微信号:dellemc_tech

介绍:为戴尔易安信客户提供技术支持服务,为广大IT行业用户分享技术文章与行业信息。

Wikibon 新年预测:转型已经无需多言,但围绕它的三个趋势值得关注

2018-01-08 16:51 戴尔易安信技术支持

文章来源/Wikibon


“数字化转型是2018年企业的首要战略”这个论点相信大家都不陌生,但这其中哪些问题将会引导着未来几年的转型走向?


为了回答这些问题,Wikibon分析师最近举行了年度预测网络研讨会,其中有三类趋势值得关注:


  1. 数据在企业中扮演的角色将变得更加清晰和强烈

  2. 软件和数据进一步混合

  3. 什么样的云运营模式比选择哪一种云更为重要

数据在企业中扮演的角色

区别业务和数字业务之间的界限很简单。数字化业务将数据视为一种资产,投资到系统中以确保他们的数据可以带来出色的回报。非数字化业务往往会把数据视为一次性的内容。2018年,WiKibon认为将会有越来越多的企业将释放他们的数字自我。为什么?竞争、体验和GDPR(通用数据保护规则。即用更加严格数据保护规则来保护个人隐私,等等一些因素。


其中“竞争”很容易理解。数据是改善客户目标、将产品转换为服务、简化运营的基础。那些很好地实施数据即资产的企业,正在打败那些没有这么做的企业。


但是GDPR和“体验”将会促使高管关注重点发生重大变化的这个说法呢?GDPR将于5月28日全面生效,严格规定了数据管理规则,并且那些未能正确执行这些数据治理规则的企业机构将面临更高的罚款。


尽管这项条例的管辖权限于欧盟,但是有很大一部分B2B客户——特别是那些在注重隐私的客户——告诉我们,他们的企业打算在全球范围内采用GDPR规则。而且,我们还听说GDPR和数据相关的担忧正在促使企业重新思考与数字化转型相关的高管职责:首席数字官正在从战略转向运营的角色,与其他所有C级高管并肩——首席信息官、首席技术官、首席安全官、首席隐私官。


软件和数据进一步混合

数字业务助长了一系列变化,但是Wikibon认为,有三种战略业务能力尤为重要,并且要求深度规划才能确保转型成功。首先,企业必须擅长捕获数据。其次,他们必须能够将捕获的数据和数据流转换为可以用于不同类型工作的数据资产。第三,他们必须知道如何构建能够将这些潜在价值源转变为实际行动、建议和预测,这些在客户、合作伙伴、员工和股东看来都是有价值的。


打造和部署这些新能力的核心,是在边缘的“物联网”、大数据、各种形式的人工智能、新的开发者工具,打造代表品牌的系统。预测突出了几点,其中包括:


  • 边缘计算架构涉及到很多敏感因素,包括网络成本。尽管也有对延迟的担忧,数据治理和知识产权的管理仍然是边缘计算的核心,但网络成本这个问题被突出放大了。到2018年,那些希望在边缘物联网分得更大一杯羹、已经构建了全球广泛网络的云服务提供商,可能会给数据通信市场带来重大的颠覆。

  • 大数据实践和工具正在迅速成熟,这将产生两个直接影响。首先,我们将看到数据科学家队伍更加专业化。其次,我们预计开源大数据工具市场将会出现大量的整合。

  • 人工智能将会对应用开发产生巨大影响,既可以用于应用中,又可以作为改变人工智能实践本身的催化剂。

 

什么样的云运营模式比选择哪一种云更为重要

云是人类智慧的奇迹,然而,就像所有被广泛采用的人类发明一样,云也增加了专业化和多样化。Wikibon相信这将带来的影响包括:


  • 客户要求提供他们数据所需的云体验,这包含本地和接近本地的云能力,这也是Wikibon提出新理念“真正的私有云”的基础。我们的模型表明,到2024年,TPC市场规模将超过基础设施即服务市场。

  • 多云正在变成现实,这将会带来三大影响。首先,Kubernetes将成为事实上标准的工作负载管理器。其次,该领域中对采用人工智能的多云管理技术的淘金热正在上演。第三,将功能推向数据的功能性编程将成为解决未来高度分布式业务问题的关键。

  • 系统技术将为重大变革做好准备。即使云运营模式主导IT战略,新的以数据为中心的技术也将进入系统设计的主流,这将对技术可以解决的问题类型,解决方法以及基础设施所在的位置产生广泛的影响。


关于数据分析的预测

人工智能将成为高性能IT运营和应用管理环境的支柱。机器学习对于当今日益复杂的分布式计算环境的持续监控,优化,诊断和修复至关重要。到2018年,信息技术运营和应用性能管理将成为机器学习的第一个大批量应用。


数据驱动的自动编程将成为企业应用程序开发的核心。到2018年年底,最新的自动编程技术将被纳入顶级以云为中心的集成开发环境。机器学习和机器人流程自动化的共同之处在于它们采用领域驱动的代码生成框架,并使用数据驱动的代码生成培训来提高其效率。 


数据科学的生产力将迅速提高,使更少的数据科学家能够完成更多的工作。2018年以后越来越多的自动化和建模工具将使数据科学家能够跟上对其服务日益增长的需求,也会使得传统数据科学家的需求减少。


分析应用程序将在使用无服务器云的功能性编程中展示微服务。到2018年年底,部署在公有云中的新微服务中将有超过50%将部署在无服务器环境中。功能编程解决了主流云微服务的核心功能,包括许多新的机器学习和AI应用程序。、



来自边缘设备的数据移动将成为物联网运营的主要成本要素。到2018年,减少“物联网”数据传输和压缩AI以及其他边缘部署算法的方法将获得普及。由于越来越多地使用强化学习,人工智能微服务将越来越多地转向自主操作的边缘设备。到2018年年底,超过25%的企业人工智能应用开发项目将涉及自治边缘设备,到那个时候,超过50%的企业级开发人员已经熟悉了强化学习工具和技术。 




更多精彩内容,请点击阅读原文”进行查看!

如何每天都能收到如此精彩的文章?

①点击右上角点击查看官方账号”→点击关注

②长按并识别下图中的二维码,直接访问EMC中文支持论坛


 
戴尔易安信技术支持 更多文章 如何计算磁盘性能 浅谈RAID写惩罚(Write Penalty)与IOPS计算 ​ 存储基础(一) 存储基础(二) 为什么客户会选择部署 VMAX 全闪存?
猜您喜欢 程序员职业之路的选择 一百多岁的IBM将如何抓住人工智能的机会 React 模态框秘密和“轮子”渐进设计 【Linux】TOP命令详解(一) IBM告诉你——移动项目开发的四大秘诀