2020年八個以數(shù)據(jù)為導(dǎo)向的物聯(lián)網(wǎng)方向
根據(jù)IDC的最新報告,數(shù)字化轉(zhuǎn)型支出預(yù)計將在未來四年內(nèi)超過6萬億美元,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1萬億美元。
該報告還指出,加工、離散制造和運(yùn)輸?shù)刃袠I(yè)將是最大的支出者。這些投資正在推動機(jī)器學(xué)習(xí)(ML)和物聯(lián)網(wǎng)(IoT)的發(fā)展,以改善客戶體驗(yàn)以及運(yùn)營效率和準(zhǔn)確性。隨著公司開始采用數(shù)字化轉(zhuǎn)型,2020年將看到更多的變化。
1. 大數(shù)據(jù)成長為龐大的數(shù)據(jù)
根據(jù)Network World的一篇文章,“ IDC預(yù)測,到2025年,全球數(shù)據(jù)的總和將從今年的33ZB增加到175ZB,復(fù)合年增長率為61%。” (1 zettabyte等于1萬億GB。)這意味著我們不僅會看到IoT生成的實(shí)時數(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%。推動這一增長的是物聯(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)不再是未來的技術(shù)
人力沒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)
隨著每天開發(fā)的所有數(shù)據(jù)(到2020年,每個人每秒將創(chuàng)建1.7MB數(shù)據(jù)),使用這些數(shù)據(jù)來做出更明智的業(yè)務(wù)決策才有意義。
例如,KAR Global已發(fā)布了一個平臺,可為汽車經(jīng)銷商提供當(dāng)前需求汽車的廣角視圖。除了庫存細(xì)分分析和營銷建議之外,該平臺還顯示了最佳的投資回報率以及經(jīng)銷商如何轉(zhuǎn)移不良車輛。所有這些都以專有的方式使用了KAR及其客戶提供的數(shù)據(jù),從而使整個汽車銷售行業(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、醫(yī)療制造、建筑和金融服務(wù)等行業(yè)的開發(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,這種類型的數(shù)據(jù)分析正成為新的趨勢。
自動駕駛汽車就是一個很好的例子。無人駕駛汽車必須基于分析數(shù)據(jù)進(jìn)行數(shù)百萬次計算,以決定何時轉(zhuǎn)彎,改變車道等。
石油和天然氣行業(yè)還使用規(guī)范分析來評估供應(yīng),需求,價格以及變化時對行業(yè)的影響。規(guī)范性分析和預(yù)測性分析作為商業(yè)智能協(xié)同工作,可為高管提供洞察力以及對公司數(shù)據(jù)的遠(yuǎn)見。
6. 實(shí)際上,人工智能將創(chuàng)造比失去更多的工作機(jī)會
預(yù)計到2020年,人工智能將減少180萬個工作崗位,但還將創(chuàng)造230萬個工作崗位。醫(yī)療、教育和公共部門等行業(yè)將看到不斷增長的工作需求。雖然中低層職位將受到最大的沖擊,但這類類型的工人將在太陽能等行業(yè)中嶄露頭角,太陽能是目前增長最快的創(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力的素質(zhì),將其員工的技術(shù)和非技術(shù)知識與數(shù)字化轉(zhuǎn)型相結(jié)合。
7. 通過機(jī)器學(xué)習(xí)增強(qiáng)工作
機(jī)器學(xué)習(xí)曾經(jīng)意味著自動化任務(wù)和替代人工?,F(xiàn)在的重點(diǎn)是ML增強(qiáng)人類工作能力的能力,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,欺詐檢測和機(jī)器人流程自動化之類的事情將成為標(biāo)準(zhǔn),并使行業(yè)競爭更加激烈。
8. 機(jī)器人過程自動化(RPA)
今年,德勤(Deloitte)看到企業(yè)將用于庫存管理等日常業(yè)務(wù)任務(wù)的智能自動化工具(例如機(jī)器人流程自動化)數(shù)量翻了一番。特別是制造業(yè),多年來一直在關(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、采購訂單處理、庫存報告和運(yùn)輸管理。實(shí)施RPA的高管注意到,員工通過戰(zhàn)略和創(chuàng)新思維更加投入。
無論是哪個行業(yè),為了保持競爭力,都將越來越需要在物聯(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,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)來提升客戶,員工和利益相關(guān)者的體驗(yàn)。