根據(jù)IDC的最新報(bào)告，數(shù)字化轉(zhuǎn)型支出預(yù)計(jì)將在未來(lái)四年內(nèi)超過(guò)6萬(wàn)億美元，并且相信僅在2019年底之前，全球企業(yè)在數(shù)字化轉(zhuǎn)型方面的支出就將超過(guò)1萬(wàn)億美元。

該報(bào)告還指出，加工、離散制造和運(yùn)輸?shù)刃袠I(yè)將是最大的支出者。這些投資正在推動(dòng)機(jī)器學(xué)習(xí)(ML)和物聯(lián)網(wǎng)(IoT)的發(fā)展，以改善客戶(hù)體驗(yàn)以及運(yùn)營(yíng)效率和準(zhǔn)確性。隨著公司開(kāi)始采用數(shù)字化轉(zhuǎn)型，2020年將看到更多的變化。

[[312605]]

1. 大數(shù)據(jù)成長(zhǎng)為龐大的數(shù)據(jù)

根據(jù)Network World的一篇文章，“ IDC預(yù)測(cè)，到2025年，全球數(shù)據(jù)的總和將從今年的33ZB增加到175ZB，復(fù)合年增長(zhǎng)率為61%。” (1 zettabyte等于1萬(wàn)億GB。)這意味著我們不僅會(huì)看到IoT生成的實(shí)時(shí)數(shù)據(jù)的數(shù)量大量增加，而且還將看到企業(yè)創(chuàng)建和管理的大量新數(shù)據(jù)。

到2025年，將在企業(yè)與消費(fèi)者之間創(chuàng)建和管理175ZB數(shù)據(jù)中的近60%。推動(dòng)這一增長(zhǎng)的是物聯(lián)網(wǎng)邊緣設(shè)備，它向云發(fā)送信息波。

2. 物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)不再是未來(lái)的技術(shù)

人力沒(méi)有能力分析如此大量的數(shù)據(jù)，因此企業(yè)將尋找使用ML來(lái)擴(kuò)充進(jìn)行分析的新方法。由于數(shù)據(jù)量巨大，物聯(lián)網(wǎng)應(yīng)被視為當(dāng)今數(shù)據(jù)驅(qū)動(dòng)型經(jīng)濟(jì)的骨干。為了理解這些數(shù)據(jù)，物聯(lián)網(wǎng)產(chǎn)品和服務(wù)的發(fā)展將不再側(cè)重于核心技術(shù)，而更多地側(cè)重于更好地利用收集到的數(shù)據(jù)的技術(shù)。

3. 數(shù)據(jù)即服務(wù)

隨著每天開(kāi)發(fā)的所有數(shù)據(jù)(到2020年，每個(gè)人每秒將創(chuàng)建1.7MB數(shù)據(jù))，使用這些數(shù)據(jù)來(lái)做出更明智的業(yè)務(wù)決策才有意義。

例如，KAR Global已發(fā)布了一個(gè)平臺(tái)，可為汽車(chē)經(jīng)銷(xiāo)商提供當(dāng)前需求汽車(chē)的廣角視圖。除了庫(kù)存細(xì)分分析和營(yíng)銷(xiāo)建議之外，該平臺(tái)還顯示了最佳的投資回報(bào)率以及經(jīng)銷(xiāo)商如何轉(zhuǎn)移不良車(chē)輛。所有這些都以專(zhuān)有的方式使用了KAR及其客戶(hù)提供的數(shù)據(jù)，從而使整個(gè)汽車(chē)銷(xiāo)售行業(yè)受益。我們應(yīng)該期望其他行業(yè)以同樣的方式開(kāi)始使用DaaS模型進(jìn)行決策。

4. 打包應(yīng)用程序的下降

取代下載應(yīng)用程序，漸進(jìn)式Web應(yīng)用程序(PWA)很快將變得更加普遍。 PWA的訪問(wèn)方式與從應(yīng)用程序商店下載的PWA相同，但是它們加載速度更快，更安全并且尺寸更小。 Lumavate等公司幫助賽車(chē)、醫(yī)療制造、建筑和金融服務(wù)等行業(yè)的開(kāi)發(fā)人員從本機(jī)應(yīng)用程序轉(zhuǎn)變?yōu)榫哂谐杀拘б娴腜WA，最終提供了更好的用戶(hù)體驗(yàn)并釋放了設(shè)備空間。

