業智能成為自助服務

隨著組織中數據分析的使用的增加,我們看到越來越多的商業智能儀表板用於管理人員和高級員工,為他們提供關鍵業務指標的定制最新報告。

在高級管理層之外,商業智能報告仍然更加臨時。業務部門負責人通常必須從分析功能請求報告,或者他們獲得為他們提供的月度報告。

下一步發展將是商業智能報告成為自助服務,為所有員工提供與其工作相關的最新最新指標。這要歸功於更高效,更直觀的商業智能工具,這些工具位於高性能的分析數據庫上 - 這些數據庫甚至可以應對周一早上的工作量而不會出現任何減速。

這一預測得到了Gartner(高德納諮詢公司)最近的研究支持。它發現數據分析仍然是IT和商業投資的最大領域。事實上,進一步的研究表明,85%的公司了解數據的好處,並積極努力更好地使用它。

5)數據技能將繼續保持高需求

與數據相關的技能現在並將繼續受到高度需求。在LinkedIn今年早些時候的年度技能報告中,公司最需要的技能是雲計算,然後是統計分析和數據挖掘。據LinkedIn稱,數據技能自2014年以來一直是最多或第二多需求的技能。

很容易理解為什麼數據和雲技能如此受到高度追捧,因為組織正在努力實現其數字化轉型計劃。我預測這種趨勢在2019年不會改變 - 這些領域的技能短缺仍然存在

6)更多數據中心演變為超大規模數據中心,公共雲端逐漸成為三匹馬競賽

除了機器學習之外,區塊鏈(或分佈式分類帳技術)是2018年最受歡迎的字詞。大量資金投入到利用這些技術的初創企業中。

這些擱淺的工作負載隨著數據中心日益整合到巨大的超大規模雲數據中心而變得越來越複雜,從而加劇了將遺留系統遷移到雲端的壓力。思科系統公司預測,到2021年,超大規模數據中心將佔數據中心處理能力的69%,高於目前的41%。

企業將越來越多地轉向這些超大規模數據中心,公開雲端市場將傾向於亞馬遜網絡服務,微軟Azure和谷歌雲端平台的三巨頭,因為他們的規模比競爭對手增加 - 除了在阿里巴巴保持強勁的中國

7)分佈式分類帳技術推動了新的創新

除了機器學習之外,區塊鏈(或分佈式分類帳技術)是2018年最受歡迎的術語。大量資金投入到利用這些技術的初創企業中。

這項創新的一個重要部分將是在應用程序和服務中轉移和存儲價值 - 比特幣形式的區塊鏈的原始用例。在以太網等平台上運行的令牌化應用程序,尤其是分散式應用程序(dApps)仍處於早期階段,但該技術具有很大的前景。

2019年將是圍繞分佈式總賬技術的一些創新和承諾將通過實際應用實現的一年。

8)容器化為企業的混合雲端提供了優勢

對於企業而言,大多數可以相對容易地遷移到雲的端工作負載已經被移動,遺留下的遺留系統在嘗試在現代雲端環境中運行時會帶來重大的技術挑戰。

這種技術債的一個解決方案是容器化,其中應用程序在基於雲的獨立環境中運行,這些環境在操作系統級別進行虛擬化。優點是這些容器的設計與先前的傳統環境相匹配,大大減少了技術挑戰,並最大限度地減少了應用程序的潛在重寫。

傳統工作負載向容器的遷移將在2019年日益發生,許多人認為2018年底的IBM / Red Hat交易是IBM為搶占市場而採取的重大戰略舉措的一部分

9)對服務化的不懈轉變

製造商採用了一種相對較新的概念,稱為服務化 - 與產品一起銷售服務組件,我們將開始更廣泛地看到這一點。它通常與銷售高價值物品的製造商有關,例如飛機發動機,建築設備或車輛。客戶購買的是一種增值服務組件,而不僅僅是資本投資,這些組件可以通過互聯網連接設備獲得數據。

到2019年,創新型初創企業的崛起和現有企業的服務化將繼續,創造大量數據。為了給你一個想法,網絡巨頭思科估計,到2021年,所有人,機器和東西將產生近850個zettabytes(皆位元組10^21 Bytes)。

Mangelberger就是一個很好的例子。憑藉其作為電氣開關製造商的傳統,它建立了一個能源管理平台,世界上最大的餐廳和零售連鎖店正在使用這個平台來大規模優化其能源消耗和運營。例如,其數據驅動平台根據房間中的免費桌子數量自動控制餐廳的燈光,並使快餐連鎖店能夠分析連接烤箱與設定配方相比的耗能。

10)自然語言處理進入商業工作場所

亞馬遜Echo,谷歌主頁和Apple Homepods已將連接助手帶到家中。語音交互首次成為控制設備播放音樂,獲取基本信息和管理智能家居設備的主流方法。

但是,這些設備對業務沒有太大影響。我的期望是,在2019年,他們也將在利基業務場景中找到他們的聲音,並且連接助理將與電子郵件,CRM系統和日記連接,以簡化流程並提供幫助。

轉貼自: DARAVERSITY

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

Popular Tags