5. 規(guī)范分析

規(guī)范分析超出了預(yù)測(cè)可能的選項(xiàng)的范圍，而是建議了一系列操作以及這些操作的潛在結(jié)果。隨著更多工具的可用，這種類(lèi)型的數(shù)據(jù)分析正成為新的趨勢(shì)。

自動(dòng)駕駛汽車(chē)就是一個(gè)很好的例子。無(wú)人駕駛汽車(chē)必須基于分析數(shù)據(jù)進(jìn)行數(shù)百萬(wàn)次計(jì)算，以決定何時(shí)轉(zhuǎn)彎，改變車(chē)道等。

石油和天然氣行業(yè)還使用規(guī)范分析來(lái)評(píng)估供應(yīng)，需求，價(jià)格以及變化時(shí)對(duì)行業(yè)的影響。規(guī)范性分析和預(yù)測(cè)性分析作為商業(yè)智能協(xié)同工作，可為高管提供洞察力以及對(duì)公司數(shù)據(jù)的遠(yuǎn)見(jiàn)。

6. 實(shí)際上，人工智能將創(chuàng)造比失去更多的工作機(jī)會(huì)

預(yù)計(jì)到2020年，人工智能將減少180萬(wàn)個(gè)工作崗位，但還將創(chuàng)造230萬(wàn)個(gè)工作崗位。醫(yī)療、教育和公共部門(mén)等行業(yè)將看到不斷增長(zhǎng)的工作需求。雖然中低層職位將受到最大的沖擊，但這類(lèi)類(lèi)型的工人將在太陽(yáng)能等行業(yè)中嶄露頭角，太陽(yáng)能是目前增長(zhǎng)最快的創(chuàng)造就業(yè)的行業(yè)。工業(yè)制造行業(yè)也在努力提高其勞動(dòng)力的素質(zhì)，將其員工的技術(shù)和非技術(shù)知識(shí)與數(shù)字化轉(zhuǎn)型相結(jié)合。

7. 通過(guò)機(jī)器學(xué)習(xí)增強(qiáng)工作

機(jī)器學(xué)習(xí)曾經(jīng)意味著自動(dòng)化任務(wù)和替代人工。現(xiàn)在的重點(diǎn)是ML增強(qiáng)人類(lèi)工作能力的能力，以使我們更具生產(chǎn)力和效率。 2020年，我們將看到旨在優(yōu)化物流，零售和機(jī)器人技術(shù)的機(jī)器學(xué)習(xí)模型。諸如推薦引擎，欺詐檢測(cè)和機(jī)器人流程自動(dòng)化之類(lèi)的事情將成為標(biāo)準(zhǔn)，并使行業(yè)競(jìng)爭(zhēng)更加激烈。

8. 機(jī)器人過(guò)程自動(dòng)化(RPA)

今年，德勤(Deloitte)看到企業(yè)將用于庫(kù)存管理等日常業(yè)務(wù)任務(wù)的智能自動(dòng)化工具(例如機(jī)器人流程自動(dòng)化)數(shù)量翻了一番。特別是制造業(yè)，多年來(lái)一直在關(guān)注RPA，并將在2020年增加采用RPA。制造業(yè)中已經(jīng)成功的RPA解決方案包括訂單履行、采購(gòu)訂單處理、庫(kù)存報(bào)告和運(yùn)輸管理。實(shí)施RPA的高管注意到，員工通過(guò)戰(zhàn)略和創(chuàng)新思維更加投入。

無(wú)論是哪個(gè)行業(yè)，為了保持競(jìng)爭(zhēng)力，都將越來(lái)越需要在物聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)和數(shù)據(jù)分析方面進(jìn)行投資。明年和將來(lái)，我們將在技術(shù)上看到的大多數(shù)內(nèi)容都將集中在IoT產(chǎn)品和服務(wù)上，這些產(chǎn)品和服務(wù)使我們能夠理解到第二年獲得的數(shù)據(jù)?，F(xiàn)在，建立和分析數(shù)據(jù)可為企業(yè)提供比以往更多的信息。在2020年，他們將使用這些數(shù)據(jù)來(lái)提升客戶(hù)，員工和利益相關(guān)者的體驗(yàn)。